python 文件操作总结
文件操作对于编程语言的重要性不言而喻,如果数据不能持久保存,信息技术也就失去了意义。
文件操作的内容包括打开文件,操作文件,关闭文件
关于文件操作的相关模块请参考博客:https://www.cnblogs.com/wj-1314/p/8557077.html
一,打开文件
python中打开文件的函数为open('filename',mode='r',encode='None'),open函数默认返回文件的句柄,我们可以根据句柄来对文件进行增,删,改,查的操作。将句柄赋给我们定义的变量,假设我们定义变量为f,则f=open('filename',mode='r',encode='utf-8') 或者with open('filename') as f。
注意点:
1.python解释器打开文件时,是对硬盘进行操作,需要内核态才可以操作硬盘,故此时python解释器是调用操作系统的文件读取接口。windows中文版本默认使用GBK编码表,linux默认使用utf-8,所有如果操作的文件在windows下,非GBK编码的,需要在open函数中声明编码类型,使操作系统运用相应的编码规则进行解码读取,防止串码,乱码现象。
2.open主要有三种模式,读(r),写(w),追加(a),其中,默认为读模式。各个模式的详解,见下文。
二,关闭文件
关闭文件有两组方式:
1.使用f.close() ,f为open返回的句柄赋值的变量名。
2.程序结束后,自动关闭。第一个方法容易造成文件写操作时,数据的丢失。原因是写数据时,数据会先保存在内存中,文件关闭时才会写入硬盘,此时如果文件未关闭,软件因为异常崩溃,导致内存中的数据丢失,且未写入硬盘中。作为第一种关闭方法的优化,是使用:with open('filename') as f 。with会创建一个程序块,将文件操作置于with程序块下,这样with控制块结束,文件也会自动关闭。
语法如下:
with open('f1.txt') as f1 , open('f2.txt') as f2: ......
三,操作文件
3.1 file的基本方法
方法 |
功能 |
F.read([size]) |
size为读取的长度,以byte为单位 |
F.readline([size]) |
如果定义了size,有可能返回的只是一行的一部分 |
F.readlines([size]) |
把文件每一行作为一个list的一个成员,并返回这个list。其实它的内部是通过循环调用readline()来实现的。如果提供size参数,size是表示读取内容的总长,也就是说可能只读到文件的一部分 |
F.write(str) |
把str写到文件中,write()并不会在str后加上一个换行符 |
F.writelines(seq) |
把seq的内容全部写到文件中。这个函数也只是忠实地写入,不会在每行后面加上任何东西 |
F.close() |
关闭文件。python会在一个文件不用后自动关闭文件,不过这一功能没有保证,最好还是养成自己关闭的习惯。如果一个文件在关闭后还对其进行操作会产生ValueError |
F.flush() |
把缓冲区的内容写入硬盘 ,即将内存中的数据刷新到银盘上 |
F.fileno() |
返回一个长整型的”文件标签“ |
F.isatty() |
文件是否是一个终端设备文件(unix系统中的) |
F.tell() |
返回文件操作标记的当前位置,以文件的开头为原点 |
F.next() |
返回下一行,并将文件操作标记位移到下一行。把一个file用于for ... in file这样的语句时,就是调用next()函数来实现遍历的。 |
F.seek(offset[,whence]) |
将文件打操作标记移到offset的位置。这个offset一般是相对于文件的开头来计算的,一般为正数。但如果提供了whence参数就不一定了,whence可以为0表示从头开始计算,1表示以当前位置为原点计算。2表示以文件末尾为原点进行计算。需要注意,如果文件以a或a+的模式打开,每次进行写操作时,文件操作标记会自动返回到文件末尾 |
F.truncate([size]) |
把文件裁成规定的大小,默认的是裁到当前文件操作标记的位置。如果size比文件的大小还要大,依据系统的不同可能是不改变文件,也可能是用0把文件补到相应的大小,也可能是以一些随机的内容加上去。如果没有指定 size,则从当前位置起截断;截断之后 size 后面的所有字符被删除。 |
3.2 文件的读取、创建、追加、删除、清空
一,用python创建一个新文件,内容是0到9的整数,每个数字占一行
f = open('f.txt','w') for i in range(0,10): f.write(str(i)+'\n')
f.close()
二,文件内容追加,从0到9的10个随机整数
import random f = open('f.txt','a') for i in range(0,10): f.write(str(random.randint(0,9))) f.write('\n') f.close()
三、文件内容追加,从0到9的随机整数, 10个数字一行,共10行
import random f = open('f.txt','a') for i in range(0,10): for i in range(0,10): f.write(str(random.randint(0,9))) f.write('\n') f.close()
四、把标准输出定向到文件
import sys sys.stdout = open('stdout.txt','w')
五,文件的读写
5.1,文件打开
f = file(name[, mode[, buffering]]) name 文件名 mode 选项,字符串 buffering 是否缓冲 (0=不缓冲,1=缓冲, >1的int数=缓冲区大小)
文件的读写属性
file对象有自己的属性和方法。先来看看file的属性。(+和b可以和其他的字符组合成mode,例如rb以二进制只读方式打开,mode参数是可选的,如果没有默认为r)
(注意:文件打开之后,应当被及时关闭,可以查看f.closed属性以确认文件是否被关闭)
mode |
function |
r |
只读模式(默认,文件不存在,则发生异常)文件的指针将会放在文件的开头 |
w |
只写模式(可读,文件不存在则创建,存在则删除内容,再打开文件) |
a |
追加模式(只能写,文件不存在则创建,存在则追加内容) |
r+ |
可读写模式(可读,可写,可追加),如果文件存在,则覆盖当前文件指针所在位置的字符,如原来文件内容是"Hello,World",打开文件后写入"hi"则文件内容会变成"hillo, World" |
b |
以二进制方式打开(如:FTP发送上传ISO镜像文件,linux可忽略,windows处理二进制文件时需标注) |
w+ |
先写再读(可读,可写,可追加) 如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。 |
a+ |
同a(可读可写,文件不存在则创建,存在则追加内容)。如果该文件已存在,文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在,创建新文件用于读写。 |
rb |
以二进制读方式打开,只能读文件 , 如果文件不存在,会发生异常 |
wb |
以二进制写方式打开,只能写文件, 如果文件不存在,创建该文件 |
ab |
二进制追写文件。 从文件顶部读取内容 从文件底部添加内容 不存在则创建 |
rt |
以文本读方式打开,只能读文件 , 如果文件不存在,会发生异常 |
wt |
以文本写方式打开,只能读文件 , 如果文件不存在,创建该文件。如果文件存在。先清空,再打开文件 |
at |
以文本读写方式打开,只能读文件 , 如果文件不存在,创建该文件。如果文件存在。先清空,再打开文件 |
rb+ |
以二进制读方式打开,可以读、写文件 , 如果文件不存在,会发生异常 |
wb+ |
以二进制写方式打开,可以读、写文件, 如果文件不存在,创建该文件.如果文件存在。先清空,再打开文件 |
ab+ |
追读写二进制。从文件顶部读取内容 从文件底部添加内容 不存在则创建 |
5.2,关闭文件
f.close()
当文件读写完毕后,应关闭文件
六,清空文件内容
f.truncate()
注意:仅当以 "r+" "rb+" "w" "wb" "wb+"等以可写模式打开的文件才可以执行该功能
七,文件的指针定位与查询
7.1,文件指针:
文件被打开后,其对象保存在 f 中, 它会记住文件的当前位置,以便于执行读、写操作,这个位置称为文件的指针( 一个从文件头部开始计算的字节数 long 类型 )。
7.2,文件打开时的位置:
以"r" "r+" "rb+" 读方式, "w" "w+" "wb+"写方式 打开的文件,
一开始,文件指针均指向文件的头部。
7.3,获取文件指针的值:
L = f.tell()
7.4,移动文件的指针
f.seek( 偏移量, 选项 ) 选项 =0 时, 表示将文件指针指向从文件头部到 "偏移量"字节处。 选项 =1 时, 表示将文件指针指向从文件的当前位置,向后移动 "偏移量"字节。 选项 =2 时, 表示将文件指针指向从文件的尾部,,向前移动 "偏移量"字节。
八,从文件读取内容
8.1,文本文件(以"rt"方式打开的文件)的读取
s = f.readline( ) 返回值: s 是字符串,从文件中读取的一行,含行结束符。 说明: (1) 如果 len( s ) =0 表示已到文件尾 (2) 如果是文件的最后一行,有可能没有行结束符
8.2,二进制文件(以"rb"、"rb+"、"wb+" 方式打开的文件)的读取
s = f.read( n ) 说明: (1) 如果 len( s ) =0 表示已到文件尾 (2) 文件读取后,文件的指针向后移动 len(s) 字节。 (3)如果磁道已坏,会发生异常。
九,向文件写入一个字符串
f.write( s ) 参数: s 要写入的字符串 说明: (1)文件写入后,文件的指针向后移动 len(s) 字节。 (2)如果磁道已坏,或磁盘已满会发生异常。 返回值: s 是字符串,从文件中读取的内容
十,删除文件
import os os.remove(file)
import os
os.remove('s.txt')
3.3 python逐行读取文件内容的两种方法
方法一:
for line in open('f.txt'): print(line)
方法二:
f =open('f.txt','r') lines =f.readlines() for i in lines: print(i)
3.4文件定位
tell()方法告诉你文件内的当前位置, 换句话说,下一次的读写会发生在文件开头这么多字节之后。
seek(offset [,from])方法改变当前文件的位置。Offset变量表示要移动的字节数。From变量指定开始移动字节的参考位置。
offset -- 偏移量,也就是代表需要移动偏移的字节数,注意是按照字节算的,字符编码存每个字符所占的字节长度不一样。
如“好好学习” 用gbk存是2个字节一个字,用utf-8就是3个字节,因此以gbk打开时,seek(4) 就把光标切换到了“飞”和“学”两个字中间。
但如果是utf8,seek(4)会导致,拿到了飞这个字的一部分字节,打印的话会报错,因为处理剩下的文本时发现用utf8处理不了了,因为编码对不上了。少了一个字节。
如果from被设为0,这意味着将文件的开头作为移动字节的参考位置。
如果设为1,则使用当前的位置作为参考位置。
如果它被设为2,那么该文件的末尾将作为参考位置。
例子:
#打开一个文件 f =open('f.txt','r+') str_read = f.read(10) print("读取的字符串是:%s" % str_read) #查找当前位置 position = f.tell() print("当前位置: %s" %position) #把指针再次重新定位到文件开头 position =f.seek(0,0) str_read =f.read(10) print("重新读取读取的字符串是:%s" % str_read) #关闭文件 f.close() 结果: 读取的字符串是:2204513940 当前位置: 10 重新读取读取的字符串是:2204513940
3.5 重命名和删除文件
Python的os模块提供了帮你执行文件处理操作的方法,比如重命名和删除文件。
要使用这个模块,你必须先导入它,然后才可以调用相关的各种功能。
rename()方法:
rename()方法需要两个参数,当前的文件名和新文件名。
语法:
os.rename(current_file_name, new_file_name)
例子:
import os #重命名文件f.txt问哦file.txt os.rename('f.txt','file.txt')
remove方法
你可以用remove()方法删除文件,需要提供要删除的文件名作为参数。
语法:
os.remove(file_name)
例子:
import os os.remove('stdout.txt')
3.6 文件修改
硬盘的存储原理就是,当你把文件存到硬盘上,就在硬盘上划了一块空间,存数据,等你下次打开这个文件,会seek到一个位置,每改一个字,就是把原来的覆盖掉,如果要插入,是不可能的,因为后面的数据在硬盘上不会整体向后移动,所以就会出现当前这个情况,你要插入,却变成把旧内容覆盖掉。
所以修改文件,就不要在硬盘上修改,把内容全部读到内存里,数据在内存里可以随便增删改查,修改之后,把内容全部写回硬盘,把原来的数据全部覆盖掉。
当然了,如果有些文件特别大,比如5G,那么一下吃掉这么大内存,非常浪费资源,所以更好的方法就是,如果不像占内存,那么就边读边写,也就是不修改源文件,但是可以打开丢文件的同时,生成一个新文件,边从旧的里面读,边往新的里面写,遇到需要修改的就改了再写道新文件,这样在内存里面一直只存一行内容,就不占内存了,但是也有一个缺点就是,虽然不占内存,但是占硬盘,每次修改,都要生成一份新文件,虽然改完后,可以把旧的覆盖掉,但是在改的过程中,还是有两份数据
3.6.1文件修改占硬盘
代码:
f_name= 'file.txt' f_new_name = 'file_new.txt' old_str = '123' new_str = '123123123' f = open(f_name,'r',encoding='gbk') f_new = open(f_new_name,'w',encoding='gbk') for line in f: if old_str in line: line = line.replace(old_str,new_str) f_new.write(line) f.close() f_new.close()
上面的代码会生成一个修改后的新文件,源文件不动,若想覆盖源文件
代码如下:
import os os.replace(file_new_name,file_name)
3.6.2文件修改占内存
这样不需要占用两个文件,只需要写一个文件,直接r+就可以,但是会出现一个问题,就是要是以前文件内容多,现在少了,那会出错,为了避免这种错误的发生,使用truncate()就ok
userinfo.txt的内容:
1:www.baidu.com 2:www.google.com 3:www.tencent.com 4:www.tianmao.com 5:www.jingdong.com
f.truncate([size]) 把文件裁成规定的大小,默认的是裁到当前文件操作标记的位置。 如果size比文件的大小还要大,依据系统的不同可能是不改变文件, 也可能是用0把文件补到相应的大小,也可能是以一些随机的内容加上去。
file = open('userinfo.txt','r+',encoding='utf-8') print('文件名为:',file.name) line =file.readline() print('读取第一行:%s' %line) #截断剩下的字符串 file.truncate() #尝试再次读取数据 line =file.readline() print('读取数据:%s' %line) file.close() # 结果: # 文件名为: userinfo.txt # 读取第一行:1:www.baidu.com # # 读取数据:2:www.google.com
file = open('userinfo.txt','r+',encoding='utf-8') print('文件名为:',file.name) line =file.readline() print('读取第一行:%s' %line) #截断10的字符串 file.truncate(10) #尝试再次读取数据 line =file.readline() print('读取数据:%s' %line) file.close() 结果: 文件名为: userinfo.txt 读取第一行:1:www.baid 读取数据:
四,补充内容
4.1 各种系统操作
注意:虽然python中提供了各种拼接目录的函数,但是,函数并不能保证字符编码不出问题,很大可能导致程序错误。所以最好还是自己拼接。
python中对文件、文件夹(文件操作函数)的操作需要涉及到os模块和shutil模块。
得到当前工作目录,即当前Python脚本工作的目录路径: os.getcwd() 返回指定目录下的所有文件和目录名:os.listdir() 函数用来删除一个文件:os.remove() 删除多个目录:os.removedirs(r“c:\python”) 检验给出的路径是否是一个文件:os.path.isfile() 检验给出的路径是否是一个目录:os.path.isdir() 判断是否是绝对路径:os.path.isabs() 检查是否快捷方式os.path.islink ( filename ) 检验给出的路径是否真地存:os.path.exists() 返回一个路径的目录名和文件名:os.path.split() eg os.path.split('/home/swaroop/byte/code/poem.txt') 结果:('/home/swaroop/byte/code', 'poem.txt') 分离扩展名:os.path.splitext() 获取路径名:os.path.dirname() 获取文件名:os.path.basename() 运行shell命令: os.system() 读取和设置环境变量:os.getenv() 与os.putenv() 给出当前平台使用的行终止符:os.linesep Windows使用'\r\n',Linux使用'\n'而Mac使用'\r' 指示你正在使用的平台:os.name 对于Windows,它是'nt',而对于Linux/Unix用户,它是'posix' 重命名:os.rename(old, new) 创建多级目录:os.makedirs(r“c:\python\test”) 创建单个目录:os.mkdir(“test”) 获取文件属性:os.stat(file) 修改文件权限与时间戳:os.chmod(file) 终止当前进程:os.exit() 获取文件大小:os.path.getsize(filename)
4.2 各种目录操作
os.mkdir("file") 创建目录 复制文件: shutil.copyfile("oldfile","newfile") oldfile和newfile都只能是文件 shutil.copy("oldfile","newfile") oldfile只能是文件夹,newfile可以是文件,也可以是目标目录 复制文件夹: shutil.copytree("olddir","newdir") olddir和newdir都只能是目录,且newdir必须不存在 重命名文件(目录) os.rename("oldname","newname") 文件或目录都是使用这条命令 移动文件(目录) shutil.move("oldpos","newpos") 删除文件 os.remove("file") 删除目录 os.rmdir("dir")只能删除空目录 shutil.rmtree("dir") 空目录、有内容的目录都可以删 转换目录 os.chdir("path") 换路径 ps: 文件操作时,常常配合正则表达式: img_dir = img_dir.replace('\\','/')
五,文件处理习题
文件操作分为读,写,修改
5.1 读文件
举例如下:
f = open(file=‘userinfo.txt',mode='r',encoding='utf-8') data = f.read() f.close()
上述操作语法解释如下:
file=‘userinfo.txt' 表示文件路径 mode='r' 表示只读(可以修改为其他) encoding='utf-8' 表示将硬盘上的 0101010 按照utf-8的规则去“断句”, 再将“断句”后的每一段0101010转换成unicode的 01010101,unicode对照表中有01010101和 字符的对应关系。 f.read() 表示读取所有内容,内容是已经转换完毕的字符串。 f.close() 表示关闭文件
再看一个例子:
f = open(file='userinfo.txt',mode='rb') data = f.read() f.close()
上述操作语法解释:
file='userinfo.txt' 表示文件路径 mode='rb' 表示只读(可以修改为其他) f.read() 表示读取所有内容,内容是硬盘上原来以某种编码保存010101010,即:某种编码格式的字节类型 f.close() 表示关闭文件
问:两个例子的区别在哪?
答:在于示例2打开文件时并未指定encoding,这是为何?是因为直接以rb模式打开了文件 ,rb是指二进制模式,数据读到内存里直接是bytes格式,如果想内容,还需要手动decode,因此在文件打开阶段,不需要指定编码
问:假设你不知道你要处理的文件是什么编码可怎么办?
import chardet f = open('log',mode='rb') data = f.read() f.close() result = chardet.detect(open('log',mode='rb').read()) print(result)
输出:
{'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'}
注意:
- 文件操作时,以 “r”或“rb” 模式打开,则只能读,无法写入;
- 硬盘上保存的文件都是某种编码的0101010,打开时需要注意:
- rb,直接读取文件保存时原生的0101010,在Python中用字节类型表示
- r和encoding,读取硬盘的0101010,并按照encoding指定的编码格式进行断句,再将“断句”后的每一段0101010转换成unicode的 010101010101,在Python中用字符串类型表示
5.2文件操作的其他功能
def fileno(self, *args, **kwargs): # real signature unknown 返回文件句柄在内核中的索引值,以后做IO多路复用时可以用到 def flush(self, *args, **kwargs): # real signature unknown 把文件从内存buffer里强制刷新到硬盘 def readable(self, *args, **kwargs): # real signature unknown 判断是否可读 def readline(self, *args, **kwargs): # real signature unknown 只读一行,遇到\r or \n为止 def seek(self, *args, **kwargs): # real signature unknown 把操作文件的光标移到指定位置 *注意seek的长度是按字节算的, 字符编码存每个字符所占的字节长度不一样。 如“路飞学城” 用gbk存是2个字节一个字,用utf-8就是3个字节,因此以gbk打开时,seek(4) 就把光标切换到了“飞”和“学”两个字中间。 但如果是utf8,seek(4)会导致,拿到了飞这个字的一部分字节,打印的话会报错,因为处理剩下的文本时发现用utf8处理不了了,因为编码对不上了。少了一个字节 def seekable(self, *args, **kwargs): # real signature unknown 判断文件是否可进行seek操作 def tell(self, *args, **kwargs): # real signature unknown 返回当前文件操作光标位置 def truncate(self, *args, **kwargs): # real signature unknown 按指定长度截断文件 *指定长度的话,就从文件开头开始截断指定长度,不指定长度的话,就从当前位置到文件尾部的内容全去掉。 def writable(self, *args, **kwargs): # real signature unknown 判断文件是否可写
5.3 例题
读文件找到第9个字符,华 ,找到第二行的 实,删除最后一行 写入文件
桃之夭夭,灼灼其华。之子于归,宜其室家。
桃之夭夭,有蕡其实。之子于归,宜其家室。
桃之夭夭,其叶蓁蓁。之子于归,宜其家人。
# 2.读文件找到第9个字符,华 ,找到第二行的 实,删除最后一行 写入文件 # 桃之夭夭,灼灼其华。之子于归,宜其室家。 # 桃之夭夭,有蕡其实。之子于归,宜其家室。 # 桃之夭夭,其叶蓁蓁。之子于归,宜其家人。 f = open('poem.txt', 'r+', encoding='utf-8') # f.seek(3*8) # print(f.read(1)) # f.seek(3*28+2) # print(f.read(1)) data_list = f.readlines() print(data_list) data_list.pop() print(data_list) f.seek(0) f.truncate() f.write(''.join(data_list))
5.4 例题:读取一个文件下的所有文件
import os def read_image(image_dir): photofile_list = os.listdir(image_dir) for i in range(len(photofile_list)): photo_path = os.path.join(image_dir,photofile_list[i]) print(photo_path)
5.5 例题:判定目录是否存在,若不存在即创建
import os if not os.path.isdir(dir_name): os.makedir(dir_name)
os.mkdir()创建路径中的最后一级目录,而如果之前的目录不存在并且也需要创建的话,就会报错。
os.makedirs()创建多层目录,如果中间目录都不存在的话,会自动创建。
5.6 读取文件的行数
import csv a=open("Train_A_wear.csv","r") b=len(a.readlines()) print(b)
5.7 批量重命名文件名
import os class BatchRename(): # 批量重命名文件夹中的图片文件 def __init__(self): self.path_A = '../binary_variable/A' self.path_B = '../binary_variable/B' def rename(self): filelist_A = os.listdir(self.path_A) filelist_B = os.listdir(self.path_B) total_num_A = len(filelist_A) total_num_B = len(filelist_B) i = 1 for item in filelist_A: # 初始的图片的格式为jpg格式的,或者png if item.endswith('.jpg') or item.endswith('png'): src = os.path.join(os.path.abspath(self.path_A), item) # 处理后的格式也为jpg格式的,当然这里也可以改成png格式 dst = os.path.join(os.path.abspath(self.path_A), str(i) + '.jpg') try: os.rename(src, dst) i = i + 1 except: continue for item in filelist_B: # 初始的图片的格式为jpg格式的,或者png if item.endswith('.jpg') or item.endswith('png'): src = os.path.join(os.path.abspath(self.path_B), item) # 处理后的格式也为jpg格式的,当然这里也可以改成png格式 dst = os.path.join(os.path.abspath(self.path_B), str(i) + '.jpg') try: os.rename(src, dst) i = i + 1 except: continue if __name__ == '__main__': demo = BatchRename() demo.rename()