文件与IO(一)

所有程序都要处理输入和输出，处理不同类型的文件，包括文本和二
进制文件，文件编码和其他相关的内容。对文件名和目录的操作也会涉及到。

写文本数据

#!usr/bin/python3
# Read the entire file as a single string
with open('somefile.txt', 'rt') as f:
    data = f.read()
print('*' * 50)

# Iterate over the lines of the file
with open('somefile.txt', 'rt') as f:
    print(type(f))
    for file in f:
        print(file)

写文本数据

import re

def count_lines1():
    # print the lines of file
    with open('somefile.txt', 'rt') as f:
        data = f.read()
    lst = data.split('\n')
    return len(lst)


def count_lines2():
    with open('somefile.txt', 'rt') as f:
        data = f.read()
    # lst = re.findall(r'[\w]*', data)
    lst = re.split(r'[\n]', data)
    return len(lst)


def wt1():
    # Write chunks of text data
    with open('somefile.txt', 'wt') as f:
        f.write(text0 + '\n')
        f.write(text1 + '\n')
        f.write(text2 + '\n')
        f.write(text3 + '\n')
        f.write(text4 + '\n')


def wt2():
    # Redirected print statement
    with open('somefile.txt', 'wt') as f:
        print(text0, file=f)
        print(text1, file=f)
        print(text2, file=f)
        print(text3, file=f)
        print(text4, file=f)


def read_various(filename):
    'handle various data type'
    # 文件的读写操作默认使用系统编码，可以通过调用 sys.getdefaultencoding() 来得到
    # 几个常见的编码是 ascii, latin-1, utf-8 和 utf-16。
    # 在 web 应用程序中通常都使用的是 UTF-8。
    # 当读取一个未知编码的文本时使用 latin-1 编码永远不会产生解码错误
    new_f = open('new_test.txt', 'wt', encoding='latin-1')
    with open(filename, 'rt', encoding='latin-1') as f:
        for i, line in enumerate(f, 1):
            # 就算读出来乱码，写进入依然完整
            print(i, line)
            new_f.write(line)


if __name__ == '__main__':
    text0 = '卞之琳'
    text1 = '你在窗口看风景'
    text2 = '我在桥上看你'
    text3 = '明月装饰了你的窗子'
    text4 = '你装饰了别人的梦'
    # wt2()
    # print(count_lines2())
    read_various('somefile.txt')

windows和Unix中文件不同

'''在 Unix 和 Windows 中是不一样的 (分别
是 \n 和 \r\n )。默认情况下，Python 会以统一模式处理换行符。这种模式下，在读
取文本的时候，Python 可以识别所有的普通换行符并将其转换为单个 \n 字符。类似
的，在输出时会将换行符 \n 转换为系统默认的换行符。：'''


# 如果你不希望这种默认的处理方式，可以给 open() 函数传入参数 newline='' ，就像下面这样
def read_no_newline(filename):
    # Read with disable newline translation
    with open(filename, 'rt', newline='') as f:
        data = f.read()
        print(data)


# 读取一个win上的文件，content is "hello world!\r\n"
def read_win(filename):
    # Newline translation enabled (the default)
    with open(filename, 'rt') as f:
        print(f.read())

    # Newline translation disable
    with open(filename, 'rt', newline='') as g:
        print(g.read())

    '''
    通过:set encoding查看编码encoding=euc-cn 
    这个通过命令行比较好观察
    >>> file = 'hello.txt'
    >>> f = open(file, 'rt') 
    >>> f.read()
    'hello world!\n'
    >>> f.close()
    >>> g = open(file, 'rt', newline='')
    >>> g.read()
    'hello world!\r\n'
    >>> 
    
    '''


# 编码或解码错误
def produce_error(filename):
    f = open(filename, 'rt', encoding='ascii')
    print(f.read())
    f.close()


def handle_error(filename):
    # Replace bad chars with Unicode U+fffd replacement char
    f = open(filename, 'rt', encoding='ascii', errors='replace')
    print(f.read())
    f.close()

    print('*' * 100)

    # Ignore bad chars entirely
    g = open(filename, 'rt', encoding='ascii', errors='ignore')
    print(g.read())
    g.close()

    print('*' * 100)

    b = open(filename, 'rt', encoding='latin-1')
    print(b.read())
    b.close()


if __name__ == '__main__':
    '''对
于文本处理的首要原则是确保你总是使用的是正确编码。当模棱两可的时候，就使用默
认的设置 (通常都是 UTF-8)。'''
    read_win('hello.txt')
    # produce_error('sample')
    # handle_error('sample')
    pass