Python文件操作

前言

这里的“文件”不单单指磁盘上的普通文件，也指代任何抽象层面上的文件。例如：通过URL打开一个Web页面“文件”，Unix系统下进程间通讯也是通过抽象的进程“文件”进行的。由于使用了统一的接口，从而统一了各种抽象类型及非抽象类型文件的操作方式。

文件操作的重要性无需多言，要想将计算机运算的结果以一定形式保存下来，文件是必须的。

一、内建函数open()和file()

open用法：    file_object = open(file_name, access_mode = 'r', buffering = -1)

• 返回的文件对象file_object是可迭代的，可以用for循环遍历

• file_name是要打开文件的文件名，非当前目录下的文件要指明路径

• access_mode是文件读取模式，默认为只读（r），这里的用法和C中的fopen是一样的

• buffering用来设定缓冲模式，默认值为-1，即使用系统默认缓冲模式

• 如果文件打开失败，则会返回IOError异常

#路径也可以写为 r'D:\Test.txt'
>>> file_obj = open ( 'D:\\Test.txt' ) #使用默认access_mode
                                    #和默认buffering值
>>> for line in file_obj:  #file_obj可迭代
    print line


This is line1

I'm line2

Hello, World!

参数详细说明：

#文件对象访问模式

r  只读方式打开           rU  读方式打开，提供通用换行符支持
w  以写方式打开           a   以追加模式打开
r + 以读写模式打开         w +  以读写模式打开
rb 以二进制读模式打开     wb  以二进制写模式打开
ab 以二进制追加模式打开   rb + 以二进制读写模式打开
wb + 以二进制读写模式打开   ab + 以二进制读写模式打开

#以r模式打开时，文件必须存在，否则引发错误
#以w模式打开文件时，如果文件存在则清空，不存在则创建
#以a模式打开时，如果文件存在，则从EOF位置追加，否则创建新文件

#buffering模式

0        不缓冲
1        只缓冲一行
value> 1  缓冲区大小为value
value< 0  使用系统默认缓冲机制

内建工厂函数file()

file( )和open( )具有相同的功能和用法，可以任意替换。一般建议使用open()。

通用换行符支持（UNS）

在不同的系统平台上，换行符是不同的，例如unix下是\n，而windows下是\r\n，这就是为什么有时候你从网络上下载的txt小说不能自动换行的原因，这时候不要用记事本打开，使用windows自带的写字板或者浏览器打开再处理一下即可。

Python中为了解决这个问题，使用了通用换行符支持（Universal NEWLINE Support），使用带U模式的open打开文件时，Python会使用“\n”作为通用换行符，从而屏蔽了不同平台下的换行符差异。

这里不得不说的是，跨平台开发会遇到一些不可避免的问题，不同平台下的换行符差异及路径分隔符差异等等就是一个特例。幸运的是，Python的os模块提供了一些属性值以便于跨平台应用的开发：

os.linesep      （当前系统下，下同）用于在文件中分隔行的字符串

os.sep             用于分隔文件路径名的字符串

os.pathsep      用于分隔文件路径的字符串

os.curdir         当前工作目录的字符串名称，windows下是“.”

os.pardir        当前工作目录父目录的字符串名称，windows下是“..”

二、文件的内建方法、内建属性

输入

file_obj.read(size)  读取文件中的字节到字符串中，最多读取size个字节，如果没有给定size或者size为负数，文件将被读取直至末尾。这个函数不推荐使用。

file_obj.readline(size)  读取文件中size个字节，返回一个字符串。如果没有给定size或者size为负数则返回一行（包括行结束符）

>>> FILE2 = open ( 'README.txt' , 'rU' )
>>> FILE2.readline()
'This is Python version 2.7.1\n'
>>> FILE2.readline()
'============================\n'
>>> FILE2.readline()
'\n'
>>> FILE2.readline()
'Copyright (c) 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010\n'

file_obj.readlines()  读取剩余的所有的行（文件指针不一定在开始位置！）并将其以一个字符串列表形式返回。此方法一次性读取文件所有的内容至内存中，适用于小型文件。对于大型文件，一般用迭代的方式读入内存，一会会讲到。

输出

file_obj.write()  write()方法和read及readline相反，它把含有文本数据或者二进制数据块的字符串写入到文件中。

file_obj.writelines()  和readlines()相反，它接收一个字符串列表作为参数并将其写入到文件中，每个字符串的行结束符不会被自动写入。需要的话，需要你自行添加。

移动文件指针

file_obj.seek( offset[,whence] )  seek()方法类似于C中的fseek，offset为偏移量，whence代表相对位置，是一个可选参数，默认为0（文件开头）。1代表当前位置，2代表文件末尾。

file_obj.tell( )  类似于C中的ftell，返回当前文件指针相对于文件头的位置。

>>> FILE = open ( 'README.txt' )
>>> FILE .readline()
'This is Python version 2.7.1\n'
>>> FILE .tell()
30L
>>> FILE .seek( - 5 , 1 )  #从当前位置后退5个字节
>>> FILE .read( 5 )
'7.1\n='

文件迭代

#方法1 使用文件对象的readline()方法
for lineItem in file_obj.readline():
    process lineItem

#方法2 直接迭代文件对象
for lineItem in file_obj:
    process lineItem

注意，因文件对象本身就是可迭代的，所以使用方法2明显要优于方法1

采用迭代方式读取超大型文件或者网络流文件的好处是显而易见的，避免了一次性将大型文件读入内存所带来的负担（有时候甚至是不可能的，例如网络流文件）。对于小型文件还是一次性读入好些，可以尽快释放文件资源。

完美的终结

一切结束，千万不要忘记调用file_obj.close()以终结对文件的访问。如果你不这样显式的关闭文件，有可能丢失输出缓冲区内的数据。

一些其它方法

file_obj.fileno()  返回打开文件的文件描述符，这是一个整形，可以用于os模块的一些底层操作

file_obj.flush()   把输出缓冲区内的数据立即写入文件，调用close时会自动调用这个方法。

file_obj.isatty()  当文件是一个tty设备时，返回True。tty是字符型终端设备，例如老式的打印机以及操作系统中的终端（Terminal）程序。

file_obj.next()   返回文件的下一行，类似于readline方法，没有其它行时引发StopIteration异常

文件的内建属性

file.closed            如果文件已关闭，返回True

file.encodeing     文件所使用的编码

file.mode             文件打开时的模式

file.name             文件名

file.newlines        文件中用到的行分隔符，只有一种时为字符串，多于一种时是一个列表

file.softspace       这个属性程序员一般用不着，感兴趣的话请help(file.softspace)

三、标准文件、命令行参数

标准文件

一般来说，程序执行后，你可以访问3个标准文件。它们是标准输入（一般是键盘）、标准输出（到显示器的缓冲输出）、标准错误（到屏幕的非缓冲输出）。这些文件沿用了C中的命名：stdin，stdout，stderr。3个标准文件会被操作系统预先打开，因此，你只需要知道它们的文件句柄就可以随时访问它们。

>>> import sys
>>> sys.stdout.write( 'hello, This works like print' )
hello, This works like print
>>> sys.stderr.write( 'wahoo, This is a err I created!' )
wahoo, This is a err I created!    #这行在IDLE中会显示为错误的红色

命令行参数

sys模块的argv属性是命令行参数组成的列表（Python中没有C中的argc），使用参照下例：

from sys import argv

numOfArg = len (argv)

print 'There are total %d arguments.' % numOfArg
for num in range (numOfArg):
    print 'Arg No.%d:\t%s' % (num + 1 , argv[num])

保存为arg.py，在windows的命令终端下运行效果如下：

四、文件系统

Python的os模块实现了操作文件系统的接口。这些操作包括遍历目录树，删除/重命名文件等。此外os.path模块可以实现一些针对路径名的操作。

#---------os模块的函数---------

#文件处理
mkfifo() / mknod()     创建命名管道 / 文件系统节点
remove() / unlink()    删除文件
rename() / renames()   重命名文件
stat()               返回文件信息
symlink()            创建符号链接
utime()              更新时间戳
tmpfile()            创建并打开( 'w+b' )一个新的临时文件
walk()               生成一个目录树下的所有文件名

#目录/文件夹
chdir() / fcdir()      改变当前工作目录 / 通过一个文件描述符改变当前目录
chroot()             改变当前进程的根目录
listdir()            列出指定目录的文件
getcwd() / getcwdu()   返回当前工作目录 / 功能相同，但返回 Unicode 对象
mkdir() / mkdirs()     创建目录 / 创建多层目录
rmdir() / removedirs() 删除目录 / 删除多层目录

#访问/权限
access()             检验权限模式
chmod()              改变权限模式
chown() / lchown()     改变owner和group ID / 功能相同，但不会跟踪链接
umask()              设置默认权限模式

#文件描述符操作
open ()               底层的操作系统 open （对于文件，使用标准的内建 open )
read() / write()       根据文件描述符进行读写操作
dup() / dup2()         复制文件描述符号 / 功能相同，但复制到另一个文件描述符

#设备号
makedev()            从major和minor设备号创建一个原始设备号
major() / minor()      从原始设备号获得major / minor设备号

#---------os.path模块中的路径名访问函数---------

#分隔
basename()           去掉目录路径，返回文件名
dirname()            去掉文件名，返回目录路径
join()               将分隔的部分组合成路径
split()              返回(dirname(), basename())元组
splitdrive()         返回(drivename, pathname)元组
splitext()           返回(filename, extension)元组

#信息
getatime()           返回最近访问时间
getctime()           返回文件创建时间
getmtime()           返回最近文件修改时间
getsize()            返回文件大小

#查询
exists()             指定路径（文件或者目录）是否存在
isabs()              指定路径是否为绝对路径
isdir()              指定路径是否存在且是一个目录
isfile()             指定路径是否存在且是一个文件
islink()             指定路径是否存在且是一个符号链接
ismount()            指定路径是否存在且是一个挂载点
samefile()           两个路径名是否指向同一个文件

除了以上列出的功能外，还可以利用os模块提供的功能进行系统进程管理以及进程间通讯，在后面的学习中会逐渐讲到。

五、一些相关模块

#文件相关模块

base64           提供二进制字符串和文本字符串之间的编解码操作
binascii         提供二进制和ASCII编码的二进制字符串间编解码操作
bz2              访问BZ2格式的压缩文件
csv              访问逗号分隔文件（csv）
filecmp          用于比较目录和文件
fileinput        提供多个文本文件的行迭代器
getopt / optparse  提供了命令行参数的解析处理
glob / fnmatch     提供了Unix样式的通配符匹配功能
gzip / zlib        读写GNU zip 文件（压缩需要zlib模块）
shutil           提供高级文件访问功能
c / StringIO       对字符串对象提供类文件接口
tarfile          读写TAR归档文件，支持压缩文件
tempfile         创建一个临时文件
uu               uu格式的编解码
zipfile          用于读取 zip 归档文件的工具

如果需要的话，可以浏览Python的参考文档查询这些模块的用法。或者import后再help。

自己可以试着写一些文本处理，特别是模版分析处理程序，试着把字符串处理和文件操作结合起来，可别小看这些功能，编码起来并不容易，需要十分的细致和耐心。当然，这是很好的编码能力锻炼方法。

要想对文本处理和文件操作有深入了解，如打包、压缩等，请参考《Python Cookbook》。

 

原文地址：http://greenlcat.diandian.com/post/2012-10-19/40039196726