Python 以优雅的姿势 操作文件

Python 以优雅的姿势 操作文件

---

open() 方法

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

参数如下：

• file：文件路径（绝对路径或者相对路径），如果直接写文件名的话那就是 相对路径

• mode：为字符串参数，用于指定打开文件的模式，默认值是 “r”，也就是读取模式，其余模式参考下面内容

• buffering：可选的整数参数，用于设置缓冲策略，若为 0 以切换缓冲关闭（仅允许在二进制模式下），1选择行缓冲（仅在文本模式下），大于1的整数以指示固定大小的块缓冲区的大小（单位：字节），如果没有给出参数，默认缓冲策略的工作方式如下:

  • 二进制文件以固定大小的块进行缓冲；使用启发式方法选择缓冲区的大小，尝试确定底层设备的“块大小”或使用 io.DEFAULT_BUFFER_SIZE。在大多数系统上，缓冲区的长度通常为 4096 或 8192 字节。
  • “交互式”文本文件（ isatty() 返回 True 的文件）使用行缓冲。其他文本文件使用上述策略用于二进制文件。

• encoding：指定用于解码或编码文件时 所 编码的名称，只在文本模式下使用，默认值（默认编码类型）是根据你的操作系统平台决定的，Windows系统是默认国产的 GBK编码，Liunx 、Macos 系统 为默认 UTF-8 编码，这也是为什么在Windos平台上打开utf-8编码文件时报错的原因，这里建议 好习惯 encoding=”utf-8"

• errors：可选字符串参数，指定如何处理编码和解码错误，不能在二进制模式下使用

  • strict ：如果存在编码错误，会引发 ValueError 报错，默认值 None 具有相同的效果
  • ignore ：忽略错误，但忽略编码错误可能会导致数据丢失，可能会在一些嵌入式环境中使用
  • replace ：会将替换标记（例如 ‘?’ ）插入有错误数据的地方

• newline：控制 universal newlines （通用换行符）模式如何生效（它仅适用于文本模式），如果 newline 为 None，则启用通用换行模式，输入中的行可以以 ‘\n’，’\r’ 或 ‘\r\n’ 结尾，这些行被Python翻译成 ‘\n’ ，简单来说，就是以什么为判断内容下一行的依据，windos默认约定为 “\r\n” , Unix 为 “\n”，MacOS 为 “\r”

• closefd：如果 closefd 是 False 并且给出了文件描述符而不是文件名，那么当文件关闭时，底层文件描述符将保持打开状态；如果给出文件名则 必须为 True（默认值，否则将引发错误

• opener：设置自定义开启器，通过使用参数（ file，flags ）调用 opener 获得文件对象的基础文件描述符，开启器必须返回一个打开的文件描述符。

---

文件打开模式

模式	描述	文件已存在	文件不存在
r	以 只读 方式打开文件（默认）	正常读取	报错 FileNotFoundError
rb	以 二进制格式 打开文件 用于 读取	正常读取	报错 FileNotFoundError
w	以 只写 方式打开文件	清空原有内容从头开始写入	创建新文件进行写入
wb	以 二进制 方式打开文件 用于 写入	清空原有内容从头开始写入	创建新文件进行写入
a	以 追加 方式打开文件	新的内容将会被写入到已有内容末尾	创建新文件进行写入
ab	以 二进制 方式打开文件 用于 追加	新的内容将会被写入到已有内容末尾	创建新文件进行写入
x	排它性创建 写模式	创建新文件进行写入	报错 FileExistsError
b	不单独使用，二进制模式	~	~
t	不单独使用，文本模式（默认）	~	~
U	通用换行模式（Python3 已弃用）	~	~

以 内容数据 类型为参考的话，Python 区分二进制 和 文本，那么又分为文本模式 和 二进制模式

文本模式

在不指定文件模式时，默认模式为 “r”，打开用于读取文本，与 “rt” 是一样的。

文本模式下，文件内容返回为 字符串，使用 “r”，“w” 等模式时，与 后面加 “t” 相同，“r” = “rt”

二进制模式

二进制模式下，返回的内容为 bytes 对象，不进行任何解码

在Python 中创建 图片、视频等文件时，就需要用到 二进制模式 写入数据内容。

---

使用 with 语句

在使用 open() 内置函数 操作文件时，得记得在操作结束后加上一句 f.close()

每次操作完都得加上 f.close() ，显得有些麻烦，且如果在操作完忘记加上这一句话，还会造成资源一直占用的问题
于是，这里 推荐使用 with 语句 来提升编写代码的效率

普通写法

f = open("中文.txt", "r", encoding="utf-8")
data = f.read()
print(data)
f.close()

使用 with 语句

with open("中文.txt", "r", encoding="utf-8") as f:
    data = f.read()
    print(data)

优点：

• 提升代码阅读性
• 减少代码冗余，免去 f.close() 步骤，同时也防止忘记关闭文件调用

接下来的代码，我将统一使用 with 语句演示

---

创建文件

创建文件，常用的 文件打开模式是 “w”，当然也可以使用 “x” 模式，前提是你所指定的目录下没有这个文件

只是创建一个空白文件的话 可以这么写

with open("文件.txt", "w", encoding="utf-8") as f_w:
    pass

创建多个文件 可以配合循环

for i in range(1, 5):
    with open(f"文件_{i}.txt", "w", encoding="utf-8") as f_w:
        pass

创建文件 并且 写入内容

with open(f"文件.txt", "w", encoding="utf-8") as f_w:
    f_w.write("hello word")

读取文件

读取文件，用到的 文件打开模式是 “r”

• .read(size = -1)*
  读取全部

  • size ： 指定读取的字节数， 默认值-1表示读取整个文件

  
  读取全部内容

  with open(f"中文.txt", "r", encoding="utf-8") as f_w:
      data = f_w.read()           # 读取所有内容
      print(data)
  

  利用 size 参数 在特点场合下有妙用

  with open(f"中文.txt", "r", encoding="utf-8") as f_w:
      while True:
          data = f_w.read(10)         # 每次只读取10个字节
          if data:
              print(data)
          else:
              break
  

• .readline(size = -1)
  读取一行

  • size ： 指定中读取的字节数， 默认值-1表示读取一行内容， 用法与上面 .read() 相同

  
  读取一行

  with open(f"中文.txt", "r", encoding="utf-8") as f_w:
      data = f_w.readline()
      print(data)
  

  一行一行方式读取 全部内容

  with open(f"中文.txt", "r", encoding="utf-8") as f_w:
      while True:
          data = f_w.readline()
          if not data:
              break
          print(data)
          
  # 还可以直接循环文件对象实现
  with open(f"中文.txt", "r", encoding="utf-8") as f_w:
      for line in f_w:
          print(line)
  

.readline(size = -1)
读取所有行，并返回列表，每一行为列表中的一个值

with open(f"中文.txt", "r", encoding="utf-8") as f_w:
    data_list = f_w.readlines()
    print(data_list)

---

增加内容（末尾）

对文件内容进行追加，用到的 文件打开模式是 “a”

追加的内容会写在文件末尾

with open("中文.txt", "w", encoding="utf-8") as f_w:		# 创建初始文件
    f_w.write("我是第一行内容\n")

with open("中文.txt", "a", encoding="utf-8") as f_a:		# 追加文件内容
    f_a.write("我是追加的内容")

这个模式用在写简单的 程序运行 日志 上

---

修改文件内容（重点）

需要使用到两种 文件打开模式 进行配合，先读（“r”）后写（“w”）

原理：
很简单，就是先将 内容读取 到内存，然后对读取到的数据进行修改、增加、删除等操作，再重新写入到新文件中，再把旧文件替换成新文件，在编辑过程未结束的情况下 产生的新文件可以理解为 临时文件，此时尚未与旧文件替换

这种修改方式其实很常见，拿我们常用的 word 文档来看
在平时编辑word文档时，会发现在其相对路径下会生成一个隐藏文件，命名通常是以~$开头，后面跟着文件名

替换文件
那么，在py中怎么替换文件呢？

这就需要用到 os 标准库模块下的 os.replace()

os.replace("新文件", "旧文件")

根据以上原理，Py实现

temp_name = r"~$"
file_name = "中文.txt"
with open(f"{temp_name}{file_name}", "w", encoding="utf-8") as f_w:
    with open(file_name, "r", encoding="utf-8") as f_r:
        data = f_r.read()
        data = data.replace("内容", "nei_rong")       # 替换操作
        data += "我是再加上的内容\n"                  # 增加内容  
        f_w.write(data)

os.replace(f"{temp_name}{file_name}", file_name)	  # 替换文件

---

删除文件

这里需要用到 os 标准库模块

file_path = ""
if os.path.isfile(file_path):
    os.remove(file_path)            # 只能删除文件 非文件夹

注意：只能删除文件，非文件夹，否则会出现 OSError 错误

删除文件夹

需要注意的是，文件夹分两种，一种是空文件夹，另外一种则是文件夹中有内容的 非空文件夹

• 空文件夹：
  利用 os 标准库模块
  os.rmdir() 删除指定路径的目录，文件夹必须为空

  dir_path = ""
  if not os.listdir(dir_path):
  	os.rmdir(dir_path)
  

7 > 如果删除非空文件夹，会出现 OSError 错误

• 非空文件夹：

  方法一：（推荐）
  利用 shutil 标准库模块
  shutil.rmtree() 删除一个完整的目录树

  path = ""
  if os.path.isdir(path):
  	shutil.rmtree(path)     # 删除非空文件夹
  

  方法二：
  还是使用回 os 标准库模块中的功能，但这个方法比较繁琐

  for b, d, f in os.walk(path, topdown=False):        # 一定要设置 topdown 参数为False，从里层开始
  for file_n in f:
      os.remove(os.path.join(b, file_n))
  for dir_p in d:
      dir_p = os.path.join(b, dir_p)
      if not os.listdir(dir_p):
          os.rmdir(dir_p)
  else:
  	os.rmdir(path)
  

---

扩展：利用 OS 模块

OS 模块是个利器，操作文件时 有 OS 可以做出更厉害的操作
导入os模块

import os

判断文件是否存在

os.path.isfile()  	# 判断路径是否为文件

根据文件是否存在决定写入模式

file_path = ""                  # 文件目录
if os.path.isfile(file_path):
    print("文件存在")
    with open(file_path, "a", encoding="urf-8") as f_a:
        f_a.write("写入内容")    # 追加文件中的内容 
else:
    print("文件不存在")
    with open(file_path, "w", encoding="utf-8") as f_w:
        f_w.write("写入内容")

拼接路径

os.path.join()  	# 把目录和文件名合成一个路径

path = os.path.join("路径一", "路径二")

获取根路径

适用于当前所运行的 py文件

BASE_DIR = os.path.dirname(__file__)    # 获取当前Py 根目录

判断文件夹是否存在

os.path.isdir() 	# 判断路径是否为目录

如果文件夹不存在，则创建文件夹并在此文件夹内创建文件

BASE_DIR = os.path.dirname(__file__)                     # 获取当前Py 根目录
dir_path = [os.path.join(BASE_DIR, "我是文件夹"), ]       # 文件夹路径
file_path = os.path.join(dir_path[0], "我是文件.txt")         # 文件目录


def judg_isdir(funx):
    """
    文件夹初始化装饰器
    """
    def inner(*args, **kwargs):
        for d in dir_path:
            if not os.path.isdir(d):    # 如果文件夹不存在则创建
                os.mkdir(d)
        return funx(*args, **kwargs)
    return inner


@judg_isdir
def mydir():
    if os.path.isfile(file_path):   # 如果文件存在
        print("文件存在")
        with open(file_path, "a", encoding="urf-8") as f_a:
            f_a.write("写入内容")    # 追加文件中的内容
    else:
        print("文件不存在")
        with open(file_path, "w", encoding="utf-8") as f_w:
            f_w.write("写入内容")


mydir()

---

扩展：文件编码知识

ASCII

ASCII (American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁 字母 的一套编码，主要用于显示现代英语和其他西欧语言，是最通用的信息交换标准，并等同于国际标准 ISO/IEC 646
ASCII 第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符

由于计算机是美国人发明的，因此最早只有 ASCII 被编码到计算机里，大小写英文字母、数字和一些符号

ASCII 码对照表

大写字母 A 对应的编码是65，小写字母 a 对应编码是97，数字 1 对应的编码是 49
这些都可以通过 Python内置函数 ord() 进行查看

print(ord("A"))
print(ord("a"))
print(ord("1"))

GB2312 & GBK

GB2312 和 GBK 都为 国产编码，GB2312 于1980年 最早发布
GBK 是 GB2312 的升级版，加入更多字符，向下与 GB 2312 编码兼容国产编码，一直用到现在，Windos中文平台 默认编码依旧是 GBK

可以在 命令提示符 中的属性 看到Windos平台 默认的编码

Unicode

Unicode 是 ISO（国际标谁化组织）制定的可以容纳世界上所有文字和符号的字符编码，所以又俗称 万国码、统一码，解决了 传统的字符编码方案的局限（简单来说：每个国家都有自己一套的编码标准，如果跨国办公或者跨国产品，很容易出现各个国家编码不相通，造成乱码，在当时万国码没出来之前，各国之间的编码可谓是战国时期，乱码现象很常见）

特点：

• Unicode 为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理、阅读，极大改善了不同国家之间的信息传递

• 可以跟各种语言的编码自由转换，兼容性很强，比如说用 gbk编码 的文本 ，可以转成Unicode

• 容纳世界上所有文字和符号的字符编码

UTF-8

Unicode 是 字符集，UTF-8 是 编码规则

UTF-8 就是 Unicode 的实现方式，对unicode字符集进行编码的一种编码方式

在计算机内存中，使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码
具体流程：编辑文本时，从文件读取 UTF-8 字符转换为 Unicode 字符到内存里，进行编辑操作，编辑完成后，再把内存中的 Unicode 字符 转换为UTF-8 字符 存储到文件里

注意：utf-8 不能直接于 gbk 转换，需要有 Unicode 作为中间人 过渡，这是为什么 在WIndows平台上 打开utf-8文本文件时容易出现乱码的原因

此外 还有UTF-16，UTF-32

对比表

依据 出现时间 排序

编码	出现时间	描述	所占大小
ASCII	1967年	最早诞生编码，英语和西欧语言	一字节
GB2312	1980年	国产简体中文编码，兼容 ASCII 码	两字节
Unicode	1991年	国际统一标准字符集，俗称万国码	两字节
GBK	1995年	GB2312升级版，支持繁体，加入更多字符	两字节
UTF-8	1992年	不定长编码	1 - 3 字节

---

相关博客