Python文件操作及文本处理

一.文本处理引入

• 文本程序运行过程中产生的数据最先都是存放在内存中的
• 若想永久保存下来必要存放在硬盘中，应用程序若想操作硬件必需通过操作系统
• 文件就是操作系统提供给应用程序来操作硬盘的虚拟概念
• 用户或应用程序对文件的操作，就是向操作系统发起的调用然后由操作系统完成对硬盘的具体操作

二.文本操作的基本流程

1.我们能够操作的文件类型：

.txt或者没有后缀的文件

2.如何操作文件

三步骤：

1.打开文件

由应用程序向操作系统发起系统调用open(...)，操作系统打开该文件，对应一块硬盘空间，并返回一个文件对象赋值给一个变量f ，f=open('a.txt','r',encoding='utf-8') #默认打开模式就为r

2.读或者写文件

调用文件对象下的读/写方法，会被操作系统转换为读/写硬盘的操作

data=f.read()

3.关闭文件

向操作系统发起关闭文件的请求，回收系统资源

f.close()

资源回收与with的用法

打开一个文件包含两部分资源：

• 应用程序的变量f和操作系统打开的文件
• 在操作完毕一个文件时，必需把该文件的两部分全部回收也就是关闭文件

f.close()     关闭操作系统打开的文件资源

指定操作文本文件的字符编码

f = open(...)是由操作系统打开文件，如果打开的是文本文件，会涉及到字符编码问题，如果没有为open指定编码，那么打开文本文件的默认编码很明显是操作系统说了算了，操作系统会用自己的默认编码去打开文件，在windows下是gbk，在linux下是utf-8。 这就用到了上节课讲的字符编码的知识：若要保证不乱码，文件以什么方式存的，就要以什么方式打开。

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

三.文件的操作模式

控制文件读写操作的模式

r：只读

w：只写

a：只追加写

r模式的使用

# r只读模式: 在文件不存在时则报错,文件存在文件内指针直接跳到文件开头

with open('a.txt',mode='r',encoding='utf-8') as f:
    res=f.read() # 会将文件的内容由硬盘全部读入内存，赋值给res

小练习：实现用户认证功能 ：

inp_name=input('请输入你的名字: ').strip()
 inp_pwd=input('请输入你的密码: ').strip()
 with open(r'db.txt',mode='r',encoding='utf-8') as f:
     for line in f:
         # 把用户输入的名字与密码与读出内容做比对
         u,p=line.strip('\n').split(':')
         if inp_name == u and inp_pwd == p:
             print('登录成功')
             break
     else:
         print('账号名或者密码错误')

'''当路径中可能存在有转移的字符时，字符串前面加上r来解决转义的问题'''
---->>> r'D:\a.txt'

w模式的使用

w只写模式: 在文件不存在时会创建空文档,文件存在会清空文件,文件指针跑到文件开头

with open('b.txt',mode='w',encoding='utf-8') as f:
    f.write('你好\n')
    f.write('我好\n') 
    f.write('大家好\n')
    f.write('111\n222\n333\n')
#强调：
# 1 在文件不关闭的情况下,连续的写入，后写的内容一定跟在前写内容的后面
# 2 如果重新以w模式打开文件，则会清空文件内容

a模式的使用

a只追加写模式: 在文件不存在时会创建空文档,文件存在会将文件指针直接移动到文件末尾

with open('c.txt',mode='a',encoding='utf-8') as f:
     f.write('44444\n')
     f.write('55555\n')

#强调 w 模式与 a 模式的异同：
# 1 相同点：在打开的文件不关闭的情况下，连续的写入，新写的内容总会跟在前写的内容之后
# 2 不同点：以 a 模式重新打开文件，不会清空原文件内容，会将文件指针直接移动到文件末尾，新写的内容永远写在最后

小练习：实现注册功能

name=input('username>>>: ').strip()
 pwd=input('password>>>: ').strip()
 with open('db1.txt',mode='a',encoding='utf-8') as f:
     info='%s:%s\n' %(name,pwd)
     f.write(info)

控制文件读写内容的模式

t（默认的）：文本模式

• 读写文件都是以字符串为单位的
• 只能针对文本文件
• 必须指定encoding参数

b：二进制模式:

• 读写文件都是以bytes/二进制为单位的
• 可以针对所有文件
• 一定不能指定encoding参数

t模式的使用

# t 模式：如果我们指定的文件打开模式为r/w/a，其实默认就是rt/wt/at
 with open('a.txt',mode='rt',encoding='utf-8') as f:
     res=f.read() 
     print(type(res)) # 输出结果为：<class 'str'>
        
 with open('a.txt',mode='wt',encoding='utf-8') as f:
     s='abc'
     f.write(s) # 写入的也必须是字符串类型
    
 #强调：t 模式只能用于操作文本文件,无论读写，都应该以字符串为单位，而存取硬盘本质都是二进制的形式，当指定 t 模式时，内部帮我们做了编码与解码

b模式的使用

# b: 读写都是以二进制位单位
 with open('1.mp4',mode='rb') as f:
     data=f.read()
     print(type(data)) # 输出结果为：<class 'bytes'>

 with open('a.txt',mode='wb') as f:
	 msg="你好"
     res=msg.encode('utf-8') # res为bytes类型
     f.write(res) # 在b模式下写入文件的只能是bytes类型

# 强调：b模式对比t模式
1、在操作纯文本文件方面t模式帮我们省去了编码与解码的环节，b模式则需要手动编码与解码，所以此时t模式更为方便
2、针对非文本文件（如图片、视频、音频等）只能使用b模式

四.文件的操作方法

1.读操作

f.read()     # 读取所有内容,执行完该操作后，文件指针会移动到文件末尾
f.readline()    # 读取一行内容,光标移动到第二行首部
f.readlines()    # 读取每一行内容,存放于列表中

强调：

• f.read()与f.readlines()都是将内容一次性读入内容
  • 如果内容过大会导致内存溢出
  • 若还想将内容全读入内存
  • 则必须分多次读入

# 一次性读入

# 方法1：
with open('a.txt',mode='rt',encoding='utf-8') as f:
    for line in f:
        print(line) # 同一时刻只读入一行内容到内存中


# 方法2：
with open('1.mp4',mode='rb') as f:
    while True:
        data=f.read(1024) # 同一时刻只读入1024个Bytes到内存中
        if len(data) == 0:
            break
        print(data)

2.写操作

f.write('1111\n222\n')     # 针对文本模式的写,需要自己写换行符
f.write('1111\n222\n'.encode('utf-8'))      # 针对b模式的写,需要自己写换行符
f.writelines(['333\n','444\n'])     # 文件模式
f.writelines([bytes('333\n',encoding='utf-8'),'444\n'.encode('utf-8')])    #b模式

3.判断是否可读可写

f.readable()    # 文件是否可读
f.writable()     # 文件是否可读
f.closed      # 文件是否关闭
f.encoding     # 如果文件打开模式为b,则没有该属性
f.flush()     # 立刻将文件内容从内存刷到硬盘
f.name()       # 获取文件的名字

五.控制文件内指针移动

大前提:文件内指针的移动都是Bytes为单位的,唯一例外的是t模式下的read(n),n以字符为单位

 

with open('a.txt',mode='rt',encoding='utf-8') as f:
     data=f.read(3) # 读取3个字符
    

with open('a.txt',mode='rb') as f:
     data=f.read(3) # 读取3个Bytes

之前文件内指针的移动都是由读/写操作而被动触发的，若想读取文件某一特定位置的数据，则则需要用f.seek方法主动控制文件内指针的移动，详细用法如下：

f.seek(指针移动的字节数,模式控制):

模式控制:

0: 默认的模式,该模式代表指针移动的字节数是以文件开头为参照的

1: 该模式代表指针移动的字节数是以当前所在的位置为参照的

2: 该模式代表指针移动的字节数是以文件末尾的位置为参照的

强调:其中0模式可以在t或者b模式使用,而1跟2模式只能在b模式下用

0模式：

# a.txt用utf-8编码，内容如下（abc各占1个字节，中文“你好”各占3个字节）
abc你好

# 0模式的使用
with open('a.txt',mode='rt',encoding='utf-8') as f:
    f.seek(3,0)     # 参照文件开头移动了3个字节
    print(f.tell()) # 查看当前文件指针距离文件开头的位置，输出结果为3
    print(f.read()) # 从第3个字节的位置读到文件末尾，输出结果为：你好
    # 注意：由于在t模式下，会将读取的内容自动解码，所以必须保证读取的内容是一个完整中文数据，否则解码失败

with open('a.txt',mode='rb') as f:
    f.seek(6,0)
    print(f.read().decode('utf-8')) #输出结果为: 好

1模式：

# 1模式的使用
with open('a.txt',mode='rb') as f:
    f.seek(3,1) # 从当前位置往后移动3个字节，而此时的当前位置就是文件开头
    print(f.tell()) # 输出结果为：3
    f.seek(4,1)     # 从当前位置往后移动4个字节，而此时的当前位置为3
    print(f.tell()) # 输出结果为：7

2模式：

# a.txt用utf-8编码，内容如下（abc各占1个字节，中文“你好”各占3个字节）
abc你好

# 2模式的使用
with open('a.txt',mode='rb') as f:
    f.seek(0,2)     # 参照文件末尾移动0个字节， 即直接跳到文件末尾
    print(f.tell()) # 输出结果为：9
    f.seek(-3,2)     # 参照文件末尾往前移动了3个字节
    print(f.read().decode('utf-8')) # 输出结果为：好

# 小练习：实现动态查看最新一条日志的效果
import time
with open('access.log',mode='rb') as f:
    f.seek(0,2)
    while True:
        line=f.readline()
        if len(line) == 0:
            # 没有内容
            time.sleep(0.5)
        else:
            print(line.decode('utf-8'),end='')

六.文件的修改

在Python中seek函数用与移动文件中指针位置和指定指针移动偏移量大小

seek函数用于移动文件中指针位置和指定指针移动偏移量大小。
seek()函数格式为：

file. seek(offset[, whence])

offset是偏移量，可正可负，正数表示向后面移动offset位，负数表示向前面移动offset位；

whence有0,1,2三个参数，0表示将指针移动到文件开头，1表示将指针移动到当前位置，2表示将指针移动到文件结尾。

with open("字母表.txt", "r") as f:
    a = f.read()
    # 读取文件中所有字符
    print(a)

    # 从第三位开始输出
    f.seek(2, 0)
    print(f.read())  # 从索引2开始输出

# 结果输出为
ABCDEFGHIJKLMN
CDEFGHIJKLMN

# 这里需要注意，一个中文占三个字节，参数为9的话正好是三个中文字符，所以光标移动到索引为9的位置进行插入
# 文件a.txt内容如下
张一蛋     山东    179    49    12344234523
李二蛋     河北    163    57    13913453521
王全蛋     山西    153    62    18651433422

# 执行操作
with open('a.txt',mode='r+t',encoding='utf-8') as f:
    f.seek(9)
    f.write('<妇女主任>')
    
# 文件修改后的内容如下
张一蛋<妇女主任> 179    49    12344234523
李二蛋     河北    163    57    13913453521
王全蛋     山西    153    62    18651433422

# 强调：
# 1、硬盘空间是无法修改的,硬盘中数据的更新都是用新内容覆盖旧内容
# 2、内存中的数据是可以修改的