Python 文件操作与路径

文件与路径

在计算机中，文件指的是存储在磁盘上的数据序列，它可以包含任何数据内容。

文件名是文件的一个重要属性。文件名通常由文件主名和扩展名构成。一般来说， 主名和扩展名之间用一个圆点“.”隔开。 扩展名由 1 ～ 4 个字符组成，用于表示文件的类型。 例如：report.docx 是主名为report、扩展名为docx 的word文档，searchGoods.py 是主名为searchGoods、扩展名为 py 的 Python 源文件。

计算机中使用文件夹（也常常称为目录）来组织文件。文件夹可以包含文件和其他文件夹。

路径指明了文件在计算机中存储的位置。路径中包含了存储文件的各级文件夹。文件夹之间用斜线隔开。在 Windows 中使用倒斜杠\来分隔，在 Mac OS 和 Linux 中使 用正斜杠/作为路径分隔符。有两种方式表示文件路径。

  • 绝对路径：从根目录开始的路径。
  • 相对路径：从当前工作目录开始的路径。

还有点.和点点..文件夹。它们不是真正的文件夹，而是可以在路径中使用的特殊名称。单个的句点（.）用作文件夹目名称时，是“这个目录”的缩写。两个句点（..）意思是父文件夹。

每个运行在计算机上的程序， 都有一个“当前工作目录”。 在 Python 中， 可以用 os 模块中的 getcwd() 方法获取当前工作目录：

1
2
import os
os.getcwd()

假如在根目录的 Users 文件夹下有一个文件夹 xiaoaoquan， 其中有一个 Documents 文件夹，存储了 report.docx 文件。

用绝对路径描述这个文件的位置为：

1
/Users/xiaoaoquan/Documents/report.docx

如果当前工作目录是 /Users/xiaoaoquan，用相对路径描述这个文件的位置为：

1
Documents/report.docx

在 os 模块中还包含大量文件相关操作的方法。 例如，listdir(path=None) 方法返回指 定目录中包含的文件和子目录列表，默认情况下返回当前工作目录中的信息。

1
os.listdir()

文本文件与二进制文件

计算机上存储的文件都是以二进制存储的，一般可以采取以下两种方式读取：

  • 文本文件：文件内容是常规的字符， 不会包含字体、大小和颜色等信息， 例如带 有 .py 扩展名的 Python 源文件。
  • 二进制文件：文件内容是特殊的字节数据， 例如 Word 文档、PDF 文档、图像文件 和编译后的可执行文件。

计算机中使用字符集表示字符。最常用的美国标准信息交换代码（American Standard Code for Information Interchange，ASCII 码）定义了从 0 到 127 的整数对应的字符。

1
2
print(ord('a'))
print(chr(97))

Unicode 突破了 ASCII 码只能表示英文字母和符号的限制， 为每种语言的每个字符设定了唯一的编码，以满足跨语言、跨平台进行文本转换和处理的要求。

1
print(ord('嗷'))

将 Unicode 字符按照特定编码规则（例如 UTF8 编码）翻译为原始字节形式的过程被称为编码。反过来，把原始字节翻译为 Unicode 字符串的过程则被称为解码。

操作文件

在 Python 中，操作文件包含 3 个步骤：

  1. 调用 open() 函数打开物理文件，返回一个文件对象。
  2. 调用文件对象的 read() 或 write() 方法读写文件。
  3. 调用文件对象关闭文件。

打开文件

Python 通过内置的 open() 函数打开文件并创建该对象。

1
open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)
1
2
3
file1 = open('test.txt')
print(type(file1))
print(file1)

利用内置 open() 函数创建文件对象赋值给 file1 后， 直接查看其内容可以看到该 对象打开的物理文件（含路径和文件名），打开模式和编码。

参数 mode 是打开文件的模式，如表所示，默认值为 ‘rt’:

模式说明
‘r’只读模式，如果文件不存在，返回异常FileNotFoundError，默认值
‘w’覆盖写模式，文件不存在则创建，存在则完全覆盖源文件
‘x’创建写模式，文件不存在则创建，存在则返回异常FileExistsError
‘a’追加写模式，文件不存在则创建，存在则在原文件最后追加内容
‘b’二进制文件模式
‘t’文本文件模式，默认值
‘+’与r/w/x/a一同使用，在原功能基础上增加同时读写功能

参数 encoding 是指定文本文件读取数据时解码或写入数据时编码所用的规则， 为默认值 None 时使用的规则取决于操作系统。通过 sys 模块的方法可以查看当前默认编码。

1
2
import sys
sys.getdefaultencoding()

关闭文件

在操作完文件后，必须将文件关闭，这点非常重要。

调用文件对象的 close() 方法可以关闭文件， 终止文件对象与磁盘物理文件的连接、 释放操作系统资源。在写入和追加写入模式下，暂存于内存中的文件内容会输出到磁盘中永久保存。

1
2
file1 = open('test.txt')
file1.close()

写入文本文件

当指定 open() 函数的 mode 参数值为 ‘w’ ‘x’ 和 ‘a’ 时，可以向创建的文件对象中写入数据。使用文件对象的 write() 方法就可以将文本写入文件中。

1
file_obj.write(text)
1
2
3
file1 = open('test.txt', 'w', encoding='utf-8')
file1.write('我是小嗷犬。\n')
file1.close()

读取文本文件

在 Python 中， 使用 open() 函数打开文件时，mode 参数的默认值是“ rt”， 即以文本文件的形式读取文件。

使用文件内置方法读取

对于可读的文件对象，可以使用表的四种方法读取内容：

方法说明
<file>.readall()以字符串形式返回整个文件内容
<file>.read(size=-1)默认读入从当前位置至文件末尾的内容；当size参数为大于0的正整数n时， 从文件中读入最多n个字符
<file>.readline(size = -1)默认从文件中读入一行内容；当size参数为大于0的正整数n时， 从当前行读入最多n个字符
<file>.readlines(hint=-1)默认返回以文件中所有行为元素构成的列表；当hint参数为大于0的正整数n时，读入的所有行字符数不超过 n行

当打开文本文件时，会有一个指针指向文件开头的字符。每次读取数据后，指针会往后移动到相应位置。 例如，在使用 readline() 读入一行内容时， 指针会移动到下一个换行符的后面，直到指向文件尾部标记 EOF（end of file）。

使用 for 循环逐行读取

在绝大多数情况下，对于文本文件的读取都是逐行读取。文件对象本身是一个可迭代对象。 因此，通常情况下，推荐使用 for 循环来逐行读取文本文件内容。

1
2
3
4
5
6
7
file1 = open('test.txt', 'w', encoding='utf-8')
file1.write('我是小嗷犬。\n喜欢嗷嗷嗷。\n')
file1.close()
file2 = open('test.txt', encoding='utf-8')
for line in file2:
 print(line)
file2.close()

使用列表推导式和 map() 函数逐行处理

文件作为可迭代对象， 可以使用列表推导式和 map() 函数对每行进行相应处理， 生成新的列表。

1
2
3
4
5
6
7
8
9
file1 = open('test.txt', 'w', encoding='utf-8')
file1.write('我是小嗷犬，\n喜欢嗷嗷嗷。\n')
file1.close()
file2 = open('test.txt', encoding='utf-8')
lines1 = [line.rstrip() for line in file2]
print(lines1)
lines2 = list(map(lambda line: line.rstrip(), file2))
print(lines2)
file2.close()

使用 with 语句自动管理

Python 中的 with 语句适用于对资源进行访问的场合， 确保不管使用过程中是否发生异常都会释放资源，比如文件使用后自动关闭。

1
2
3
4
5
6
file1 = open('test.txt', 'w', encoding='utf-8')
file1.write('我是小嗷犬。\n喜欢嗷嗷嗷。\n')
file1.close()
with open('test.txt', encoding='utf-8') as file2:
    for line in file2:
        print(line)