Python多种数据类型读取写入

前言

数据读取写入在Python中有着重要的作用，今天我来总结一下一些常用的数据类型的读写

一、TXT文本

TXT文本大概是最常用的了吧，当然TXT文本读写是无需借助第三方库的，废话不多说，进入正题

首先是基础格式

with open('名称', '模式') as file:

1.读取文件

        (1).一次性读取

with open('样例.txt', 'r') as file:
    content = file.read() # 一次读取所有内容

        (2).逐行读取

with open('样例.txt', 'r') as file:
    line_by_line = file.readlines() # 逐行读取

        总结

                使用open()函数打开文件，指定文件名和模式（如’r’表示读取）。然后通过.read()方法一次性读取所有内容，或使用.readline()和.readlines()逐行读取。 

2.写入文件

        也是使用open()函数，指定文件名和模式（如’w’表示写入，如果文件已存在则会被覆盖），然后可以使用.write()方法写入文本。

with open('样例.txt', 'w') as file:
    file.write('要写入的内容')

3.追加内容

        如果想在原有内容基础上添加新内容，可以使用’a’模式，write()会追加到文件末尾。

with open('样例.txt', 'a') as file:
    file.write('要追加的新内容')

二、doc和docx读写

我在网上查了很久，发现了两个可以处理doc、docx文件的第三方库，我们先列举他们，对比一下。不过限于篇幅，这里就不做展开了，看完简介找到合适的之后可以看看别的大佬的文章吧！再此我感到十分抱歉。

        (一)、python-docx

        这是一个跨平台的库，但是只能处理.docx格式，无法处理.doc格式

Python操纵Word神器——python-docx大全（含插入pptx图表）-CSDN博客

【Python-Docx库】Word与Python的完美结合_python docx库-CSDN博客

        (二)、pywin32

        虽然这个库只支持windows，但可以处理.doc和.docx格式

python模块之pywin32使用文档，python操作windowsAPI-CSDN博客

2024年Python安装详细教程，简单！_pywin32如何安装_win安装python-CSDN博客

 本章节参考：python读写 doc文件和docx文件_python doc-CSDN博客，感谢大佬！

三、Excel文件读写

这里呢我们可以使用大家耳熟能详的pandas库。

它提供了一套强大的数据操作和分析工具，包括读取（read_excel）和写入（to_excel）Excel文件的功能。

1.读取Excel文件

import pandas as pd

# 读取Excel文件（假设文件名为'data.xlsx'）
data = pd.read_excel('data.xlsx')
# 或者指定特定的工作表
data = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 查看前几行数据
print(data.head())

2.写入Excel文件

# 创建一个DataFrame
df = pd.DataFrame({
    'Column1': [value1, value2, ...],
    'Column2': [value3, value4, ...],
    #...
})

# 写入新的Excel文件
df.to_excel('output.xlsx', index=False)  # 如果不需要索引，可以设置index=False
# 或者写入特定的工作表
df.to_excel('output.xlsx', sheet_name='Sheet2', index=False)

想要使用别的库，可以参考这篇文章：一文带你用Python读写操作Excel数据！_python读写excel数据程序-CSDN博客

四、pickle文件读写

1.前情提要

        pickle文件是Python中的一种二进制文件格式，它用于序列化（Serializing）数据，即将复杂的数据结构转换成字节流以便存储或传输。通过pickle模块，可以将Python对象如列表、字典、类实例等保存到pickle文件中，而在需要的时候再读取并恢复到原始的对象状态。这种机制使得数据能够在程序的不同生命周期阶段之间共享和持久化。然而，pickle文件的安全性相对较低，因为它不保证跨语言或版本的兼容性，仅限于Python环境。

2.库

我们需要使用pickle库完成pickle文件操作

3.写入pickle文件（dump）

import pickle

# 要序列化的数据
data = {'name': 'John', 'age': 30}

# 打开一个文件，通常是binary模式
with open('data.pickle', 'wb') as f:
    # 使用pickle.dump()函数写入数据
    pickle.dump(data, f)

4.从pickle文件读取（load）

import pickle

# 打开已存在的pickle文件，通常也是binary模式
with open('data.pickle', 'rb') as f:
    # 使用pickle.load()函数读取并解析数据
    loaded_data = pickle.load(f)

print(loaded_data)  # 输出：{'name': 'John', 'age': 30}

其他的请静待更新哦