Python中文件操作

1 文件操作

无论在那种语言中都会对文件进行操作处理，而文件相关的处理无非就是打开文件，读取或者写入内容，最后再是关闭文件。ython中文件常用的IO操作有以下几个：

2 打开操作

文件的打开操作是对文件进行操作的第一步，Python中提供open函数，open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)，open 函数是打开一个文件，返回以文件对象（l流对象）和文件描述符。打开文件失败，则返回异常。

2.1 open函数基本使用

创建一个文件test，然后打开它，用完关闭。

1 f = open("test")    # file对象
2 # windows <_io.TextIOWrapper name='test' mode='r' encoding='cp936'>
3 # linux <_io.TextIOWrapper name='test' mode='r' encoding='UTF-8'>
4 print(f.read())    # 读取文件
5 f.close()    # 关闭文件

View Code

文件操作找那个，最常用的操作就是读和写。文件访问的模式有两种：文本模式和二进制模式。不同模式下，操作函数不尽相同，表现的结果也不一样。

2.2 open函数的参数

2.2.1 file

open函数中的file文件是指定要打开或者要创建的文件名，如果不指定路径，默认是当前路径。

2.2.3 mode模式

open函数中提供mode参数，可以控制是以什么方式打开文件的，不同的模式适用不同场景下对文件的操作。以下是打开文件的模式以及其对应的作用：

在2.1的例子中，打开test文件时没有指定mode参数，那么就是默认以文本打开模式并且是以只读模式打开test文件。

• r模式

open默认是只读模式r打开已经存在的文件，如果文件不存在，抛出FileNotFoundErro异常。只读打开文件，如果使用write方法，会抛出异常。

• w模式

如果mode后是w描述符，表示只写方式打开文件，如果读取则抛出异常。如果文件不存在，则直接创建文件，如果文件存在，则清空文件内容。

• x模式

x模式下如果文件不存在，创建文件，并以只写方式打开文件；文件存在时，抛出FileExistsError异常。

• a模式

a模式下，文件存在，只写模式打开，追加内容；文件不存在，则创建后，只写模式打开文件，追加内容。

• 文本模式t

字符流，将文件的字节按照某种字符编码理解，按照字符操作。open的默认mode是rt。

• 二进制模式b

字节流，将文本按照字节理解，与字符编码无关。二进制模式操作是，字节操作使用bytes类型。

• +模式

为r、w、a、x提供确实的读写功能。但是，获取文件对象依旧按照r、w、a、x。+不能单独使用，可以认为它是为前面的模式字符做增强功能的。

2.2.4 buffering: 缓冲区

Python在处理文件时，是在内存中对文件进行处理。当给文件中写入内容是，不是立即将内容写入磁盘中，而是先写入内存中，存入缓冲区中待缓冲区满了或者在关闭文件之前，将内存中的内容写入磁盘中。

缓冲区是一个内存空间，一般来说是一个FIFO队列，到缓冲区满了或者达到阈值时数据才会flush到磁盘。flush函数是将缓冲区数据写入磁盘，close()关闭前会调用flush函数。io.DEFAULT_BUFFER_SIZE缺省缓冲区大小，单位是字节，默认是4096或者8192。

open函数中的buffering参数，用-1表示使用缺省大小的buffer。如果是二进制模式，使用io.DEFAULT_BUFFER_SIZE值；如果是文本模式，如果是是终端设备，是行缓方式，如果不是则使用二进制模式的策略。

• 0只在二进制模式使用，表示关buffer
• 1只在文本模式使用，表示使用行缓冲。意思就是见到换行符就flush
• 大于1用于指定buffer的大小

1、二进制下的例子

 1 import io
 2 
 3 f = open('test4', 'w+b')
 4 print(io.DEFAULT_BUFFER_SIZE)
 5 f.write('baidu.com'.encode())
 6 # cat test4
 7 f.seek(0)
 8 # cat test4
 9 f.write('www.baidu.com'.encode())
10 f.flush()
11 f.close()
12 
13 f = open('test4', 'w+b', 4)
14 f.write(b'dab')
15 # cat test4
16 f.write(b'ric')
17 # cat test4
18 f.close

View Code

2、文本模式下

 1 # buffering=1，使用行缓冲
 2 f = open('test4', 'w+', 1)
 3 f.write('dab')    # cat test4
 4 f.write('dabric'*4)    # cat test4
 5 f.write('\n')    # cat test4
 6 f.write('Hello\nPython')    # cat test4
 7 f.close
 8 
 9 # buffering>1，使用指定大小的缓冲区
10 f = open('test4', 'w+', 15)
11 f.write('dab')    # cat test4
12 f.write('ric')    # cat test4
13 f.write('Hello\n')    # cat test4
14 f.write('\nPython')    # cat test4
15 f.write('a' * (io.DEFAULT_BUFFER_SIZE - 20))    # 设置为大于1没什么用
16 f.write('\nwww.baidu.com/python')
17 f.close

View Code

buffering=0，这时一种特殊的二进制模式，不需要内存的buffer，可以看做是一个FIFO的文件。

1 f = open('test4', 'wb+', 0)
2 f.write(b'd')    # cat test4
3 f.write(b'a')    # cat test4
4 f.write(b'b')    # cat test4
5 f.write(b'dabric'*4)    # cat test4
6 f.write(b'\n')    # cat test4
7 f.write(b'Hello\nPython')    # cat test4
8 f.close

View Code

buffering为不同值下多代表的含义总结如下表：

b关闭缓冲区

t不支持

b就1个字节

t行缓冲，遇到换行读才flush

b模式表示行缓冲大小。缓冲区的值可以超过io.DEFAULT_BUFFER_SIZE，

直到设定的值超出后才把缓冲区flush

t模式，是io.DEFAULT_BUFFER_SIZE，flush完后把当前字符串也写入磁盘

似乎看起来很玛法，一般来说，只需记得以下几点：

• 文本模式，一般都使用默认缓冲区大小
• 二进制模式，是一个个字节的操作，可以指定buffer的大小
• 一般来说，默认缓冲区大小是个比较好的选择，除非明确知道，否则不调整它
• 一般编程中，明确知道需要写磁盘了，都会手动调用一次flush，而不是等到自定flush或者close的时候

2.2.5 encoding: 编码，仅文本模式使用

文件在磁盘中的存储是以字节形式存储的，如果要讲文件显示在屏幕上的话，就要对其进行解码，反过来写入时就要对其进行编码。Python中的open函数会在读取文件时做必要的解码，以文本模式写入文件时还会做必要的编码，所以在对文件调用读取或者是写入操作都是字符串对象。

encoding参数指定编码的格式，None标识使用缺省编码，依赖操作系统。windows下缺省GBK，Linux下缺省UTF-8。在对文件的读取和写入操作时要保证编码格式的一致，如果使用默认的编码格式的话，在不同的操作系统中可能会产生乱码的现象，如下：

1 >>> open('cafe.txt', 'w', encoding='utf_8').write('café')
2 4 
3 >>> open('cafe.txt').read()
4 'café'

View Code

写入时文件指定UTF-8编码，但是读取文件时没有那么做。有可能在对文件进行读取时是在windows环境下，那么windows环境下使用的默认编码集为GBK，于是就会产生乱码现在。解决办法是在读取操作之前，打开文件制定编码格式为UTF-8即可。

2.2.6 其他参数

• errors

errors参数标识什么样的编码错误将被捕获。一般情况下，None和strict表示有编码错误将抛出ValueError异常；ingore标识忽略编码错误。

• newline

newline参数表示在文本模式中的换行的转换。可以为None、''空串、"\r"、"\n"、"\r\n"。

读时，None表示"\r"、"\n"、"\r\n"都被转换为'\n'；''表示不会自动转换通用换行符；其它合法字符表示换行符就是制定字符，就会按照制定字符分行。

写时，None表示'\n'都会被替换为系统缺省分隔符os,linesep；'\n'或''表示'\n'不替换；其它合法字符表示'\n'会被替换为指定的字符。

1 f = open('o:/test', 'w')
2 f.write('python\rwww.python.org\nwww.baidu.com\r\npython3')
3 f.close()
4 
5 newlines = [None, '', '\n', '\r\n']
6 for nl in newlines:
7     f = open('o:/test', 'r+', newline=nl)    # q缺省替换所有换行符
8     print(f.readlines())
9     f.close

View Code

• closefd

关闭文件描述符，True表示关闭它。False会在文件关闭后保持这个描述符。fileobj.fileno()查看。

3 读取操作

3.1 read函数

read函数读取文件时，将整个文件中的内容读取到内存中，对于小文件的读取可以使用read，其不适用大文件的读取。read函数中的size参数表示读取的多少个字符或字节；负数或None表述读取到EOF。

 1 f = open('o:/test4', 'r+', 0)
 2 f.write("dabric")
 3 f.write('\n')
 4 f.write('你好')
 5 f.seek(0)
 6 f.read(7)
 7 f.close
 8 
 9 # 二进制
10 f = open('test4', 'rb+')
11 f.read(7)
12 f.read(1)
13 f.close()

View Code

3.2 行读取

readline函数表示一行行读取文件内容。size设置一个能读取行内几个字符或字节。

readlines函数表述读取所有行的列表。指定hint则返回指定的行数。

1 # 按行迭代
2 f = open('test')    # 返回可迭代对象
3 
4 for line in f:
5     print(line)
6 
7 f.close()

View Code

4 写入操作

写入操作在前面的代码中多多少少都使用过，下面具体看下写入操作的函数。

write(s)，函数把字符串s写入到文件中并返回字符的个数；

writelines(lines)，将字符串列表写入文件。

1 f = open('test', 'w+')
2 
3 lines = ['abc', '123\n', 'dabric']    # 提供换行符
4 f.writelines(lines)
5 
6 f.seek(0)
7 print(f.read())
8 f.close()

View Code

5 文件指针

文件是通过文件指针来记录文件当前指向的字节位置，我们可以通过控制文件指针，来指向指定的字节位置。在模式为r的情况下，文件指针指向起始0位置，表示文件开头；在模式为a的情况下，文件指针指向EOF，表示文件末尾，所以a模式被称为追加模式。Python中提供tell函数来显示文件指针当前的位置。

5.1 文件指针操作

Python提供seek(offset[, whence])函数来系统文件指针位置。其中offset表示变异多少字节，whence表示从哪里开始。

在文本模式下，whence的取值：

• whence 0 缺省值，表示从文件头开始，offset只能为正整数
• whence 1 表示从当前位置，offset只能接受0
• whence 2 表示从EOF开始，offset只能接受0

 1 # 文本模式
 2 f = open('test4', 'r+')
 3 f.tell()    # 起始
 4 f.read()
 5 f.tell()    # EOF
 6 f.seek(0)    # 起始
 7 f.read()
 8 f.seek(2, 0)
 9 f.read()
10 f.seek(2, 0)
11 f.seek(2, 1)    # offset必须为0
12 f.seek(2, 2)    # offset必须为0
13 f.close()

View Code

文本模式支持从开头向后偏移的方式。whence为1表示从当前位置开始偏移，但是只支持偏移0，相当于原地不动，所以没有什么用；whence为2表示从EOF开始，只支持偏移0，相当于移动文件指针到EOF。seek函数时按照字节偏移的。

在二进制模式下，whence的取值：

 1 # 二进制模式
 2 f = open('test4', 'rb+')
 3 f.tell()    # 起始
 4 f.read()
 5 f.tell()    # EOF
 6 f.write(b'abc')
 7 f.seek(0)    # 起始
 8 f.seek(2, 1)    # 从当前指针开始，向后偏移2个字节
 9 f.read()
10 f.seek(-2, 1)    # 从当前指针开始，向前偏移2个字节
11 
12 f.seek(2, 2)    # 从EOF开始，向后便宜2个字节
13 f.seek(0)
14 f.seek(-2, 2)    # 从EOF开始，向前偏移2个字节
15 f.read()
16 
17 f.seek(-20, 2)    # OSError
18 f.close()

View Code

1 with open('test') as f:
2     f.write("abc")    # 文件只读，写入失败
3 
4 # 测试f是否关闭
5 f.close    # f的作用域

View Code

1 f1 = open('test')
2 with f1:
3     f1.write('abc')    # 文件只读，写入失败
4 
5 # 测试f是否关闭
6 f1.close    # f1的作用域

View Code