（7）python 之 文件操作（open函数） 与Unicode编码

1 操作文件 open()函数详解

 

open() 函数用于创建或打开指定文件，语法格式：

file = open(file_name , mode='r' , buffering=-1 , encoding = 'utf-8')

file：表示要创建的文件对象。

file_name：要创建或打开文件的文件名称（最好绝对路径）

mode：可选，用于指定文件的打开模式。如果不写，则默认以只读（r）模式打开文件。

可选模式：

r：只读(文件必须存在);  w:只写 (若文件存在，会覆盖文件；反之，则创建新文件)

a：以追加模式打开一个文件（存在，追加；不存在，创建）

buffering：可选，用于指定对文件做读写操作时，是否使用缓冲区。

encoding：手动设定所使用的编码格式，不同平台的 ecoding 参数值也不同，以 Windows 为例，其默认为 cp936（实际上就是 GBK 编码）

参考链接：Python open()函数详解：打开指定文件 (biancheng.net)

实际使用：

 方式1：

定义一个open的方法

def open_flat(output_path_flie, mode):
    try:
        out = open(output_path_flie, mode, encoding='utf-8')
        return out
    except Exception as e:
        raise e

调用：

写出模式：
fileObj= open_flat(output_path_flie, 'w') #创建操作文件对象
txt='xxxxx'
fileObj.write('\007'.join(txt) + "\n") #写出 '\007'.join, 每个元素间用\007连接
output.flush()
output.close() #关闭

解析 '\007'.join ：
# 连接多个字符串
strs = ['a', 'b', 'c', 'd']     # 要连接的字符串数组
sep = '\007'                       # 字符串之间的分隔符
s = sep.join(strs)              # 连接
print s                         # 输出 a\x07b\x07c\x07d

方式2：
txt='xxxxx'
with open(output_path_flie, 'w') as csv_write：#创建操作文件对象 自带关闭csv_write.write('\007'.join(txt).encode('utf-8')+'\n') #写出

读取模式：
with open(source_file, 'r', encoding='utf-8') as f:
    for lines in f.readlines():
       line = lines.strip().split(' ')
       id = line[0]
       content = line[1]

使用with语句，文件会在with代码块结束后自动关闭

2 其他常用函数

2.1 tall():可给出句柄当前文件的位置，返回整数值

实际使用：

f = open(path)
f.read(10)
f2 = open(path, 'rb')  # Binary mode
f2.read(10)
f.tall() #返回11，当前文件读取是10，但是默认编码，需要设置解密，故多了一个
f2.tall() #返回10

 2.2 getdefaultencoding()

import sys
sys.getdefaultencoding()系统默认编码

2.3 seek()：移动到指定的位置（整数）

f.seek(3)  #返回3

2.4 read(size):将文件数据作为字符串返回，可选参数size控制读取的字节数

2.5 readlines(size):返回文件中行内容的列表，size参数可选

2.6 write(str)：将字符串写出文件

2.7 writelines(strs):将字符串序列写出文件

2.8 close()：关闭文件；closed：如文件已关闭，则为true

2.9 flush() ：将内部I/O缓冲器内容刷新到硬盘

3 字节与unicode文件

3.1定义

默认的python文件行为是文本模式，需处理python的字符串，

据文本编码，可能将字节解码为str对象，但只有每个已编码的unicode字段完整的情况下，才能进行解码

3.2 使用

文本模式下，用open方法的选项参数encoding,将文件内容从unicode编码转码为其他类型的编码

with open(path,encoding='utf8') as f:

3.3常用函数

str.encode('utf-8')：字符串解密

str.decode('utf-8')：字符串加密

除二进制模式，在打开文件时使用seek要当心，如文件的句柄位置恰好在unicode中间，后续读取会导致错误

 实际使用：文件中含有中文，且区分直接编码成gbk

先将系统默认编码改成utf8，再utf8转gbk即可

# -*- coding: utf-8 -*-

with open(write_path, 'a') as f:

sql = sql.encode('utf-8').decode('utf-8').encode('gbk').decode('gbk')

本篇知识点参考《利用python进行数据分析》，更多知识请阅读原书