文件处理

1 引入

​ 应用程序运行过程中产生的数据最先都是存放于内存中的，若想永久保存下来，必须要保存于硬盘中。应用程序若想操作硬件必须通过操作系统，而文件就是操作系统提供给应用程序来操作硬盘的虚拟概念，用户或应用程序对文件的操作，就是向操作系统发起调用，然后由操作系统完成对硬盘的具体操作。

2 文件操作的基本流程

2.1 基本流程

# 1. 打开文件，由应用程序向操作系统发起系统调用open(...)，操作系统打开该文件，对应一块硬盘空间，并返回一个文件对象赋值给一个变量f
f   = open (   'a.txt' ,   'r' ,encoding   = 'utf-8' )    #默认打开模式就为r

# 2. 调用文件对象下的读/写方法，会被操作系统转换为读/写硬盘的操作
data   = f.read()

# 3. 向操作系统发起关闭文件的请求，回收系统资源
f.close()

2.2 资源回收与with上下文管理

打开一个文件包含两部分资源：应用程序的变量f和操作系统打开的文件。在操作完毕一个文件时，必须把与该文件的这两部分资源全部回收，回收方法为：

1 、f.close()  #回收操作系统打开的文件资源
2 、 del f  #回收应用程序级的变量

其中del f一定要发生在f.close()之后，否则就会导致操作系统打开的文件无法关闭，白白占用资源， 而python自动的垃圾回收机制决定了我们无需考虑del f，这就要求我们，在操作完毕文件后，一定要记住f.close()，虽然我们如此强调，但是大多数读者还是会不由自主地忘记f.close()，考虑到这一点，python提供了with关键字来帮我们管理上下文

# 1、在执行完子代码块后，with 会自动执行f.close()
with  open ( 'a.txt' , 'w' ) as f:
    pass

# 2、可用用with同时打开多个文件，用逗号分隔开即可
with  open ( 'a.txt' , 'r' ) as read_f, open ( 'b.txt' , 'w' ) as write_f:  
    data  = read_f.read()
    write_f.write(data)

2.3 指定操作文本文件的字符编码

f = open(...) 
# 是由操作系统打开文件，如果打开的是文本文件，会涉及到字符编码问题，
# 如果没有为open指定编码，那么打开文本文件的默认编码很明显是操作系统说了算了，
# 操作系统会用自己的默认编码去打开文件，在windows下是gbk，在linux下是utf-8。
# 若要保证不乱码，文件以什么方式存的，就要以什么方式打开。

f = open('a.txt','r',encoding='utf-8')

3 文件的操作模式

3.1 控制文件读写操作的模式

r(默认的)：只读
w：只写
a：只追加写

3.1.1 案例一：r 模式的使用

# r只读模式: 在文件不存在时则报错,文件存在文件内指针直接跳到文件开头
 with  open ( 'a.txt' ,mode = 'r' ,encoding = 'utf-8' ) as f:
     res = f.read()  # 会将文件的内容由硬盘全部读入内存，赋值给res

# 小练习：实现用户认证功能
 inp_name = input ( '请输入你的名字: ' ).strip()
 inp_pwd = input ( '请输入你的密码: ' ).strip()
 with  open (r 'db.txt' ,mode = 'r' ,encoding = 'utf-8' ) as f:
     for line  in f:
         # 把用户输入的名字与密码与读出内容做比对
         u,p = line.strip( '\n' ).split( ':' )
         if inp_name  = = u  and inp_pwd  = = p:
             print ( '登录成功' )
             break
     else :
         print ( '账号名或者密码错误' )

3.1.2 案例二：w 模式的使用

# w只写模式: 在文件不存在时会创建空文档,文件存在会清空文件,文件指针跑到文件开头
with  open ( 'b.txt' ,mode = 'w' ,encoding = 'utf-8' ) as f:
    f.write( '你好\n' )
    f.write( '我好\n' ) 
    f.write( '大家好\n' )
    f.write( '111\n222\n333\n' )
#强调：
# 1 在文件不关闭的情况下,连续的写入，后写的内容一定跟在前写内容的后面
# 2 如果重新以w模式打开文件，则会清空文件内容

3.1.3 案例三：a 模式的使用

# a只追加写模式: 在文件不存在时会创建空文档,文件存在会将文件指针直接移动到文件末尾
 with  open ( 'c.txt' ,mode = 'a' ,encoding = 'utf-8' ) as f:
     f.write( '44444\n' )
     f.write( '55555\n' )
#强调 w 模式与 a 模式的异同：
# 1 相同点：在打开的文件不关闭的情况下，连续的写入，新写的内容总会跟在前写的内容之后
# 2 不同点：以 a 模式重新打开文件，不会清空原文件内容，会将文件指针直接移动到文件末尾，新写的内容永远写在最后

# 小练习：实现注册功能:
 name = input ( 'username>>>: ' ).strip()
 pwd = input ( 'password>>>: ' ).strip()
 with  open ( 'db1.txt' ,mode = 'a' ,encoding = 'utf-8' ) as f:
     info = '%s:%s\n' % (name,pwd)
     f.write(info)

3.1.4 案例四：+ 模式的使用(了解)

# r+ w+ a+ :可读可写
#在平时工作中，我们只单纯使用r/w/a，要么只读，要么只写，一般不用可读可写的模式

3.2 控制文件读写内容的模式

大前提: tb模式均不能单独使用,必须与r/w/a之一结合使用
t（默认的）：文本模式
    1. 读写文件都是以字符串为单位的
    2. 只能针对文本文件
    3. 必须指定encoding参数
b：二进制模式:
   1.读写文件都是以bytes二进制为单位的
   2. 可以针对所有文件
   3. 一定不能指定encoding参数

3.2.1 案例一：t 模式的使用

# t 模式：如果我们指定的文件打开模式为r/w/a，其实默认就是rt/wt/at
 with  open ( 'a.txt' ,mode = 'rt' ,encoding = 'utf-8' ) as f:
     res = f.read() 
     print ( type (res))  # 输出结果为：<class 'str'="">

 with  open ( 'a.txt' ,mode = 'wt' ,encoding = 'utf-8' ) as f:
     s = 'abc'
     f.write(s)  # 写入的也必须是字符串类型

 #强调：t 模式只能用于操作文本文件,无论读写，都应该以字符串为单位，而存取硬盘本质都是二进制的形式，当指定 t 模式时，内部帮我们做了编码与解码。

3.2.2 案例二： b 模式的使用

# b: 读写都是以二进制位单位
 with  open ( '1.mp4' ,mode = 'rb' ) as f:
     data = f.read()
     print ( type (data))  # 输出结果为：<class 'bytes'="">

 with  open ( 'a.txt' ,mode = 'wb' ) as f:
     msg = "你好"
     res = msg.encode( 'utf-8' )  # res为bytes类型
     f.write(res)  # 在b模式下写入文件的只能是bytes类型

#强调：b模式对比t模式
1 、在操作纯文本文件方面t模式帮我们省去了编码与解码的环节，b模式则需要手动编码与解码，所以此时t模式更为方便
2 、针对非文本文件（如图片、视频、音频等）只能使用b模式

# 小练习： 编写拷贝工具
src_file = input ( '源文件路径: ' ).strip()
dst_file = input ( '目标文件路径: ' ).strip()
with  open (r '%s' % src_file,mode = 'rb' ) as read_f, open (r '%s' % dst_file,mode = 'wb' ) as write_f:
    for line  in read_f:
        # print(line)
        write_f.write(line)

4 操作文件的方法

4.1 重点

# 读操作
f.read()   # 读取所有内容,执行完该操作后，文件指针会移动到文件末尾
f.readline()   # 读取一行内容,光标移动到第二行首部
f.readlines()   # 读取每一行内容,存放于列表中

# 强调：
# f.read()与f.readlines()都是将内容一次性读入内容，如果内容过大会导致内存溢出，若还想将内容全读入内存，则必须分多次读入，有两种实现方式：
# 方式一
with  open ( 'a.txt' ,mode = 'rt' ,encoding = 'utf-8' ) as f:
    for line  in f:
        print (line)  # 同一时刻只读入一行内容到内存中

# 方式二
with  open ( '1.mp4' ,mode = 'rb' ) as f:
    while True :
        data = f.read( 1024 )  # 同一时刻只读入1024个Bytes到内存中
        if len (data)  = = 0 :
            break
        print (data)

# 写操作
f.write( '1111\n222\n' )   # 针对文本模式的写,需要自己写换行符
f.write( '1111\n222\n' .encode( 'utf-8' ))   # 针对b模式的写,需要自己写换行符
f.writelines([ '333\n' , '444\n' ])   # 文件模式
f.writelines([bytes( '333\n' ,encoding = 'utf-8' ), '444\n' .encode( 'utf-8' )])  #b模式

4.2 了解

f.readable()   # 文件是否可读
f.writable()   # 文件是否可读
f.closed   # 文件是否关闭
f.encoding   # 如果文件打开模式为b,则没有该属性
f.flush()   # 立刻将文件内容从内存刷到硬盘
f.name

5 主动控制文件内指针移动

#大前提:文件内指针的移动都是Bytes为单位的,唯一例外的是t模式下的read(n),n以字符为单位
with  open ( 'a.txt' ,mode = 'rt' ,encoding = 'utf-8' ) as f:
     data = f.read( 3 )  # 读取3个字符


with  open ( 'a.txt' ,mode = 'rb' ) as f:
     data = f.read( 3 )  # 读取3个Bytes


# 之前文件内指针的移动都是由读/写操作而被动触发的，若想读取文件某一特定位置的数据，则需要用f.seek方法主动控制文件内指针的移动，详细用法如下：
# f.seek(指针移动的字节数,模式控制): 
# 模式控制:
# 0: 默认的模式,该模式代表指针移动的字节数是以文件开头为参照的
# 1: 该模式代表指针移动的字节数是以当前所在的位置为参照的
# 2: 该模式代表指针移动的字节数是以文件末尾的位置为参照的
# 强调:其中0模式可以在t或者b模式使用,而1跟2模式只能在b模式下用

5.1 案例一： 0模式详解

# a.txt用utf-8编码，内容如下（abc各占1个字节，中文“你好”各占3个字节）
abc你好

# 0模式的使用
with  open ( 'a.txt' ,mode = 'rt' ,encoding = 'utf-8' ) as f:
    f.seek( 3 , 0 )      # 参照文件开头移动了3个字节
    print (f.tell())  # 查看当前文件指针距离文件开头的位置，输出结果为3
    print (f.read())  # 从第3个字节的位置读到文件末尾，输出结果为：你好
    # 注意：由于在t模式下，会将读取的内容自动解码，所以必须保证读取的内容是一个完整中文数据，否则解码失败

with  open ( 'a.txt' ,mode = 'rb' ) as f:
    f.seek( 6 , 0 )
    print (f.read().decode( 'utf-8' ))  #输出结果为: 好

5.2 案例二： 1模式详解

# 1模式的使用
with  open ( 'a.txt' ,mode = 'rb' ) as f:
    f.seek( 3 , 1 )  # 从当前位置往后移动3个字节，而此时的当前位置就是文件开头
    print (f.tell())  # 输出结果为：3
    f.seek( 4 , 1 )      # 从当前位置往后移动4个字节，而此时的当前位置为3
    print (f.tell())  # 输出结果为：7

5.3 案例三： 2模式详解

# a.txt用utf-8编码，内容如下（abc各占1个字节，中文“你好”各占3个字节）
abc你好

# 2模式的使用
with  open ( 'a.txt' ,mode = 'rb' ) as f:
    f.seek( 0 , 2 )      # 参照文件末尾移动0个字节， 即直接跳到文件末尾
    print (f.tell())  # 输出结果为：9
    f.seek( - 3 , 2 )      # 参照文件末尾往前移动了3个字节
    print (f.read().decode( 'utf-8' ))  # 输出结果为：好

# 小练习：实现动态查看最新一条日志的效果
import time
with  open ( 'access.log' ,mode = 'rb' ) as f:
    f.seek( 0 , 2 )
    while True :
        line = f.readline()
        if len (line)  = = 0 :
            # 没有内容
            time.sleep( 0.5 )
        else :
            print (line.decode( 'utf-8' ),end = '')

6 文件的修改

# 文件a.txt内容如下
张一蛋     山东     179 49 12344234523
李二蛋     河北     163 57 13913453521
王全蛋     山西     153 62 18651433422

# 执行操作
with  open ( 'a.txt' ,mode = 'r+t' ,encoding = 'utf-8' ) as f:
    f.seek( 9 )
    f.write( '<妇女主任>' )

# 文件修改后的内容如下
张一蛋<妇女主任>  179 49 12344234523
李二蛋     河北     163 57 13913453521
王全蛋     山西     153 62 18651433422

# 强调：
# 1、硬盘空间是无法修改的,硬盘中数据的更新都是用新内容覆盖旧内容
# 2、内存中的数据是可以修改的

文件对应的是硬盘空间,硬盘不能修改对应着文件本质也不能修改, 那我们看到文件的内容可以修改,是如何实现的呢? 大致的思路是将硬盘中文件内容读入内存,然后在内存中修改完毕后再覆盖回硬盘 具体的实现方式分为两种:

6.1 文件修改方式一

# 实现思路：将文件内容发一次性全部读入内存,然后在内存中修改完毕后再覆盖写回原文件
# 优点: 在文件修改过程中同一份数据只有一份
# 缺点: 会过多地占用内存
with  open ( 'db.txt' ,mode = 'rt' ,encoding = 'utf-8' ) as f:
    data = f.read()

with  open ( 'db.txt' ,mode = 'wt' ,encoding = 'utf-8' ) as f:
    f.write(data.replace( 'kevin' , 'SB' ))

6.1 文件修改方式二

# 实现思路：以读的方式打开原文件,以写的方式打开一个临时文件,一行行读取原文件内容,修改完后写入临时文件...,删掉原文件,将临时文件重命名原文件名
# 优点: 不会占用过多的内存
# 缺点: 在文件修改过程中同一份数据存了两份
import os

with  open ( 'db.txt' ,mode = 'rt' ,encoding = 'utf-8' ) as read_f,\
        open ( '.db.txt.swap' ,mode = 'wt' ,encoding = 'utf-8' ) as wrife_f:
    for line  in read_f:
        wrife_f.write(line.replace( 'SB' , 'kevin' ))

os.remove( 'db.txt' )
os.rename( '.db.txt.swap' , 'db.txt' )

PS:

windows下open函数文件传入参数路径分隔符问题，

open('c:\a\nb\c\d.txt')

方法一（推荐）：

在路径前加r，r即raw string,也叫原始字符串常量，防止\n转义

open(r'c:\a\nb\c\d.txt')

方法二：

路径分隔符写成左斜杠，open函数自行处理

open('c:/a/nb/c/d.tex')

over...