python积累--读写文本文件实例

读写文件是最常见的 IO 操作。我们经常从文件读取输入，将内容写到文件。

读文件

在 Python 中，读文件主要分为三个步骤：
打开文件
读取内容
关闭文件

一般使用形式如下：

try:
    f = open('/path/to/file', 'r')    # 打开文件
    data = f.read()                   # 读取文件内容
finally:
    if f:
        f.close()                     # 确保文件被关闭

注意到，我们在代码中加了 try…finally，这是因为，如果打开和读取文件时出现错误，文件就没有被关闭。为了确保在任何情况下，文件都能被关闭，我们加了 try…finally。

上面的代码中，‘r’ 模式表示读模式，open 函数的常用模式主要有：

‘r'	读模式
‘w'	写模式
‘a'	追加模式
‘b'	二进制模式（可添加到其他模式中使用）
‘+'	读/写模式（可添加到其他模式中使用）

上面的读文件做法很繁琐，我们可以使用 Python 的 with 语句来帮我们自动调用 close 方法：

with open('/path/to/file', 'r') as f:
    data = f.read()

可以看到，这种方式很简洁，而且还能在出现异常的情况下自动关闭文件。
强烈推荐。

通常而言，读取文件有以下几种方式：

一次性读取所有内容，使用 read() 或 readlines()；
按字节读取，使用 read(size)；
按行读取，使用 readline()；

读取所有内容

读取所有内容可以使用 read() 或 readlines()。我们在上面已经介绍过 read() 了，现在，让我们看看 readlines()。

readlines() 方法会把文件读入一个字符串列表，在列表中每个字符串就是一行。

假设有一个文件 data.txt，它的文件内容如下（数字之间的间隔符是’\t’）：

10  1   9   9
6   3   2   8
20  10  3   23
1   4   1   10
10  8   6   3
10  2   1   6

我们使用 readlines() 将文件读入一个字符串列表：

with open('data.txt', 'r') as f:
    lines = f.readlines()
    line_num = len(lines)
    print lines
    print line_num

执行结果：

['10\t1\t9\t9\n', '6\t3\t2\t8\n', '20\t10\t3\t23\n', '1\t4\t1\t10\n', '10\t8\t6\t3\n', '10\t2\t1\t6']
6

可以看到，列表中的每个元素都是一个字符串，刚好对应文件中的每一行。

按字节读取

如果文件较小，一次性读取所有内容确实比较方便。但是，如果文件很大，比如有 100G，那就不能一次性读取所有内容了。这时，我们构造一个固定长度的缓冲区，来不断读取文件内容。

看看例子：

with open('path/to/file', 'r') as f:
    while True:
        piece = f.read(1024)        # 每次读取 1024 个字节（即 1 KB）的内容
        if not piece:
            break
        print piece

在上面，我们使用 f.read(1024) 来每次读取 1024 个字节（1KB） 的文件内容，将其存到 piece，再对 piece 进行处理。

事实上，我们还可以结合 yield 来使用：

def read_in_chunks(file_object, chunk_size=1024):
    """Lazy function (generator) to read a file piece by piece.
    Default chunk size: 1k."""
    while True:
        data = file_object.read(chunk_size)
        if not data:
            break
        yield data

with open('path/to/file', 'r') as f:
    for piece in read_in_chunks(f):
        print piece

逐行读取

在某些情况下，我们希望逐行读取文件，这时可以使用 readline() 方法。

看看例子：

with open('data.txt', 'r') as f:
    while True:
        line = f.readline()     # 逐行读取
        if not line:
            break
        print line,             # 这里加了 ',' 是为了避免 print 自动换行

执行结果：

10  1   9   9
6   3   2   8
20  10  3   23
1   4   1   10
10  8   6   3
10  2   1   6

文件迭代器

在 Python 中，文件对象是可迭代的，这意味着我们可以直接在 for 循环中使用它们，而且是逐行迭代的，也就是说，效果和 readline() 是一样的，而且更简洁。

看看例子：

with open('data.txt', 'r') as f:
    for line in f:
        print line

在上面的代码中，f 就是一个文件迭代器，因此我们可以直接使用 for line in f，它是逐行迭代的。

看看执行结果：

10  1   9   9
6   3   2   8
20  10  3   23
1   4   1   10
10  8   6   3
10  2   1   6

再看一个例子：

with open(file_path, 'r') as f:
    lines = list(f)
    print lines

执行结果：

['10\t1\t9\t9\n', '6\t3\t2\t8\n', '20\t10\t3\t23\n', '1\t4\t1\t10\n', '10\t8\t6\t3\n', '10\t2\t1\t6']

可以看到，我们可以对文件迭代器执行和普通迭代器相同的操作，比如上面使用 list(open(filename)) 将 f 转为一个字符串列表，这样所达到的效果和使用 readlines 是一样的。

读取其他文件

二进制文件
前面讲的默认都是读取文本文件，并且是UTF-8编码的文本文件。要读取二进制文件，比如图片、视频等等，用’rb’模式打开文件即可：

>>> f = open('/Users/michael/test.jpg', 'rb')
>>> f.read()
b'\xff\xd8\xff\xe1\x00\x18Exif\x00\x00...' # 十六进制表示的字节

字符编码

要读取非UTF-8编码的文本文件，需要给open()函数传入encoding参数，例如，读取GBK编码的文件：

>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk')
>>> f.read()

异常编码字符处理

遇到有些编码不规范的文件，你可能会遇到UnicodeDecodeError，因为在文本文件中可能夹杂了一些非法编码的字符。遇到这种情况，open()函数还接收一个errors参数，表示如果遇到编码错误后如何处理。最简单的方式是直接忽略：

>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')

read()、readline() 和 readlines()对比

Python的文本文件的内容读取中，有三类方法：read()、readline()、readlines()，这三种方法各有利弊，下面逐一介绍其使用方法和利弊。

假设 sxl.txt文件内容如下：

i like the movie
i ate an egg

###read()方法

read（）方法表示一次读取文件全部内容，该方法返回字符串。

f = open("sxl.txt")
lines = f.read()
print lines
print(type(lines))
f.close()

输出结果：

i like the movie
i ate an egg
<class 'str'>

read()是最简单的一种方法，一次性读取文件的所有内容放在一个大字符串中，即存在内存中。

read()的利端：
方便、简单
一次性独读出文件放在一个大字符串中，速度最快
read()的弊端：
文件过大的时候，占用内存会过大

readline（）方法

该方法每次读出一行内容，所以，读取时占用内存小，比较适合大文件，该方法返回一个字符串对象。

f = open("sxl.txt")
line = f.readline()
while line:
    print (line)
    print(type(line))
    line = f.readline()
f.close()

输出结果：

i like the movie
<class 'str'>
i ate an egg
<class 'str'>

readline()逐行读取文本，结果是一个list。
readline()的利端：
占用内存小，逐行读取
readline()的弊端：
由于是逐行读取，速度比较慢

readlines（）方法

readlines()方法读取整个文件所有行，保存在一个列表(list)变量中，每次读取一行，但读取大文件会比较占内存。

f = open("sxl.txt")
lines = f.readlines()
for line in lines:
    print (line)
    print(type(line))
f.close()

输出结果：

i like the movie
<class 'str'>
i ate an egg
<class 'str'>

readlines()一次性读取文本的所有内容，结果是一个list

这种方法读取的文本内容，每行文本末尾都会带一个’\n’换行符 (可以使用L.rstrip(’\n’)去掉换行符）

readlines()的利端：
一次性读取文本内容，速度比较快
readlines()的弊端：
随着文本的增大，占用内存会越来越多

最后还有一种方式，与第三种方法类似。

f = open("sxl.txt")
print (type(f))
for line in f:
    print (line)
    print(type(line))
f.close()

输出结果：

<class '_io.TextIOWrapper'>
i like the movie
<class 'str'>
i ate an egg
<class 'str'>

#写文件

写文件使用 write 方法，如下：

with open('/Users/ethan/data2.txt', 'w') as f:
    f.write('one\n')
    f.write('two')

如果上述文件已存在，则会清空原内容并覆盖掉；
如果上述路径是正确的（比如存在 /Users/ethan 的路径），但是文件不存在（data2.txt 不存在），则会新建一个文件，并写入上述内容；
如果上述路径是不正确的（比如将路径写成 /Users/eth ），这时会抛出 IOError；
如果我们想往已存在的文件追加内容，可以使用 ‘a’ 模式，如下：

with open('/Users/ethan/data2.txt', 'a') as f:
    f.write('three\n')
    f.write('four')

#小结
推荐使用 with 语句操作文件 IO。
如果文件较大，可以按字节读取或按行读取。
使用文件迭代器进行逐行迭代。