Python文件处理

最新推荐文章于 2024-04-30 19:24:04 发布

竹筒饭啊

最新推荐文章于 2024-04-30 19:24:04 发布

阅读量391

点赞数

分类专栏： Python 文章标签： python 开发语言

本文链接：https://blog.csdn.net/qq_42797317/article/details/131196598

版权

Python 专栏收录该内容

27 篇文章 0 订阅

订阅专栏

文本文件和二进制文件

按文件中数据组织形式，我们把文件分为文本文件和二进制文件两大类。

文本文件

文本文件存储的是普通的字符文本，python默认为unicode字符集。

二进制文件

二进制文件把数据内容用字节进行存储。必须使用专有的软件解码。常见的有：MP4、JPG、doc、xls等。

文件操作相关模块

名称	说明
io模块	文件流的输入和输出操作
os模块	基本操作系统功能，包括文件操作
glob模块	查找符合特定规则的文件路径名
fnmatch模块	使用模式来匹配文件路径名
fileinput模块	处理多个输入文件
filecmp模块	用于文件的比较
csv模块	用于处理csv文件
pickle和cPickle	用于序列化和反序列化
xml包	用于XML数据处理
bz2、gzip、zipfile、zlib、tarfile	用于处理压缩和解压缩文件

创建文件对象open()

open()函数用于创建文件对象，基本语法格式如下：

open(文件名，打开方式)

模式	描述
r	读，read模式
w	写，write模式。如果文件不存在则创建；如果文件存在，则重写新内容
a	追加，append模式。如果文件不存在则创建；如果文件存在，则在文件末尾追加新内容。
b	二进制，binary模式，可与其他模式组合使用
+	读、写模式。可与其他模式组合使用

文本文件对象和二进制文件对象的创建：

如果没有增加模式b，则默认创建的是文本文件对象，处理的基本单元是字符
如果是二进制模式b，则创建的是二进制文件对象，处理的基本单元是字节。

文本文件的写入操作：

文本文件的写入一般就是三个步骤：

创建文件对象
写入数据
关闭文件对象

f = open(r"e:/01_PythonTest/a.txt",'a')
s = "Python\nJava\tC++"
f.write(s)
f.close()

## 使用with上下文管理
with open(r"e:/01_PythonTest/a.txt",'a') as f:
    s = "with上下文管理"
    f.write(s)

常用编码介绍

ASCII

American Standard Code for Information Interchange，美国信息交换标准代码。这是世界上最早最通用的单字节编码系统，主要用来显示现代英语及其他西欧语言。

ASCII码用7位表示，只能表示128个字符。只定义了128个字符，用7bit即可完全编码。儿一字节8bit的容量是256，所以一字节ASCII的编码最高位总是0

ISO8859-1

ISO8859-1又称Latin-1，是一个8位单字节字符集，它把ASCII的最高位也利用起来，并兼容了ASCII，新增的空间是128，但它并没有完全用完。

GB2312，GBK，GB18030

GB2312全称位信息交换用汉字编码字符集，是中国于1980年发布，主要用于计算机系统中的汉字处理。GB2312覆盖了大部分的汉字，但是不能处理像古汉语等特殊的罕用字。GB2312完全兼容ISO8859-1

GBK全称Chinese Internal Code Specification，即汉字内码扩展规范，于1995年指定。它主要是扩展了GB2312，在它的基础上又加了更多汉字。

GB18030。现在最新的内码字集于2000年发布，并于2001年强制执行。包含了中国大部分少数名族的语言字符。主要采用单字节、双字节、四字节对字符编码，它是向下兼容GB2312和GBK的。虽然是强制使用的标准，但是实际生产中使用很少，用的最多的反而是GBK和GB2312

Unicode

Unicode编码设计成了固定两个字节，所有的字符都用16位表示，包括之前只占8位的英文字符等，所以会造成空间的浪费，Unicode在很长一段时间内都没有得到推广应用。Unicode完全重新设计，不兼容ISO8859-1，也不兼容其他编码。

UTF-8

对于英文字母，Unicode也需要两个字节来表示，所以Unicode不便于传输和存储，因此产生了UTF编码，全称8-bit Unicode Transformation Format。UTF-8兼容ISO-8859-1编码，同时也可以用来表示所有语言的字符，不过UTF编码是不定长编码，每一个字符的长度从1-4个字节不等，其中，英文字母都是用一个字节表示，儿汉字使用三个字节。

中文乱码问题

windows操作系统默认的编码是GBK，Linux操作系统默认的编码是UTF-8.当我们使用open()时，调用的是操作系统打开的文件，默认的编码时GBK。指定文件编码

f = open(r"a.txt","w",encoding="utf-8")

write()、writelines()写入数据

write(a)：把字符a写入文件中

writelines(b)：把字符串列表写入文件中，不添加换行符

f = open(r"a.txt","w",encoding="utf-8")
s = ["竹","筒","饭"]
f.writelines(s)
f.close()

# 文本中显示"竹筒饭"

close()关闭文件流

由于文件底层是由操作系统控制的，所以我们打开的文件对象必须显式调用close()方法关闭文件对象。当调用close()方法时，首先会把缓冲区数据写入文件（也可以直接调用flush()方法），再关闭文件，释放文件对象。

为了确保打开的文件正常关闭，一般结合异常机制的finally或with关键字实现无论何种情况都能关闭打开的文件对象。

try:
    f = open(r"b.txt","a")
    s = "abc"
    f.write(s)
except BaseException as e:
    print(e)
finally:
    f.close()

with语句

with关键字可以自动管理上下文资源。不论说明原因跳出with块，都能确保文件正常关闭。并且可以再代码执行完毕后自动还原进入该代码时的现场。

s = ["a","b","c"]
with open(r"c.txt","w") as f:
    f.writelines(s)

文本文件的读取

文本文件的读取一般使用如下三种方法：

read([size])从文件中读取size个字符，并作为结果返回。如果没有size参数，则读取整个文件。读取到文本末尾，会返回空字符串
readline()，读取一行内容作为结果返回。读取到文本末尾会返回空字符串
readlines()，文本文件中，每一行作为一个字符串存入列表中，返回该列表

# 读取一个文件前4个字符
with open(r"a.txt",'r',encoding="utf-8") as f:
    # a.txt中的内容是"竹筒饭123456789"
    print("第一次读的内容：{}".format(f.read(4)))
    print("第一次读的内容：{}".format(f.read()))

"""
第一次读的内容：竹筒饭1
第一次读的内容：23456789
"""

with open(r"b.txt","r",encoding="utf-8") as f:
    # b.txt中的内容是"abc\ndef\nghi"
    print(f.readline()) # abc

with open(r"b.txt","r",encoding="utf-8") as f:
    print(f.readlines())    # ['abc\n', 'def\n', 'ghi']

在每行末尾添加行号

# 在每行末尾添加行号
with open(r"b.txt","r") as f:
    lines = f.readlines()
    lines_2 = [line.rstrip()+" #"+str(index)+"\n" for index,line in zip(range(1,len(lines)+1),lines)]
    print(lines_2)

with open(r"b.txt","w") as f:
    f.writelines(lines_2)


"""
b.txt由"abc\ndef\nghi"
变成"abc #1\ndef #2\nghi #3"

"""

二进制文件的读写

二进制文件的处理流程和文本文件流程一致。首先还是创建文件对象，不过，需要指定二进制模式，从而创建二进制文件对象。

with open('img.png','rb') as srcFile, open('img_copy.png','wb') as destFile:
    for line in srcFile:
        destFile.write(line)

文件对象的常用属性和方法

属性	说明
name	返回文件的名字
mode	返回文件的打开模式
closed	若文件被关闭, 则返回True

文件对象的打开模式

模式	说明
r	读模式
w	写模式
a	追加模式
b	二进制模式（可与其他模式组合）
+	读写模式（可以其他模式组合）

文件对象的常用方法

方法名	说明
read([size])	从文件中读取size个字节或字符的内容返回。若省略[size]，则读取到文件末尾，即一次读取文件所有内容
readline()	从文本文件中读取一行内容
readlines()	把文本文件中每一行都作为独立的字符串对象，并将这些对象放入列表返回
write(str)	将字符串str内容写入文件
writelines(s)	将字符串列表s写入文件文件，不添加换行符
seek(offset [,whence])	把文件指针移动到新的位置，offset表示相对于whence的多少个字节的偏移量；offset：off为正往结束方向移动，为负往开始方向移动whence不同的值代表不同含义：0: 从文件头开始计算（默认值）1：从当前位置开始计算2：从文件尾开始计算
tell()	返回文件指针的当前位置
truncate([size])	不论指针在什么位置，只留下指针前size个字节的内容，其余全部删除；如果没有传入size，则当指针当前位置到文件末尾内容全部删除
flush()	把缓冲区的内容写入文件，但不关闭文件
close()	把缓冲区内容写入文件，同时关闭文件，释放文件对象相关资源

竹筒饭啊

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Python文件处理

ASCIIAmerican Standard Code for Information Interchange，美国信息交换标准代码。这是世界上最早最通用的单字节编码系统，主要用来显示现代英语及其他西欧语言。ASCII码用7位表示，只能表示128个字符。只定义了128个字符，用7bit即可完全编码。儿一字节8bit的容量是256，所以一字节ASCII的编码最高位总是0ISO8859-1。
复制链接

扫一扫