pythonIO流中的seek()和read()函数详解

说明

• 内容基于*《Python程序设计(第三版 董付国 编著)》*中的文本文件操作案例精选。

源代码

• 需要注意的是，文中采用IDLE运行代码，为了便于理解，故迁移至pycharm

s = '中国山东烟台SDIBT'
fp = open(r'test.txt', 'w')
fp.write(s)
fp.close()

fp = open(r'test.txt', 'r')
print(fp.read(3))	# 输出结果:中国山
print(fp.seek(2))	# 输出结果:2(传入的参数多少即返回多少)
print(fp.read(1))   # 输出结果:国
print(fp.seek(13))	# 输出结果:13(传入的参数多少即返回多少)
print(fp.read(1))	# 输出结果:D
print(fp.seek(15))	# 输出结果:15(传入的参数多少即返回多少)
print(fp.read(1))	# 输出结果:B
print(fp.seek(3))	# 输出结果:3(传入的参数多少即返回多少)
print(fp.read(1))	# 报错: UnicodeDecodeError: 'gbk' codec can't decode byte 0xfa in position 0: illegal multibyte sequence

# read([size]) # 从文件中读取size字节(二进制文件)或字符(文本文件)的内容作为结果返回,如果省略size,则表示一次性读取所有内容
# seek()    # 将文件指针定位到文件中指定字节的位置。读取时遇到无法解码的字符会抛出异常。

# for i in range(1, 10):
#     fp.seek(13)
#     print(fp.read(1))

函数说明

• seek(num) :将文件指针定位到文件中指定字节的位置。读取时遇到无法解码的字符会抛出异常。 针对于这个函数，我们需要明确的是：其移动单位是字节，不是字符。例如： 在一个同时含有中英文的文本文件中，其采用的编码是’gbk’，那么就要注意，一个中文字是一个字符，但是它占两个字节，一个英文字也是一个字符，但是它占一个字节。如果将文件指针定位到一个中文的中间字节位置，肯定是无法解码的，因而会抛出异常。
• read([size]) :从文件中读取size字节(二进制文件)或字符(文本文件)的内容作为结果返回,如果省略size,则表示一次性读取所有内容。针对于这个函数，我们需要注意的是：当读取的文件类型不同时，size的单位不一样，二进制文件的读取单位是字节，文本文件的读取单位是字符。并且在。每一次读取成功后，文件指针 会自动向后移动。

详细解析

# 此处定义了s变量，是一个中英文混合的字符串
s = '中国山东烟台SDIBT'
"""
	首先明确一下这里的s字符串总共只有11个字符，书中的'台'和'S'之间
	有段空隙，容易误以为有一个空格，实际上是没有的
	在这里，我们可以通过插入代码查看字符串s的所占用的字符长度和字节长度
	print('所占用的字符长度:', len(s))
	print('所占用的字节长度:', len(s.encode('gbk')))
"""

# 此处以'w'模式创建一个名为test.txt的文本文件，并将s字符串写入到
# 这个文本文件中，因没有指定编码，默认采用'gbk'格式，这也是为什么
# 我们上面在输出字节长度时采用gbk编码进行编码。
fp = open(r'test.txt', 'w')
fp.write(s)
fp.close()

# 此处以'r'模式打开上方写好的test.txt文本文件
fp = open(r'test.txt', 'r')

"""
	反复强调，此处的test.txt是一个文本文件，参考上面的函数解析，
	可以明确，seek(num)的移动单位是字节，而read([size])的移动单位是字符
	还有一件事：当我们以'r'模式打开test.txt文本文件后，没有特别指定
	文件指针的位置，因此当前位置为0，也就是开头。这里我们增加一个
	变量p表示文件指针的位置的数值。
	还有一件事：为了直观，我会在如下用&表示文件指针(即光标)的位置。
"""
# 读取前：p = 0  即 &中国山东烟台SDIBT
# 读取三个字符
print(fp.read(3))	# 输出结果:中国山
# 读取后：由于这三个字符是中文，一个中文2个字节，总共6个字节。p = 0 + 6 = 6  即 中国山&东烟台SDIBT

# 将文件指针移到第2字节的位置
fp.seek(2)

# 读取前：p = 2	即 中&国山东烟台SDIBT
# 读取一个字符
print(fp.read(1))   # 输出结果:国
# 读取后：由于这个字符是中文，一个中文2个字节，总共2个字节。p = 2 + 2 = 4 即 中国&山东烟台SDIBT

# 将文件指针移到第13字节的位置
fp.seek(13)

# 读取前：p = 13	 即 中国山东烟台S&DIBT
# 读取一个字符
print(fp.read(1))	# 输出结果:D
# 读取后：由于这个字符是英文，一个中文1个字节，总共1个字节。p = 13 + 1 = 14	即 中国山东烟台SD&IBT

# 将文件指针移到第15字节的位置
fp.seek(15)

# 读取前：p = 15	 即 中国山东烟台SDI&BT
# 读取一个字符
print(fp.read(1))	# 输出结果:B
# 读取后：由于这个字符是英文，一个中文1个字节，总共1个字节。p = 15 + 1 = 16	即 中国山东烟台SDIB&T

# 将文件指针移到第3字节的位置
fp.seek(3)

# 读取前：p = 3，即位于'国'的中间字节位置，往下读取的内容不完整
# 因此执行这个会抛出无法解码的异常
print(fp.read(1))

拓展

• 针对报错信息：UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xfa in position 0: illegal multibyte sequence的理解
• 当出现这个报错信息时，有两种情况，其一是由于读取文件采用的编码与文件原有的编码不匹配。比如一份文件原本是采用utf-8编码写入，但是却采用gbk读取，那么肯定无法读取。解决的方式就是以正确的编码格式读取就好了。其二就是上面遇到的情况，文件指针的位置不正确，导致无法正常读取。

关于在IDLE中不需要加print也能看到输出

• IDLE是一种交互式的python解释器，能够自动将返回值进行输出