Python学习之路4 - 文件操作&编码转换

文件操作

文件操作大概分三步：

1. 把文件打开。
2. 操作文件。
3. 把文件关上。

 

打开文件

打开文件用open()函数，打开成功后返回一个资源，具体语法如下。

open(要打开的文件,打开方式,打开文件的格式，默认为utf-8)
#例如
f = open('passengers.txt','r',encoding='utf-8')

上例用open以只读的模式打开文件，因为该文本是utf-8编码的，所以第三个参数是utf-8

• w 模式是写入，是创建一个新文件的写，所以如果已经有了该文件就会被覆盖掉，注意安全!
• a 模式是追加模式，可读；不存在则创建；存在则只追加内容；

"+" 表示可以同时读写某个文件

• r+，可读写文件。【可读；可写；可追加】
• w+，写读
• a+，可读，可追加

"U"表示在读取时，可以将 r n rn自动转换成 n （与 r 或 r+ 模式同使用）

• rU
• r+U

"b"表示处理二进制文件（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）

• rb #当加b时，就不用写encoding参数了
• wb #用二进制打印出来的结果会包裹在 b' 和 ' 中
• ab

 

读取文件

data = f.read() #然后用read读取文件，里面可以传参输入5就是读5个字符，不输入就是读所有字符
#读取所有内容，文件指针就移动到了文件末尾

data = f.readline() #读取一行内容
data = f.readlines() #将每一行变成一个元素，组成一个列表
#注意，readlines是将文件内容读取后放到内存里，所以它只能读小文件,不能读大文件

下面是读取大文件最好的方式

for line in f:
print(line)
#这是读取大文件最好的方式，每次只读一行到内存当中，读下一行的时候就会覆盖当前内存当中的数据

 

写入文件

f.write('这里是写入的内容') #用write来写入内容
print(f.tell()) #返回指针的位置
f.seek(0) #移动指针的位置，0代表移动到第0个的位置上
print(f.encoding) #打印文件的编码
print(f.fileno()) #打印文件的编号
print(f.name) #打印打开的文件名字
print(f.seekable()) #判断文件是否可读
print(f.writable()) #判断文件是否可写
print(f.flush()) #强制刷新缓存
print(f.closed) #判断文件是否关闭
f.truncate(10) #从头开始截取10个字符

 

关闭文件

手动关闭文件用close()函数。

f.close() #关闭文件

自动关闭文件。

with open() as f1:
pass
pass
# 资源只会在with里面打开，如果执行完毕则会自动关闭资源
#并且可以用下面这种方式同时打开多个资源
with open() as f1，open() as f2 ,
open() as f3，open() as f4:
pass
pass

 

##############下面是一个修改文件的案例##############

f = open('passengers','r',encoding='utf-8')
f_new = open('new','w',encoding='utf-8')
for line in f:
if "漂浮在一片无奈" in line:
line = line.replace('漂浮在一片无奈','人类的渺小')
# replace函数在字符串操作文章中可见
f_new.write(line)
f.close() 

　　其实就是将一个文件的内容在内存中修改完后写入到另一个文件中
　　因为Python中没有直接修改文件内容的方法。

 

#############修改文件的另一种方法##################

file_data = ""
with open(file，"r"，encoding="utf-8") as f:
for line in f:
if old_str in line:
line = line.replace(old_str,new_str)
file_data += line
with open(file,"w",encoding="utf-8") as f:
f.write(file_data)

　　这种方法是先将所以的内容都读出来，并且再写到同一个文件中。

 

编码之间的转换

需知：
1.在python2默认编码是ASCII，python3里默认是unicode。
2.unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)，so utf-16就是现在最常用的unicode版本，不过在文件里存的还是utf-8，因为utf8省空间。
3.在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string。

原理图：

 

utf-8转gbk：
我需要先用decode()解码成为Unicode，然后再用encode()转换成gbk
decode()函数传入一个参数，参数为我当前的编码是什么，或者说我要将什么编码转换成Unicode;
encode()函数传入一个参数，参数为我要转换成什么编码
如果不传参则默认是utf-8
gbk转utf-8也是同理

也就是说Unicode作为中间编码，用来完成utf-8和gbk之间的转换。

str = '你好' #假设当前为utf-8
注意:Python3里面的默认编码为Unicode
str = str.decode('utf-8') #将utf-8转换为Unicode
str = str.encode('gbk') #将Unicode转换为gbk
print(str)

如果该文件为gbk，同时Python3的默认编码又是Unicode，则需要告诉程序不要按照默认的编码去执行，要按照gbk的编码去执行，这时就要在文件最顶端声明文件编码格式如下：
#-*- coding:gbk -*-
Python3默认是Unicode,而文件又是utf-8类型,两个编码不统一输入中文还不会乱码是因为utf-8是Unicode的一个扩展集,所以Python3默认支持中文不乱码。

在Python3中执行了encode()后，除了将编码改变了之外，还将它变为byte类型。