【Python】文件操作：os标准库和常用第三方库

原文作者：我辈理想
版权声明：文章原创，转载时请务必加上原文超链接、作者信息和本声明。

系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
相关的内容比较多，还在整理中

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

从学习python开始，我们就一直在用python的标准库和第三方库。基本的文件操作就是创建、获取、修改和删除。因为文件类型不同（excel、word、ppt、pdf、png、html、eps、gif、mp4、zip等），衍生出了很多第三方库。使用python处理文件是各种python开发岗位都需要的操作。主要涉及到的标准库包括io、os、sys、csv等，涉涉及常用的第三方库包括numpy、pandas、openpyxl、xlwt、xlrd、xlsxwriter、reportlab等，还有一些三方库是只创建生成包括Html2Image、folium等，也有一些库是擅长修改文件比如pillow等，还有就是压缩和解压zlib库。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、文件是什么？

所谓“文件”是指一组相关数据的有序集合。 这个数据集有一个名称，叫做文件名。实际上文件是我们使用产生的记录信息，例如源程序文件、目标文件、可执行文件、库文件 (头文件)等。文件通常是驻留在外部介质(如磁盘等)上的，在使用时才调入内存中来。从不同的角度可对文件作不同的分类。excel、word、ppt、pdf、png、html、eps、gif、mp4、zip等。

二、获取文件夹中的文件

其实我们所有看到的内容，都是通过读取文件后的展示出来的。我们需要找到一个我们要操作的文件，文件哪里来呢？第一，我们可以自己创建一个文件；第二，我们可以读取其他人的文件，或者以前创建的文件。
os 模块提供了非常丰富的方法用来处理文件和目录。简单整理了下经常用到的方法，如果想要更深入的可连接菜鸟教程

（一）获取当前文件夹（os、path）

注：os.getcwd()获取的是执行命令的文件所在位置，不是os.getcwd()所在文件的位置，如果想获取当前文件位置可以使用2的方式

1.通过os.getcwd()获取当前执行文件的位置

BASE_DIR = os.getcwd()
print(BASE_DIR)
print(type(os.getcwd()))
# 结果 
# :\Users\lpf_a\PycharmProjects\ybt_clan\test
# 

2.通过Path获取当前文件夹

from pathlib import Path
BASE_DIR = Path(__file__).resolve().parent
print(BASE_DIR)
print(type(BASE_DIR))
# 结果 
# :\Users\lpf_a\PycharmProjects\ybt_clan\test
# class 'pathlib.WindowsPath'>

（二）获取文件夹内的文件

1.获取文件列表

BASE_DIR = Path(__file__).resolve().parent
files = os.listdir(BASE_DIR)
print(files)
# 结果 ['.git', '.idea', '内存泄漏.py', '文件相关.py', '深度合并dict.py', '电话组合排列.py']

2.获取指定文件（py文件）

import os
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent
files = os.listdir(BASE_DIR)
print(files)

for f in files:
    if os.path.splitext(f)[1] == '.py':
        print(f)
    if f.endswith('泄漏.py'):
        print(11)
# 结果 
# ['.git', '.idea', '内存泄漏.py', '文件相关.py', '深度合并dict.py', '电话组合排列.py']
# 内存泄漏.py
# 11
# 文件相关.py
# 深度合并dict.py
# 电话组合排列.py

（三）路径拼接

有时我们获取到的路径不是我们想要，需要进行拼接或删减，这是往往为了省事我们使用字符串进行拼接，我们还可以用os提供的os.path方法拼接，建议使用os.path。

import os
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent
print(BASE_DIR)
# 获取上一级目录
print(BASE_DIR.parent)
# os.path.join拼接py文件完整路径
print(os.path.join(BASE_DIR, '文件相关.py'))
# str拼接py文件完整路径
uri = os.getcwd() + '\\文件相关.py'
# uri = os.getcwd() + r'\文件相关.py'
print(uri)

# 结果
# C:\Users\lpf_a\PycharmProjects\ybt_clan\test
# C:\Users\lpf_a\PycharmProjects\ybt_clan
# C:\Users\lpf_a\PycharmProjects\ybt_clan\test\文件相关.py
# C:\Users\lpf_a\PycharmProjects\ybt_clan\test\文件相关.py

（四）路径合规和创建文件夹

有时候我们在操作文件路径时，是不知道有没有这个路径的，如果直接使用这个路径会报找不到错误。如果是我们向文件夹中写入内容，我们可以提前创建这个文件夹。如果是查找文件，建议针对路径人工验证，再做处理。

import os
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent

print(os.listdir(BASE_DIR))
uri = os.path.join(BASE_DIR, '文件夹')
print(uri)
# 文件路径是否存在
if os.path.exists(uri):
    print('文件路径存在')
    pass
else:
    print('文件路径不存在')
    os.mkdir(uri)
# 路径是否是文件
# if os.path.isfile(uri):
#     print('文件')
#     pass
print(os.listdir(BASE_DIR))

# 结果
# ['.git', '.idea', '内存泄漏.py', '文件相关.py', '深度合并dict.py', '电话组合排列.py']
# C:\Users\lpf_a\PycharmProjects\ybt_clan\test\文件夹
# 不存在
# ['.git', '.idea', '内存泄漏.py', '文件夹', '文件相关.py', '深度合并dict.py', '电话组合排列.py']

（五）按照文件创建和修改时间排序

import os
from pathlib import Path


def get_file_list(file_path):
    # 按照时间排序
    dir_list = os.listdir(file_path)
    if not dir_list:
        return
    else:
        # 注意，这里使用lambda表达式，将文件按照最后修改时间顺序升序排列
        # os.path.getmtime() 函数是获取文件最后修改时间
        # os.path.getctime() 函数是获取文件最后创建时间
        dir_list = sorted(dir_list, key=lambda x: os.path.getmtime(os.path.join(file_path, x)), reverse=True)
        # 返回文件+时间的列表
        # dir_list = [[x, os.path.getmtime(os.path.join(file_path, x))] for x in dir_list]
        return dir_list


if __name__ == '__main__':
    BASE_DIR = Path(__file__).resolve().parent
    print(get_file_list(BASE_DIR))
# 结果 ['文件相关.py', '.idea', '.git', '电话组合排列.py', '深度合并dict.py', '内存泄漏.py']

6. 通过递归获取文件夹下指定文件的字典

def loop_file(d):
	    # 获取zip文件的保存路径
	    file_dict = {}
	    # zip文件
	    if os.path.isfile(d):
	        if d.endswith('.zip'):
	            file_dict[os.path.splitext(os.path.basename(d))[0]] = d
	    # 文件夹
	    else:
	        directories = os.listdir(d)
	        for file in directories:
	            file_dict.update(loop_file(d + '/' + file))
	    return file_dict

---

三、文件的创建、读取、追加

python内置open() 函数，用于打开一个文件，并返回文件对象，在对文件进行处理过程都需要使用到这个函数，如果该文件无法被打开，会抛出 OSError。注意：使用 open() 函数一定要保证关闭文件对象，即调用 close() 函数。open的使用一般都是通过with，可以不应每次调用close() 函数。

open() 函数常用形式是接收两个参数：文件名(file)和模式(mode)。

文件打开模式	含义	如果路径不存在
r（只读）	为了读取，打开一个已存在文件	报错
w（只写）	为了写入，打开一个文件	建立新文件
a （追加）	向文本文件尾部追加写入，打开一个已存在文件	创建新文件
所有+b	已二进制的方式进行rwa	同rwa模式
所有++	打开一个文件进行更新(可读可写)。	同rwa模式

（一）创建文件

import os
import time
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent
print(os.listdir(BASE_DIR))
file = os.path.join(BASE_DIR, 't1.txt')
now_time = time.time()
print(now_time)
with open(file, 'w') as time_file:
    time_file.write(str(now_time))
print(os.listdir(BASE_DIR))
# 结果
# 1673177032.08206
# ['.git', '.idea', '内存泄漏.py', '文件夹', '文件相关.py', '深度合并dict.py', '电话组合排列.py']
# ['.git', '.idea', 't1.txt', '内存泄漏.py', '文件夹', '文件相关.py', '深度合并dict.py', '电话组合排列.py']

（二）读取文件

import os
import time
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent
file = os.path.join(BASE_DIR, 't1.txt')
now_time = time.time()
with open(file, 'r') as time_file:
    print(time_file.read())        
    # print(time_file.readlines())
    # print(time_file.readline())
# 结果
# 1673177032.08206

（三）追加文件

import os
import time
from pathlib import Path

BASE_DIR = Path(__file__).resolve().parent
file = os.path.join(BASE_DIR, 't1.txt')
now_time = time.time()
with open(file, 'a') as time_file:
    time_file.write('新增')
# 结果
# 1673177032.08206新增

四、按照文件类型处理文件

（一）Excel文件类型

库名称	介绍	参考链接
openpyxl	主要针对xlsx格式的excel进行读取和编辑	通过openpyxl 管理像数据库一样管理数据
xlrd	从excel中读取数据，支持xls、xlsx
xlwt	对excel进行修改操作，不支持对xlsx格式的修改
xlsxwriter	用来生成excel表格，插入数据、插入图标等表格操作，不支持读取
pandas	以dataframe的格式读取

（二）Word文件类型

库名称	介绍	参考链接
docxtpl	用于读取、写入和创建子文档
python-docx	用于创建和更新Microsoft Word（.docx）文件的python库
pypiwin32	从Python访问许多Windows API的权限

（三）Pdf文件类型

Pdf的第三方库推荐使用reportlab，我之前整理了部分reportlab的重要功能，也可以参考官方文档，这里我就不展开介绍了。

（四）Img文件类型

库名称	介绍	参考链接
opencv	一个 Python 绑定库，旨在解决计算机视觉问题
pillow	为Python解释器添加了图像处理功能
Html2Image	一个轻量级的Python包，它作为现有web浏览器无头模式的包装器，从URL和HTML+CSS字符串或文件生成图像

（五）数据库文件类型

库名称	介绍	参考链接
pymysql	用于和mysql数据库的交互
sqlalchemy	用于和mysql数据库的交互
cx_Oracle	用于和oracle数据库的交互
python-oracledb	用于和oraclel数据库的交互	cx_Oracle的升级版，官方文档
sqlite3	内置库，用于和sqlite数据库的交互
pymongo	用于和mongodb非关系型数据库的交互
redis、pyredis	用于和redis非关系型数据库的交互

总结

提示：这里对文章进行总结：

以上就是今天要讲的内容，本文仅仅简单介绍了文件操作的使用，整理了日常用到的一些代码，python还有很多相关内容需要去学习。