python文件操作

文件的基本概念

什么是文件

        文件是存放在外部介质 (如硬盘、U盘) 上的一组完整信息的集合。这些信息可为各种文字、 图形、图像、电影、音乐，甚至包括病毒程序等

两种重要的文件类型

文本文件（Text File）

        文本文件是可直接阅读的，使用记事本打开即可看到文件的内容。

二进制文件（Binary File）

        这类文件将数据按照它的进制编码的形式存储。如BMP，由 于这类文件内容是二进制编码，使用记事本打开是显然是乱码，BMP可用图片查看器解码

文本文件和二进制文件的优缺点

无论什么类型的文件，在硬盘/内存=> 二进制

• 文本方式读：内存->看（转换）

• 二进制方式读： 内存-> 看到一致

python3 字符串类型

• bytes bytes --->b abc' 表示二进制

  • 转换：bytes->str ：decode('utf8')

• str

  • 转换： str->bytes：encode('utf8'）

注意：encode编码时可指定任何合适的编码方式，但decode解码时，一定需要对应的编码方式

文件的缓冲机制

• 读操作：不会直接对磁盘进行读取，而是先打开数据流，将磁盘上的文件信息拷贝到缓冲区内，然后程序再从缓冲区中读取所需数据

• 写操作：不会马上写入磁盘中，而是先写入缓冲区，只有在缓冲区已满或“关闭文件”时，才会将数据写入磁盘

文件缓冲区

计算机系统为要处理的文件在内存中单独开辟出来的一个存储区间，在读写该文件时，做为数据交换的 临时“存储中转站” 。

缓冲机制的好处

能够有效地减少对外部设备的频繁访问，减少内存与外设间的数据交换，填补内、外设备的速度差异， 提高数据读写的效率

文件的基本操作

访问文件操作过程

1. 打开文件

2. 读取文件

   • 将信息读到内存

3. 写入文件

4. 关闭文件

   • 保存文件并释放内存空间

常见编码

• ASCII ---常见英文字符

• Unicode ---万国码 只是给你一个编号，比如中文一个字在Unicode里面占两个字节但是在UTF - 8中占三个字节

• UTF - 8　GBK　－－－是Unicode编码的具体实现方式，决定他在内存s中怎么去存储

• UTF - 8 一个中文字符占三个字节

• GBK国标码　－－－一个中文占两个字节

>>> "中".encode("utf-8")
b'\xe4\xb8\xad'
>>> "中".encode("gbk")
b'\xd6\xd0'

判断文件编码-chardet模块

import chardet
str = "python".encode('gbk')
result = chardet.detect(str)
print(result)
输出：
{'encoding': 'ascii', 'confidence': 1.0, 'language': ''}
#encoding的值显示为ascii，表示编码是ascii编码，由于gbk是属于ascii编码的一种，所以encoding的值就为ascii，后面的confidence是检测率，language是语言
​
#以什么方式加码就要以什么方式解码，不然会失败
>>> "中".encode("gbk").decode("gbk")
'中'
>>> "中".encode("gbk").decode("utf-8")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte

• python2和python3的不同

  • python2的编码是ASCII码

  • python3的默认编码是UTF - 8

打开文件（open）

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

• file 要打开的文件名或路径

• mode 打开文件的方式 => text, bytes

• encoding 文件的编码方式

• errors: 当发生编码错误时的处理方式

  • 'ignore'或'strict'(默认

• buffering 缓存方式

文件的打开

1. 读（r）

2. 写(w)

   • 覆盖写，没有的话会新建文件

3. 追加写（a）

   • 没有的话会新建文件

4. 新建写入（x）

   • 文件如果有了的话会报错

5. 带加号就是读写的方式r+，w+，a+

文件打开类型

文本类型\二进制类型

默认是以只读方式文本类型打开常见编码

文件的读取

 fp.read()

1. • 只会从光标的位置开始读,读了一遍之后光标到最后，在读的话就都读不到内容

   • read读的字符数

2. seek（偏移量，位置）

   • 定位光标位置，按照字节来的

   • 移动光标的位置，有两个参数，0表示开头，1表示当前2表示末尾，1和2只能在二进制条件下使用

3. fp.readline()

   • 每一次读一行,无参数

   • 从光标位置读到行末

4. fp.readlines()

   • 从光标位置读到文件末尾，把每一行作为一个元素存入列表，可以有参数

5. fp.tell() 告诉你光标现在在哪个字节

for i in fp: 循环读取文件fp内的内容， 每次只读一行数据
fp.read(60000)  每次读60000个字符
fp.readlines(60000)  每次读60000个字符所在的所有行

文件的写入

f.write( )

fp.write 返回字符数，不是字节数

为什么不实时写入磁盘

硬盘是慢设备，频率读写会增大磁盘压力，产生瓶颈

什么时候真正写入磁盘

1. 缓冲区满了

2. 进程关闭

3. 强制刷新 flush

   • fp.flush()强制将缓存中的数据刷新到磁盘中去

4. 文件关闭 close

文件的关闭

f.close()

用with语句打开

#with 语句管理 with语句体中的内容执行结束可以自动释放与fp的链接
with open("sing","r") as fp:
    for i in fp:

文件对象其他方法