Python之文本操作

Python之文本操作

文本文件

文本文件是一种典型的顺序文件，其文件的逻辑结构又属于流式文件。文本文件是指以 ASCII 码方式(也称文本方式)存储的文件，更确切地说，英文、数字等字符存储的是 ASCII 码，而汉字存储的是机内码。

文本文件中除了存储文件有效字符信息（包括能用 ASCII 码字符表示的回车、换行等信息）外，不能存储其他任何信息，比如图片、视频等等。我们常见的 txt 文件就是文本文件。

Python 的 open 方法用于打开一个文件，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，会抛出异常。

open 方法的语法格式为：

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

• file：表示要打开的文件路径（相对或者绝对路径）；
• mode：表示文件打开模式；
• buffering：用于设置缓冲；
• encoding：用于设置编码格式，一般使用 utf8；
• errors：指明编码和解码错误时怎么样处理，适用于文本模式；
• newline：文本模式之下，控制一行的结束字符；
• closed：传入的 file 参数类型；
• opener：自定义打开文件方式。

文件打开模式

mode 参数的打开模式具体如下表所示：

模式	描述
r	以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
rb	以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。
r+	打开一个文件用于读写。文件指针将会放在文件的开头。
rb+	以二进制格式打开一个文件用于读写。文件指针将会放在文件的开头。
w	打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
wb	以二进制格式打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
w+	打开一个文件用于读写。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
wb+	以二进制格式打开一个文件用于读写。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
a	打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。
ab	以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。
a+	打开一个文件用于读写。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。
ab+	以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。如果该文件不存在，创建新文件用于读写。

假设现在有一个 test.txt 文件，位于 step1 目录下，我们可以使用下列代码来打开文件：

f = open("step1/test.txt","r",encoding="utf8")     # f就是文件对象，一般情况下，只设置这3个参数

关闭文件 close 函数

close() 方法用于关闭一个已打开的文件。关闭后的文件不能再进行读写操作， 否则会触发 ValueError 错误。 close() 方法允许调用多次。

当 file 对象被引用到操作另外一个文件时，Python 会自动关闭之前的 file 对象。 使用 close() 方法关闭文件是一个好的习惯。

f = open("step1/test.txt","r",encoding="utf8")# 进行相关的读写操作之后使用 close 函数关闭文件f.close()

文件对象常用属性

文件对象常用的属性主要有 3 个：

• closed：如果文件已被关闭返回 True，否则返回 False；

  f = open("step/test.txt","r",encoding="utf8")print(f.closed)f.close()print(f.closed)
  

  执行结果：

  FalseTrue
  

• mode：返回被打开文件的访问模式；

  f = open("step/test.txt","r",encoding="utf8")print(f.mode)
  

  执行结果：

  r
  

• name：返回文件的名称；

  f = open("step/test.txt","r",encoding="utf8")print(f.name)
  

  执行结果：

  step/test.txt
  

Python文件之文本文件的随机读写

随机读写

使用 read 等顺序读写函数时，每次都是从每行的第一个字符开始读取，但是，我们不一定每次的需求都是从头开始读取。假设我们有test.txt文件，内容如下：

hello world

下面我们将介绍随机读取的函数：

• seek(offset,whence=0)：用于移动文件读取指针到指定位置。offset 表示开始的偏移量，也就是代表需要移动偏移的字节数；whence 表示要从哪个位置开始偏移；0 代表从文件开头开始算起，1 代表从当前位置开始算起，2 代表从文件末尾算起。

  f = open("test.txt","rb")
  f.seek(2)     # 将读取指针移动到2的位置
  print(f.read())# 移动到文件倒数第5个字节，如果要设置whence参数，文件的打开格式必须为二进制模式
  f.seek(-5,2)
  print(f.read())
  f.close()
  

  执行结果：

  b'llo world'b'world'
  

• seekable()：如果文件是可搜索的，则 seekable 方法返回 True，否则返回 False。如果文件允许访问文件流（例如 seek 方法），则该文件是可搜索的。

• tell()：返回文件的当前位置，即文件指针当前位置。

  f = open("test.txt","r")
  f.seek(2)
  print(f.tell())
  f.read(1)     # 读取一个字节的内容print(f.tell())     # 读取内容也会改变指针的位置f.close()
  

  执行结果：

  23
  

• truncate([size])：方法用于截断文件并返回截断的字节长度。指定 size 的话，就从文件的开头开始截断指定长度，其余内容删除；不指定 size 就从文件开头开始截断到当前位置，其余内容删除。

  f = open("test.txt","r+")print(f.truncate(3))print(f.read())f.close()
  

  执行结果：

  3hel
  

下面是一个对读写文本文件3种方式的总结：

使用Python读/写文本文件

​ 使用Python来读/写文本需要用到“open”这个关键字。它的作用是打开一个文件，并创建一个文件对象。
​ 使用Python打开文件，有两种写法。

第1种方式如下：

f = open('文件路径', '文件操作方式', encoding='utf-8')
对文件进行操作
f.close() 

第2种方式，使用Python的上下文管理器：

with open(‘文件路径’, ‘文件操作方式’, encoding=‘utf-8’) as f:
对文件进行操作
第1种方式需要手动关闭文件，但是在程序开发中经常会出现忘记关闭文件的情况。第2种方法不需要手动关闭文件，只要代码退出了缩进，Python就会自动关闭文件

使用Python读文本文件

​ 使用Python打开一个文本文件时，首先要保证这个文件是存在的。在读文件的时候，“文件操作方式”这个参数可以省略，也可以写成“r”，也就是read的首字母。
​ 文件路径可以是绝对路径，也可以是相对路径。如果是绝对路径，Linux和Mac OS不能直接使用“～”表示“home目录”，因为Python不认识“～”这个符号。如果非要使用这个符号，需要使用Python的“os”模块，代码如下：

import os 
real_path = os.path.expanduser('～/project/xxx')

使用下面的代码来打开text.txt文件：

with open('text.txt', encoding='utf-8') as f:

通过f来读文件
这里有一个参数“encoding”。这个参数特别有用，它可以在打开文件的时候将文件转换为UTF-8编码格式，从而避免乱码的出现。这个参数只有Python 3有，在Python 2中使用这个参数会报错。如果文件是在Windows中创建的，并且使用UTF-8打开文件出现了乱码，可以把编码格式改为GBK

使用Python写文本文件
使用Python写文件也需要先打开文件，使用如下代码来打开文件：

with open('new.txt', 'w', encoding='utf-8') as f:

通过f来写文件
这里多出来一个参数“w”，w是英文write的首字母，意思是以写的方式打开文件。这个参数除了为“w”外，还可以为“a”。它们的区别在于，如果原来已经有一个new.txt文件了，使用“w”会覆盖原来的文件，导致原来的内容丢失；而使用“a”，则会把新的内容写到原来的文件末尾

二进制文件的读写

我们学习了打开二进制文件的方式，比如rb、wb等。假设我们现在有一个图片文件test.png。

with open("test.png","rb") as f:    print(f.read())    print(f.read(10))     # 只读取10个字节

执行结果（不同的图片结果不一致）：

b'\x89PNG\r\n\x1a\n\x00\x00\x00\rIHDR\x00\x00\x01\x02\x00\x00\x01X\x08\x06\x00\x00\x00\xb8Z\xf2\xc1\x00\x00\x00\x01sRGB\x00\xae\xce\x1c\xe9\x00\....'b'\x89PNG\r\n\x1a\n\x00\x00'

当我们写入二进制文件时，我们只能写入 bytes 类型的数据。

with open("test.png","rb") as f,open("result.png","wb") as fb:    data = f.read(10)    fb.write(data)

代码运行后，在当前文件夹中就会创建一个result.png文件，该文件的内容为test.png的前 10 个字节。

CSV模块读写文件

csv 模块

CSV (Comma Separated Values) 是逗号分隔符文本格式，常用于 Excel 和数据库的导入和导出，Python 标准库的 CSV 模块提供了读取和写入 CSV 格式文件的对象。CSV 以纯文本存储数和文本。文件的每一行就代表一条数据，每条记录包含由逗号分隔一个或多个属性值。

以文本的形式打开 csv 文件如图 1 所示：

图 1

以 Excel 的形式打开 csv 文件如图 2 所示：

图 2

读取 csv 文件

假设我们有一个 test.csv 文件，内容如图 2 所示。

• 以返回列表的形式读取 csv 文件。

  import csv     # 导入 csv 模块
  with open("test.csv","r") as f:  
  result = csv.reader(f)     # 返回的是一个迭代器  
  next(result)     # 使用next可以跳过第一行的读取  
  print(list(result))
  

  执行结果：

  [['5.1', '3.5', '1.4', '0.2'], ['4.9', '3', '1.4', '0.2'], ['4.7', '3.2', '1.3', '0.2'], ['4.6', '3.1', '1.5', '0.2'], ['5', '3.6', '1.4', '0.2'], ['5.4', '3.9', '1.7', '0.4'], ['4.6', '3.4', '1.4', '0.3'], ['5', '3.4', '1.5', '0.2'], ['4.4', '2.9', '1.4', '0.2'], ['4.9', '3.1', '1.5', '0.1'], ['5.4', '3.7', '1.5', '0.2'], ['4.8', '3.4', '1.6', '0.2'], ['4.8', '3', '1.4', '0.1'], ['4.3', '3', '1.1', '0.1'], ['5.8', '4', '1.2', '0.2'], ['5.7', '4.4', '1.5', '0.4'], ['5.4', '3.9', '1.3', '0.4'], ['5.1', '3.5', '1.4', '0.3'], ['5.7', '3.8', '1.7', '0.3'], ['5.1', '3.8', '1.5', '0.3'], ['5.4', '3.4', '1.7', '0.2'], ['5.1', '3.7', '1.5', '0.4'], ['4.6', '3.6', '1', '0.2'], ['5.1', '3.3', '1.7', '0.5']]
  

• 以字典的形式读取 csv 文件。

  import csv     # 导入 csv 模块
  with open("test.csv","r+") as f:  # 使用DictReader创建的reader是一个字典对象，遍历后，不包含第一行数据  
  result = csv.DictReader(f)  for x in result:      
  print(x)
  

  执行结果：

  OrderedDict([('sepal length (cm)', '5.1'), ('sepal width (cm)', '3.5'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.9'), ('sepal width (cm)', '3'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.7'), ('sepal width (cm)', '3.2'), ('petal length (cm)', '1.3'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.6'), ('sepal width (cm)', '3.1'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '5'), ('sepal width (cm)', '3.6'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '5.4'), ('sepal width (cm)', '3.9'), ('petal length (cm)', '1.7'), ('petal width (cm)', '0.4')])OrderedDict([('sepal length (cm)', '4.6'), ('sepal width (cm)', '3.4'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.3')])OrderedDict([('sepal length (cm)', '5'), ('sepal width (cm)', '3.4'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.4'), ('sepal width (cm)', '2.9'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.9'), ('sepal width (cm)', '3.1'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.1')])OrderedDict([('sepal length (cm)', '5.4'), ('sepal width (cm)', '3.7'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.8'), ('sepal width (cm)', '3.4'), ('petal length (cm)', '1.6'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '4.8'), ('sepal width (cm)', '3'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.1')])OrderedDict([('sepal length (cm)', '4.3'), ('sepal width (cm)', '3'), ('petal length (cm)', '1.1'), ('petal width (cm)', '0.1')])OrderedDict([('sepal length (cm)', '5.8'), ('sepal width (cm)', '4'), ('petal length (cm)', '1.2'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '5.7'), ('sepal width (cm)', '4.4'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.4')])OrderedDict([('sepal length (cm)', '5.4'), ('sepal width (cm)', '3.9'), ('petal length (cm)', '1.3'), ('petal width (cm)', '0.4')])OrderedDict([('sepal length (cm)', '5.1'), ('sepal width (cm)', '3.5'), ('petal length (cm)', '1.4'), ('petal width (cm)', '0.3')])OrderedDict([('sepal length (cm)', '5.7'), ('sepal width (cm)', '3.8'), ('petal length (cm)', '1.7'), ('petal width (cm)', '0.3')])OrderedDict([('sepal length (cm)', '5.1'), ('sepal width (cm)', '3.8'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.3')])OrderedDict([('sepal length (cm)', '5.4'), ('sepal width (cm)', '3.4'), ('petal length (cm)', '1.7'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '5.1'), ('sepal width (cm)', '3.7'), ('petal length (cm)', '1.5'), ('petal width (cm)', '0.4')])OrderedDict([('sepal length (cm)', '4.6'), ('sepal width (cm)', '3.6'), ('petal length (cm)', '1'), ('petal width (cm)', '0.2')])OrderedDict([('sepal length (cm)', '5.1'), ('sepal width (cm)', '3.3'), ('petal length (cm)', '1.7'), ('petal width (cm)', '0.5')])
  

写入 csv 文件

• 以元组的方式写入。

  import csvheaders = ["name","age","height"]values = [("小王",18,178),("小张",20,180),("小李",17,166)]
  
  with open("test.csv","w",encoding="utf-8",newline="") as f:  
  writer = csv.writer(f)  
  writer.writerow(headers)     # 首先写入第一行  writer.writerows(values)     # 写入values
  

  代码运行后，test.csv 的内容变更为：

  name,age,height
  小王,18,178
  小张,20,180
  小李,17,166
  

• 以字典的形式写入。

  import csv
  headers = ["name", "age", "height"]
  values = [{"name":"小王","age":18,"height":178},{"name":"小王","age":18,"height":178},{"name":"小王","age":18,"height":178}]
  with open("test.csv","w",encoding="utf-8",newline="") as f:  
  writer = csv.DictWriter(f,headers)     # 使用csv.DictWriter()方法，需传入两个参数，第一个为对象，第二个为文件的title  
  writer.writeheader()     # 使用此方法，写入表头  writer.writerows(values)
  

  代码运行之后，test.csv 文件的内容为：

  name,age,height
  小王,18,178
  小张,20,180
  小李,17,166