Python文件读取详解——seek、tell、read

这篇文章介绍Python中文件操作最常用的读文件相关的函数和其中某些易错点。

1.函数功能介绍

可以先运行下面的例子，然后对比运行结果理解函数功能！

tell()：返回当前的指针相对于文件开始的偏移量

  -utf8编码下：如果是中文的话，一个字的偏移量是3。
  -每一行的末尾其实是\r\n，代表了2个偏移量

seek(offset, from)：定位文件指针

offset:偏移量。
  -如果是文本文件
      -需满足以下条件：from=0时，offset>=0；from=1或2时，offset必须为0；
      -若其中含有中文字符，注意from=0时，指针不要对一个中文字符的二进制编码（包含3个偏移量）中间，否则报错。
          一般较难确定正确的位置，所以建议直接设置为0
  -如果是对二进制文件，需满足以下条件：
      -from=0时，offset>=0；
      -from=1，offset可任意（不要超过总文件的范围）；
      -from=2，offset<=0（不要超过总文件的范围）；
from:方向
  0:表示文件开头
  1:表示当前位置
  2:表示文件末尾

read(size)：读取文件中size长度的字符串

-size表示从当前指针位置开始读取字符的长度。如果无参数，则默认读取该文件全部数据
-utf8编码的文本文件下：中文、英文、换行的每个字符长度都代表1
-二进制下：utf8编码后以二进制读取，每个中文代表长度3，读取长度与文件指针变化一样。
 如：xx.read(10),文件指针就+10

readline(size) ：读取行

-从当前指针位置开始读一行，如果定义了size，有可能返回的只是一行的一部分

readlines(size) ：读取多行

-从当前指针位置开始把文件每一行作为一个list的一个成员，并返回这个list。
-其实它的内部是通过循环调用readline()来实现的。
-如果提供size参数，size是表示读取内容的总长，也就是说可能只读到文件的一部分。
-如果最后指针停留在某一行的中间，那么自动将该行全部读取。也就是说执行完该函数之后，文件指针总停留在下一行开头（对行取整）

2.函数使用

例子：

utf8编码的文本文件内容如下：

这是第一行数据
abcdefghijk0
这是第三行数据
abcdefghijk2
abcdefghijk3
abcdefghijk4
abcdefghijk5
abcdefghijk6
abcdefghijk7
abcdefghijk8
abcdefghijk9
end!

代码测试：

1.以“utf8”编码读取

dir_path = "../output"
file_name = "test.txt"
fp = open(dir_path + "/" + file_name, "r",encoding='utf8')
print("当前文件指针位置 : ", fp.tell())
str = fp.read(18)  # 见说明1
print("fp.read(18)读取到的数据 : ", str)
print("当前文件位置 : ", fp.tell())  # 见说明2
fp.seek(9,0)  # 见说明3
print("fp.seek(9,0)，当前文件指针位置 : ", fp.tell())
str=fp.readline()  # 见说明4
print("fp.readline()读取到的数据 : ", str)
print("当前文件指针位置 : ", fp.tell())

输出：

说明：

• 说明1：fp.read(18)读取得到的字符串为 这是第一行数据\nabcdefghij，加上换行一共18个字符，说明该函数对每个中文、英文字符和换行的长度都视为1。
• 说明2：print("当前文件位置 : ", fp.tell())改行代码执行后，指针位置在33，计算方法：7个中文字符，占7×3=21个偏移量，\n在读取后是\r\n占2个偏移量，abcdefghij占10个偏移量，共35个偏移量。
• 说明3：fp.seek(9,0)表示指针又从文件头开始，因为utf8编码下每个中文字符占3个偏移量，9个偏移量就是3个中文字符之后。
• 说明4：fp.readline()从当前指针位置也就是第一行的第三个字符开始，读取一整行，包括换行符，得到一行数据\n，然后文件指针总停留在下一行开头
• 另外，fp.readlines(size)也是从从当前指针位置开始读取，以列表返回，可以自行尝试

2.同样的测试文件和代码，只是以二进制读取

dir_path = "../output"
file_name = "test.txt"
fp = open(dir_path + "/" + file_name, "rb")  #改变为二进制读取
print("当前文件指针位置 : ", fp.tell())
str = fp.read(18)  # 见说明
print("fp.read(18)读取到的数据 : ", str)
print("当前文件位置 : ", fp.tell())
fp.seek(9,0) 
print("fp.seek(9,0)，当前文件指针位置 : ", fp.tell())
str=fp.readline() 
print("fp.readline()读取到的数据 : ", str)
print("当前文件指针位置 : ", fp.tell())

输出：

说明：utf8编码后以二进制读取，每个中文代表长度3，read(3)已经不再是读取3个中（英）文字符，而是3个8位的16进制数了。举个例子，看输出的第二行：\xe8\xbf\x99这三个表示了3个字节，一个字节是8位的16进制数，所以tell()说指的偏移量其实就是内存地址的指针偏移，1个偏移量就是1个字节大小。

其它函数根据上面的说明可以自行尝试，重点部分已经详细说明了，原理的话至今还不太懂，关于中文字符的编码，所以欢迎大佬指点菜鸟！