python檔案處理

檔案操作介紹

python中的都是用 open() 函數，調用 open() 函數，應用程式會發起系統調用 open(...) ，進而對檔案完成操作~。以下示例均在 python3 環境中完成~

讀取檔案

簡單讀取

讀取檔案示例：

f = open(file='/Users/luyi/tmp/abc', mode='r', encoding='utf-8')
data = f.read()       # 讀取檔案中所有資料
print(data)             # 列印檔案内容
f.close()                 # 關閉作業系統級打開的檔案           

複制

open() 函數參數說明：

file：指定檔案路徑
mode：指定打開檔案的模式，r 表示隻讀模式，還有很多其他模式，下面會依次介紹
encoding：指定從檔案中讀取的資料使用什麼解碼标準（decode），解碼後以unicode的形式存放到記憶體中~。注意：若不指定encoding，打開檔案的預設編碼就是作業系統的預設編碼，簡體中文版的windows是gbk，linux下是utf-8。以什麼編碼存放，就應該以什麼編碼讀取~           

複制

讀取檔案操作的注意點：

1）讀取動作完成之後，需要關閉作業系統級打開的檔案（f.close()）

2）回收應用程式級的變量（del f）

Tip：f 變量沒有引用之後，python垃圾回收機制會自動回收 f 變量，無需手動進行。但是f.close()必須手動完成，否則會持續占用系統資源，直至程式運作結束~

也有一種方式 不需要手動關閉系統級資源

with open() as f:
    pass

# 将上述代碼進行調整
with open(file = '/Users/luyi/tmp/abc', mode = 'r', encoding = 'utf-8') as f:
    data = f.read()
    print(data)           

複制

Tip：with段代碼運作結束，系統級打開的檔案會自動被關閉~

with 還可以同時打開多個檔案，如下示例實作了檔案的檔案的逐行複制，其中涉及到的方法下面會介紹：

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'r', encoding='utf-8') as read_file, open(file = '/Users/luyi/tmp/cde.txt', mode = 'w', encoding='utf-8') as write_file:
    for line in read_file:
        write_file.write(line)           

複制

在讀取檔案時，若不清楚正在打開的檔案是什麼編碼，可以使用chardet子產品探測檔案的編碼方式

import chardet
result = chardet.detect(open('/Users/luyi/tmp/abc.txt', mode='rb').read())
print(result)

結果輸出：
{'encoding': 'utf-8', 'confidence': 0.87625, 'language': ''}           

複制

上述示例中，使用 'rb' 模式打開檔案，即以隻讀，且以位元組為機關打開檔案。非文本檔案隻能使用 b 模式打開，因為檔案本身就是以位元組的形式存放在儲存設備上的。文本檔案可以使用位元組模式打開，也可以 以本文模式打開（預設），圖檔格式的檔案（jpg，png...）、視訊音頻格式檔案（mp3、mp4、avi...）則隻能以位元組模式打開。

當文本檔案使用位元組模式打開時，open函數中不能使用 encoding 參數，若要轉成unicode，隻能現将資料讀到記憶體，然後手動decode~

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'rb', encoding = 'utf-8') as f:
    print(f.read())

# open中使用 encoding參數，會直接抛出錯誤資訊
ValueError: binary mode doesn't take an encoding argument

#############

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'rb') as f:
    data = f.read()
    print(data)                           # 原樣輸出内容
    print(data.decode('utf-8'))  # 解碼後輸出文本内容

輸出結果：
b'\xe4\xbd\xa0\xe5\xa5\xbd\xef\xbc\x8ckitty\n'
你好，kitty           

複制

循環檔案

f = open("abc.txt",'r',encoding="utf-8")
data = f.read()           

複制

使用這種方式讀取檔案，會一次性将檔案中所有的資料讀到記憶體中，如果檔案很大，這會給記憶體造成很大的壓力，這并不是一種合理的讀取檔案方式。這時候可以逐行擷取資料~

# 使用 readline() 僅讀取文本的一行内容，光标從檔案的開頭移動到一行的末尾（隻讀一行，遇到\r 或者 \n 為止），然後讀物第二行
with open(file = '/Users/luyi/tmp/def.txt', mode = 'r', encoding='utf-8') as f:
    data = f.readline()         # 僅讀取一行
    print(data)

# 使用 while 循環周遊檔案
with open(file = '/Users/luyi/tmp/def.txt', mode = 'r', encoding='utf-8') as f:
    line = f.readline()
    while line:                   # 當 line 不為None，繼續讀取檔案
        print(line, end='')    # print() 自帶換行功能，line中已有'\n'，print不用再換行，是以加上參數end=''
        line = f.readline()

# 使用 for 循環周遊 f 變量也是逐行讀取檔案内容，與 readline() 類似。這裡其實内部調用了 f 變量的next()方法，逐行疊代檔案對象，這種方式的周遊貌似比 readline() 要來的簡單明了。
with open(file = '/Users/luyi/tmp/def.txt', mode = 'r', encoding='utf-8') as f:
    for line in f:
        print(line, end='')           

複制

Tip：在調用next()方法時，不能同時調用 tell() 方法擷取檔案光标位置

和 readline() 功能類似的還有個 readlines() ，readlines()會将檔案的内容一次性擷取，并存儲為清單，檔案每一行内容為清單的一個元素~

with open(file = '/Users/luyi/tmp/def.txt', mode = 'r', encoding='utf-8') as f:
    line = f.readlines()
    print(type(line))
    print(line)

結果輸出：
<class 'list'>
['1.aaaaaaaaa\n', '2.bbbbbbbbb\n', '3.ccccccccc\n', '4.ddddddddd\n', '5.eeeeeeeee\n', '6.fffffffff\n']           

複制

寫檔案

python寫檔案，同樣使用open()，模式使用 'w'（隻寫），'wb'（二進制寫），'w+'（可讀可寫）~

直接寫

f = open(file = '/Users/luyi/tmp/abc.txt', mode = 'w', encoding = 'utf-8')
f.write('你好~~，hello')
f.close()       # 同樣需要注意，關閉系統級别的資源           

複制

open() 參數說明：

file：指定檔案路徑，若該目錄下檔案不存在，會建立，若檔案存在，直接覆寫；若目錄不存在，抛出錯誤
mode='w'：指定為隻寫模式
encoding：指定寫入到檔案時，使用的編碼标準，即将 記憶體中 unicode 格式的資料 按照指定編碼标準編碼後進行存儲（這裡是 encoding 過程，和read相反）           

複制

同樣可以使用 with open() 方式代替：

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'w', encoding = 'utf-8') as f:
    f.write('你好!!，hello')           

複制

二進制寫

二進制寫 的模式為 'wb'，當指定 mode='wb' ，寫入資料時必須傳入位元組類型的資料（bytes類型），且需要手動添加換行符（\n）

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'wb') as f:
    f.write('你好~~，hello'.encode('utf-8'))           

複制

Tip：這裡由于是'wb'模式，write()函數中需要傳入bytes類型的資料，直接使單引号或雙引号包含的資料是 str 類型，str 類型的資料 encode 之後，傳回的是 bytes類型，或者也可以使用 b'' ~

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'wb') as f:
    f.write(b'abc')          # bytes 類型隻能包含 ASCII 碼字元           

複制

同時寫入多行使用writelines()函數

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'w', encoding='utf-8') as f:
    f.writelines(['111111\n', '222222\n', '333333\n'])    # 需要自己添加換行符

# wb模式
with open(file = '/Users/luyi/tmp/abc.txt', mode = 'wb') as f:
    f.writelines([bytes('你好\n'.encode('utf-8')), 'kitty\n'.encode('utf-8')])           

複制

Tip：f.flush() 可立刻将檔案内容從記憶體刷到磁盤

注意點：當以 'w' 、'wb'、'w+'（寫讀模式，很少用） 模式打開檔案時，在打開檔案的同時會将檔案内容清空~

讀寫模式

打開檔案模式還有讀寫模式，打開後可進行讀寫操作，即 mode='r+'；

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'r+', encoding='utf-8') as f:
    print(f.read())
    f.write('你好~~，hello')           

複制

追加檔案

打開檔案時，若使用模式 “a” 或 “ab” ，則隻能對檔案進行追加，即：在原來内容的尾部追加内容~

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'a', encoding='utf-8') as f:
    f.write('aaaaaaa\n')
    f.write('vvvvvvv\n')

檔案内容：
你好
kitty
aaaaaaa
vvvvvvv           

複制

檔案操作的各種模式說明

操作檔案的模式列舉

模式	說明
'r'	讀模式
'w'	寫模式
'a'	追加模式
'b'	二進制模式
't'	text 模式（預設）
'+'	同時讀寫某個檔案
'x'	隻寫模式，檔案不存在 自動建立，檔案原先就存在則報錯

除了上述幾個模式，還有以上模式的各種組合~

常用的模式還有：

rb'，'wb'，'ab' # 非文本檔案，隻能使用 'b' 模式打開

'r+'，'w+'，'a+' # 都表示可讀寫，但是注意了 'w+' 模式打開檔案，會首先清空檔案，是以一般模式 'w+' 很少用，使用模式 'a+' 時，光标會直接跳到檔案的最後，是以之前的内容讀不到~

針對檔案的其他操作

其他檔案操作的常用函數：

def writable(self, *args, **kwargs): # real signature unknown
        判斷檔案是否可寫

def readable(self, *args, **kwargs): # real signature unknown
        判斷檔案是否可讀

def fileno(self, *args, **kwargs): # real signature unknown
        傳回檔案句柄在核心中的索引值，做IO多路複用時可以用到

def seek(self, *args, **kwargs): # real signature unknown
        移動光标移到指定位置，注意這裡移動光标的機關是位元組

def seekable(self, *args, **kwargs): # real signature unknown
        判斷檔案是否可進行 seek 操作

def tell(self, *args, **kwargs): # real signature unknown
        傳回目前檔案操作光标位置 

def truncate(self, *args, **kwargs): # real signature unknown
        按指定長度截斷檔案，經個人測試 python3中的 truncate 方法貌似已經失效           

複制

在對檔案操作的過程中，光标會不斷移動，例如readline()方法讀取一行資訊後，光标會移動至目前行的末尾，writeline()光标也會移動至目前行末尾（寫過程貌似光标一直在末尾）~

光标移動的機關和檔案被打開的模式相關，若檔案以文本模式打開時，read(5) 會使光标向後移動5個字元；若檔案以非文本模式打開（'b'模式），則 read() 會向後移動5個位元組。seek函數不管模式是什麼，光标移動的機關都是位元組~

例如文本内容如下：

123456789
abcdefghi           

複制

code：

with open(file = '/Users/luyi/tmp/abc.txt', mode = 'r+', encoding='utf-8') as f:
    f.seek(5)
    print(f.readline())
    print(f.tell())        # 輸出目前光标位置

結果輸出：
6789

10           

複制

seek 方法可接受2個參數：

fileObject.seek(offset[, whence])           

複制

offset：光标的偏移量，以位元組為機關

whence：可選參數，預設值為 0。表示要從哪個位置開始偏移；0 代表從檔案開頭開始偏移，1 代表從目前位置開始偏移，2 代表從檔案末尾開始偏移。

.................^_^