爬虫 (二十一) 最完整的文件操作（值得收藏） (十二)

点击上方蓝字关注我们

欢迎关注我的公众号，志学Python

长文预警 阅读约 29 分钟 

相信如果你慢慢把这篇文章读完，然后加以实践，你会对 python 文件操作会有很大的理解，加油看完哦

一，打开文件　　

python中打开文件的函数为open('filename',mode='r',encode='None')，open函数默认返回文件的句柄，我们可以根据句柄来对文件进行增,删,改,查的操作。将句柄赋给我们定义的变量,假设我们定义变量为f，则f=open('filename',mode='r',encode='utf-8') 或者with open('filename') as f

注意点：

　　1.python解释器打开文件时，是对硬盘进行操作,需要内核态才可以操作硬盘，故此时python解释器是调用操作系统的文件读取接口。windows中文版本默认使用GBK编码表，linux默认使用utf-8，所有如果操作的文件在windows下，非GBK编码的，需要在open函数中声明编码类型，使操作系统运用相应的编码规则进行解码读取，防止串码，乱码现象。

　　2.open主要有三种模式,读(r),写(w),追加(a),其中，默认为读模式。各个模式的详解，见下文。

二，关闭文件

关闭文件有两组方式：

　　1.使用f.close() ,f为open返回的句柄赋值的变量名。

　　2.程序结束后，自动关闭。第一个方法容易造成文件写操作时，数据的丢失。原因是写数据时，数据会先保存在内存中，文件关闭时才会写入硬盘，此时如果文件未关闭，软件因为异常崩溃，导致内存中的数据丢失，且未写入硬盘中。作为第一种关闭方法的优化，是使用：with open('filename') as f 。with会创建一个程序块，将文件操作置于with程序块下，这样with控制块结束，文件也会自动关闭。

语法如下：

with open('f1.txt') as f1 , open('f2.txt') as f2:
    ......

三，操作文件

3.1 file的基本方法

F.read([size])  size为读取的长度，以byte为单位
F.readline([size]) 如果定义了size，有可能返回的只是一行的一部分 
F.readlines([size]) 把文件每一行作为一个list的一个成员，并返回这个list。其实它的内部是通过循环调用readline()来实现的。如果提供size参数，size是表示读取内容的总长，也就是说可能只读到文件的一部分
F.write(str) 把str写到文件中，write()并不会在str后加上一个换行符
F.writelines(seq) 把seq的内容全部写到文件中。这个函数也只是忠实地写入，不会在每行后面加上任何东西
F.close() 关闭文件。python会在一个文件不用后自动关闭文件，不过这一功能没有保证，最好还是养成自己关闭的习惯。如果一个文件在关闭后还对其进行操作会产生ValueError 
F.flush()把缓冲区的内容写入硬盘 ，即将内存中的数据刷新到银盘上
F.fileno() 返回一个长整型的”文件标签“ 
F.isatty()文件是否是一个终端设备文件（unix系统中的）
F.tell() 返回文件操作标记的当前位置，以文件的开头为原点 
F.next() 返回下一行，并将文件操作标记位移到下一行。把一个file用于for ... in file这样的语句时，就是调用
F.seek(offset[,whence]) 将文件打操作标记移到offset的位置。这个offset一般是相对于文件的开头来计算的，一般为正数。但如果提供了whence参数就不一定了，whence可以为0表示从头开始计算，1表示以当前位置为原点计算。2表示以文件末尾为原点进行计算。需要注意，如果文件以a或a+的模式打开，每次进行写操作时，
F.truncate([size]) 把文件裁成规定的大小，默认的是裁到当前文件操作标记的位置。如果size比文件的大小还要大，依据系统的不同可能是不改变文件，也可能是用0把文件补到相应的大小，也可能是以一些随机的内容加上去。如果没有指定 size，则从当前位置起截断；截断之后 size 后面的所有字符被删除

3.2 文件的读取、创建、追加、删除、清空 一，用python创建一个新文件，内容是0到9的整数，每个数字占一行

f = open('f.txt','w')
for i in range(0,10):
    f.write(str(i)+'\n')
f.close()

二，文件内容追加，从0到9的10个随机整数

import random
f = open('f.txt','a')
for i in range(0,10):
    f.write(str(random.randint(0,9)))
f.write('\n')
f.close()

三、文件内容追加，从0到9的随机整数, 10个数字一行，共10行

import random
f = open('f.txt','a')
for i in range(0,10):
    for i in range(0,10):
        f.write(str(random.randint(0,9)))
    f.write('\n')
f.close()

四、把标准输出定向到文件

import sys
sys.stdout = open('stdout.txt','w')

五，文件的读写

5.1，文件打开

f = file(name[, mode[, buffering]])
name 文件名
mode   选项,字符串
buffering   是否缓冲 (0=不缓冲，1=缓冲, >1的int数=缓冲区大小)

文件的读写属性

file对象有自己的属性和方法。先来看看file的属性。（+和b可以和其他的字符组合成mode，例如rb以二进制只读方式打开，mode参数是可选的，如果没有默认为r） （注意：文件打开之后，应当被及时关闭，可以查看f.closed属性以确认文件是否被关闭）

r 只读模式（默认，文件不存在，则发生异常）文件的指针将会放在文件的开头
w 只写模式（可读，文件不存在则创建，存在则删除内容，再打开文件）
a 追加模式（只能写，文件不存在则创建，存在则追加内容）
r+ 可读写模式（可读，可写，可追加）,如果文件存在，则覆盖当前文件指针所在位置的字符，如原来文件内容是"Hello，World"，打开文件后写入"hi"则文件内容会变成"hillo, World"
b 以二进制方式打开（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）
w+ 先写再读（可读，可写，可追加） 如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件
a+ 同a(可读可写，文件不存在则创建，存在则追加内容)。如果该文件已存在，文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在，创建新文件用于读写
rb 以二进制读方式打开，只能读文件 ， 如果文件不存在，会发生异常
wb 以二进制写方式打开，只能写文件， 如果文件不存在，创建该文件
ab 二进制追写文件。 从文件顶部读取内容 从文件底部添加内容 不存在则创建
rt 以文本读方式打开，只能读文件 ， 如果文件不存在，会发生异常
wt 以文本写方式打开，只能读文件 ， 如果文件不存在，创建该文件。如果文件存在。先清空，再打开文件
at 以文本读写方式打开，只能读文件 ， 如果文件不存在，创建该文件。如果文件存在。先清空，再打开文件
rb+ 以二进制读方式打开，可以读、写文件 ， 如果文件不存在，会发生异常  
wb+ 以二进制写方式打开，可以读、写文件， 如果文件不存在，创建该文件.如果文件存在。先清空，再打开文件
ab+ 追读写二进制。从文件顶部读取内容 从文件底部添加内容 不存在则创建

5.2，关闭文件

f.close()

当文件读写完毕后，应关闭文件

六，清空文件内容

f.truncate()

注意：仅当以 "r+" "rb+" "w" "wb" "wb+"等以可写模式打开的文件才可以执行该功能

七，文件的指针定位与查询

7.1，文件指针：文件被打开后，其对象保存在 f 中， 它会记住文件的当前位置,以便于执行读、写操作，这个位置称为文件的指针( 一个从文件头部开始计算的字节数 long 类型 )。

7.2，文件打开时的位置:

  以"r"   "r+"   "rb+" 读方式, "w"   "w+"   "wb+"写方式 打开的文件，
 一开始，文件指针均指向文件的头部

7.3，获取文件指针的值:

L = f.tell()

7.4，移动文件的指针

 f.seek(   偏移量, 选项 )
      选项 =0 时， 表示将文件指针指向从文件头部到 "偏移量"字节处
      选项 =1 时， 表示将文件指针指向从文件的当前位置，向后移动 "偏移量"字节
      选项 =2 时， 表示将文件指针指向从文件的尾部，，向前移动 "偏移量"字节

八，从文件读取内容

8.1，文本文件（以"rt"方式打开的文件）的读取

s = f.readline()
        返回值： s 是字符串，从文件中读取的一行，含行结束符
        说明： (1)  如果 len( s ) =0 表示已到文件尾
              (2)   如果是文件的最后一行，有可能没有行结束符

8.2，二进制文件（以"rb"、"rb+"、"wb+" 方式打开的文件）的读取

s = f.read( n )
     说明： (1)  如果 len( s ) =0 表示已到文件尾
           (2)   文件读取后，文件的指针向后移动 len(s) 字节
          （3）如果磁道已坏，会发生异常

九，向文件写入一个字符串

f.write( s )
    参数： s 要写入的字符串
    说明： (1)文件写入后，文件的指针向后移动 len(s) 字节
          （2）如果磁道已坏，或磁盘已满会发生异常
返回值： s 是字符串，从文件中读取的内容

十，删除文件

import os
os.remove(file)

3.3 python逐行读取文件内容的两种方法 方法一：

for line in open('f.txt'):
    print(line)

方法二：

f =open('f.txt','r')
lines =f.readlines()
for i in lines:
    print(i)

3.4文件定位 　　tell()方法告诉你文件内的当前位置, 换句话说，下一次的读写会发生在文件开头这么多字节之后 　　seek（offset [,from]）方法改变当前文件的位置。Offset变量表示要移动的字节数。From变量指定开始移动字节的参考位置 　　offset -- 偏移量，也就是代表需要移动偏移的字节数,注意是按照字节算的，字符编码存每个字符所占的字节长度不一样 　　　　如“好好学习” 用gbk存是2个字节一个字，用utf-8就是3个字节，因此以gbk打开时，seek(4) 就把光标切换到了“飞”和“学”两个字中间。　　　　但如果是utf8,seek(4)会导致，拿到了飞这个字的一部分字节，打印的话会报错，因为处理剩下的文本时发现用utf8处理不了了，因为编码对不上了。少了一个字节 　　如果from被设为0，这意味着将文件的开头作为移动字节的参考位置 　　如果设为1，则使用当前的位置作为参考位置 　　如果它被设为2，那么该文件的末尾将作为参考位置

例子：

#打开一个文件
f =open('f.txt','r+')
str_read = f.read(10)
print("读取的字符串是：%s" % str_read)
#查找当前位置
position = f.tell()
print("当前位置：%s" %position)
#把指针再次重新定位到文件开头
position =f.seek(0,0)
str_read =f.read(10)
print("重新读取读取的字符串是：%s" % str_read)
#关闭文件
f.close()
结果：
读取的字符串是：2204513940
当前位置： 10
重新读取读取的字符串是：2204513940

3.5 重命名和删除文件 Python的os模块提供了帮你执行文件处理操作的方法，比如重命名和删除文件。要使用这个模块，你必须先导入它，然后才可以调用相关的各种功能。rename()方法：rename()方法需要两个参数，当前的文件名和新文件名。语法：

os.rename(current_file_name, new_file_name)

例子：

import os
#重命名文件f.txt问哦file.txt
os.rename('f.txt','file.txt')

remove方法 你可以用remove()方法删除文件，需要提供要删除的文件名作为参数。语法：

os.remove(file_name)

例子：

import os
os.remove('stdout.txt')

3.6 文件修改 　　硬盘的存储原理就是，当你把文件存到硬盘上，就在硬盘上划了一块空间，存数据，等你下次打开这个文件，会seek到一个位置，每改一个字，就是把原来的覆盖掉，如果要插入，是不可能的，因为后面的数据在硬盘上不会整体向后移动，所以就会出现当前这个情况，你要插入，却变成把旧内容覆盖掉。　　所以修改文件，就不要在硬盘上修改，把内容全部读到内存里，数据在内存里可以随便增删改查，修改之后，把内容全部写回硬盘，把原来的数据全部覆盖掉。　　当然了，如果有些文件特别大，比如5G，那么一下吃掉这么大内存，非常浪费资源，所以更好的方法就是，如果不像占内存，那么就边读边写，也就是不修改源文件，但是可以打开丢文件的同时，生成一个新文件，边从旧的里面读，边往新的里面写，遇到需要修改的就改了再写道新文件，这样在内存里面一直只存一行内容，就不占内存了，但是也有一个缺点就是，虽然不占内存，但是占硬盘，每次修改，都要生成一份新文件，虽然改完后，可以把旧的覆盖掉，但是在改的过程中，还是有两份数据 3.6.1文件修改占硬盘 代码：

f_name= 'file.txt'
f_new_name = 'file_new.txt'
old_str = '123'
new_str = '123123123'
f = open(f_name,'r',encoding='gbk')
f_new = open(f_new_name,'w',encoding='gbk')
for line in f:
    if old_str in line:
        line = line.replace(old_str,new_str)
    f_new.write(line)
f.close()
f_new.close()

上面的代码会生成一个修改后的新文件，源文件不动，若想覆盖源文件 代码如下：

import os
os.replace(file_new_name,file_name)

3.6.2文件修改占内存 　　这样不需要占用两个文件，只需要写一个文件，直接r+就可以，但是会出现一个问题，就是要是以前文件内容多，现在少了，那会出错，为了避免这种错误的发生，使用truncate()就ok userinfo.txt的内容：

1:www.baidu.com
2:www.google.com
3:www.tencent.com
4:www.tianmao.com
5:www.jingdong.com

f.truncate([size])
把文件裁成规定的大小，默认的是裁到当前文件操作标记的位置。
如果size比文件的大小还要大，依据系统的不同可能是不改变文件，
也可能是用0把文件补到相应的大小，也可能是以一些随机的内容加上去

file = open('userinfo.txt','r+',encoding='utf-8')
print('文件名为：',file.name)
line =file.readline()
print('读取第一行：%s' %line)
#截断剩下的字符串
file.truncate()
#尝试再次读取数据
line =file.readline()
print('读取数据：%s' %line)
file.close()
# 结果：
# 文件名为：userinfo.txt
# 读取第一行：1:www.baidu.com
#
# 读取数据：2:www.google.com

file = open('userinfo.txt','r+',encoding='utf-8')
print('文件名为：',file.name)
line =file.readline()
print('读取第一行：%s' %line)
#截断10的字符串
file.truncate(10)
#尝试再次读取数据
line =file.readline()
print('读取数据：%s' %line)
file.close()
结果：
文件名为： userinfo.txt
读取第一行：1:www.baid
读取数据：

四，补充内容

4.1 各种系统操作 　　注意：虽然python中提供了各种拼接目录的函数，但是，函数并不能保证字符编码不出问题，很大可能导致程序错误。所以最好还是自己拼接。

　　python中对文件、文件夹（文件操作函数）的操作需要涉及到os模块和shutil模块

得到当前工作目录，即当前Python脚本工作的目录路径: os.getcwd()
返回指定目录下的所有文件和目录名:os.listdir()
函数用来删除一个文件:os.remove()
删除多个目录：os.removedirs（r“c：\python”）
检验给出的路径是否是一个文件：os.path.isfile()
检验给出的路径是否是一个目录：os.path.isdir()
判断是否是绝对路径：os.path.isabs()
检查是否快捷方式os.path.islink ( filename )
检验给出的路径是否真地存:os.path.exists()
返回一个路径的目录名和文件名:os.path.split() eg os.path.split('/home/swaroop/byte/code/poem.txt') 结果：('/home/swaroop/byte/code', 'poem.txt')
分离扩展名：os.path.splitext()
获取路径名：os.path.dirname()
获取文件名：os.path.basename()
运行shell命令: os.system()
读取和设置环境变量:os.getenv() 与os.putenv()
给出当前平台使用的行终止符:os.linesep Windows使用'\r\n'，Linux使用'\n'而Mac使用'\r'
指示你正在使用的平台：os.name 对于Windows，它是'nt'，而对于Linux/Unix用户，它是'posix'
重命名：os.rename（old， new）
创建多级目录：os.makedirs（r“c：\python\test”）
创建单个目录：os.mkdir（“test”）
获取文件属性：os.stat（file）
修改文件权限与时间戳：os.chmod（file）
终止当前进程：os.exit（）
获取文件大小：os.path.getsize（filename）

4.2 各种目录操作

os.mkdir("file") 创建目录
复制文件：
shutil.copyfile("oldfile","newfile") oldfile和newfile都只能是文件
shutil.copy("oldfile","newfile") oldfile只能是文件夹，newfile可以是文件，也可以是目标目录
复制文件夹：
shutil.copytree("olddir","newdir") olddir和newdir都只能是目录，且newdir必须不存在
重命名文件（目录）
os.rename("oldname","newname") 文件或目录都是使用这条命令
移动文件（目录）
shutil.move("oldpos","newpos")
删除文件
os.remove("file")
删除目录
os.rmdir("dir")只能删除空目录
shutil.rmtree("dir") 空目录、有内容的目录都可以删
转换目录
os.chdir("path") 换路径
ps: 文件操作时，常常配合正则表达式：
img_dir = img_dir.replace('\\','/')

五，文件处理习题　　

文件操作分为读，写，修改

5.1 读文件 举例如下：

f = open(file=‘userinfo.txt',mode='r',encoding='utf-8')
data = f.read()
f.close()

上述操作语法解释如下：

file=‘userinfo.txt'  表示文件路径
mode='r'                                          表示只读（可以修改为其他）
encoding='utf-8'                                  表示将硬盘上的 0101010 按照utf-8的规则去“断句”，
    再将“断句”后的每一段0101010转换成unicode的 01010101，unicode对照表中有01010101和
    字符的对应关系。
f.read()                                          表示读取所有内容，内容是已经转换完毕的字符串。
f.close()                                         表示关闭文件

再看一个例子：

f = open(file='userinfo.txt',mode='rb')
data = f.read()
f.close()

上述操作语法解释：

file='userinfo.txt'      表示文件路径
mode='rb'                                            表示只读（可以修改为其他）
f.read()                                             表示读取所有内容，内容是硬盘上原来以某种编码保存010101010，即：某种编码格式的字节类型
f.close()                                            表示关闭文件

问：两个例子的区别在哪？

　　答：在于示例2打开文件时并未指定encoding,这是为何？是因为直接以rb模式打开了文件 ，rb是指二进制模式，数据读到内存里直接是bytes格式，如果想内容，还需要手动decode,因此在文件打开阶段，不需要指定编码

　　问：假设你不知道你要处理的文件是什么编码可怎么办？

import chardet
f = open('log',mode='rb')
data = f.read()
f.close()
result = chardet.detect(open('log',mode='rb').read())
print(result)

输出：

{'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'}

注意：

文件操作时，以 “r”或“rb” 模式打开，则只能读，无法写入；
硬盘上保存的文件都是某种编码的0101010，打开时需要注意：
rb，直接读取文件保存时原生的0101010，在Python中用字节类型表示
r和encoding，读取硬盘的0101010，并按照encoding指定的编码格式进行断句，再将“断句”后的每一段0101010转换成unicode的 010101010101，在Python中用字符串类型表示

5.2文件操作的其他功能

def fileno(self, *args, **kwargs): # real signature unknown
       返回文件句柄在内核中的索引值，以后做IO多路复用时可以用到
   def flush(self, *args, **kwargs): # real signature unknown
       把文件从内存buffer里强制刷新到硬盘
   def readable(self, *args, **kwargs): # real signature unknown
       判断是否可读
   def readline(self, *args, **kwargs): # real signature unknown
       只读一行，遇到\r or \n为止
   def seek(self, *args, **kwargs): # real signature unknown
       把操作文件的光标移到指定位置
       *注意seek的长度是按字节算的， 字符编码存每个字符所占的字节长度不一样。
       如“路飞学城” 用gbk存是2个字节一个字，用utf-8就是3个字节，因此以gbk打开时，seek(4) 就把光标切换到了“飞”和“学”两个字中间。
       但如果是utf8,seek(4)会导致，拿到了飞这个字的一部分字节，打印的话会报错，因为处理剩下的文本时发现用utf8处理不了了，因为编码对不上了。少了一个字节
   def seekable(self, *args, **kwargs): # real signature unknown
       判断文件是否可进行seek操作
   def tell(self, *args, **kwargs): # real signature unknown
       返回当前文件操作光标位置
   def truncate(self, *args, **kwargs): # real signature unknown
       按指定长度截断文件
       *指定长度的话，就从文件开头开始截断指定长度，不指定长度的话，就从当前位置到文件尾部的内容全去掉。
   def writable(self, *args, **kwargs): # real signature unknown
       判断文件是否可写

5.3 例题 读文件找到第9个字符，华 ，找到第二行的 实，删除最后一行 写入文件 桃之夭夭，灼灼其华。之子于归，宜其室家。桃之夭夭，有蕡其实。之子于归，宜其家室。桃之夭夭，其叶蓁蓁。之子于归，宜其家人。

# 2.读文件找到第9个字符，华 ，找到第二行的 实，删除最后一行 写入文件
# 桃之夭夭，灼灼其华。之子于归，宜其室家。
# 桃之夭夭，有蕡其实。之子于归，宜其家室。
# 桃之夭夭，其叶蓁蓁。之子于归，宜其家人。
f = open('poem.txt', 'r+', encoding='utf-8')
# f.seek(3*8)
# print(f.read(1))
# f.seek(3*28+2)
# print(f.read(1))
data_list = f.readlines()
print(data_list)
data_list.pop()
print(data_list)
f.seek(0)
f.truncate()
f.write(''.join(data_list))

5.4 例题：读取一个文件下的所有文件

import  os
def read_image(image_dir):
    photofile_list = os.listdir(image_dir)
    for i in range(len(photofile_list)):
        photo_path = os.path.join(image_dir,photofile_list[i])
        print(photo_path)

5.5 例题：判定目录是否存在，若不存在即创建

import os
if not os.path.isdir(dir_name):
    os.makedir(dir_name)

os.mkdir()创建路径中的最后一级目录，而如果之前的目录不存在并且也需要创建的话，就会报错。

os.makedirs()创建多层目录，如果中间目录都不存在的话，会自动创建。

5.6 读取文件的行数

import csv
a=open("Train_A_wear.csv","r")
b=len(a.readlines())
print(b)

5.7 批量重命名文件名

import os
class BatchRename():
    # 批量重命名文件夹中的图片文件
    def __init__(self):
        self.path_A = '../binary_variable/A'
        self.path_B = '../binary_variable/B'
    def rename(self):
        filelist_A = os.listdir(self.path_A)
        filelist_B = os.listdir(self.path_B)
        total_num_A = len(filelist_A)
        total_num_B = len(filelist_B)
        i = 1
        for item in filelist_A:
            # 初始的图片的格式为jpg格式的，或者png
            if item.endswith('.jpg') or item.endswith('png'):
                src = os.path.join(os.path.abspath(self.path_A), item)
                # 处理后的格式也为jpg格式的，当然这里也可以改成png格式
                dst = os.path.join(os.path.abspath(self.path_A), str(i) + '.jpg')
                try:
                    os.rename(src, dst)
                    i = i + 1
                except:
                    continue
        for item in filelist_B:
            # 初始的图片的格式为jpg格式的，或者png
            if item.endswith('.jpg') or item.endswith('png'):
                src = os.path.join(os.path.abspath(self.path_B), item)
                # 处理后的格式也为jpg格式的，当然这里也可以改成png格式
                dst = os.path.join(os.path.abspath(self.path_B), str(i) + '.jpg')
                try:
                    os.rename(src, dst)
                    i = i + 1
                except:
                    continue
if __name__ == '__main__':
    demo = BatchRename()
    demo.rename()

不经一番彻骨寒 怎得梅花扑鼻香