python之读取文本文件

作者：马育民 • • 阅读：10412

需要掌握：ASCII、GBK、Unicode、UTF-8编码

打开文件

读写文件，要先通过内置open()函数打开文件

语法

open('文件路径',mode='模式',encoding='编码')

常用参数说明:

  • file: 必需，文件路径（相对或者绝对路径）。
  • mode: 可选，文件打开模式，可省略。详细介绍在下面
  • encoding: 可选，指定编码，如utf-8，省略时采用系统默认编码，windows默认采用GBK编码

读取文本文件常用模式:

  • 默认模式：rt，t是文本模式，rt表示只读文本文件
  • 文本文件：
    • ‘r’：只读
      文件指针放在文件的开头（关于文件指针的解释在下面）
      文件 必须存在，否则抛异常
    • ‘r+’：读写
      文件指针放在文件的开头
      文件 必须存在，否则抛异常

例子

读取文件：

f=open('d:\\1.txt','r')

f=open('d:\\1.txt','r',encoding='UTF-8')

关闭文件

读写文件后应 及时关闭 ，关闭后将 不能 对文件进行任何 操作。如果不关闭，那么 文件一直被占用，会出现问题，如：

  1. 不能改文件名
  2. 有时运行某软件时会提示XXX文件被占用，为了避免该情况，读写文件后应及时关闭
  3. 操作系统对 打开文件的次数有限制

当 程序退出 后，文件会释放

补充：
有的软件，在运行时， 会一直独占文件 ，这种时候，就不能关闭 。
如：word、ppt、excel等，在实现某软件服务器时，在运行期间要一直输出日志，所以一直独占日志文件

语法

f.close()

例子

运行期间不关闭文件对象，无法对文件进行其他操作，如不能改名。
当程序退出后，会释放文件，可以做其他操作
见下面代码：

#coding=utf-8
import time

f=open('c:/users/mym/desktop/1.txt','r')
time.sleep(10)#休眠10秒

在这10秒内，改变文件名称，弹出窗口如下：

10秒后程序退出，可以修改文件名

操作系统打开文件的次数有限制

i=0
while True:
    #文件对象会自动销毁
    f=open('c:/users/mym/desktop/1.txt','r',encoding='utf-8')
    no=f.fileno()#每打开一次文件，会加1
    print(i,no)
    i+=1

测试执行，发现f.fileno()返回的是固定几个值，是因为python自动回收了，修改如下：

i=0
l=[]
while True:
    f=open('c:/users/mym/desktop/1.txt','r',encoding='utf-8')
    l.append(f)#将文件对象添加到list中，就不会被自动销毁
    no=f.fileno()#每打开一次文件，会加1
    print(i,no)
    print(i,f.fileno())
    i+=1

测试执行，抛异常如下：

OSError: [Errno 24] Too many open files: 'c:/users/mym/desktop/1.txt'

打开文件次数过多

注意：
操作文件结束后要及时关闭文件

读取文件

读取文本文件，先是读取二进制数据到内存，然后进行 编码转换，转换后是人眼可识别的字符

读取文本文件有 三种 方法

方法1：

读取 全部内容 或者 指定的字符数 ，包括 换行符\n

语法：

f.read([size])

参数

  • size：设置 读取的长度。文本文件模式以 字符 为单位
    如果 未给定 或 负数 则 读取 所有，适用于读取 小文件 ，因为读取几个G的大文件，可能会将内存占满

注意：
读取UTF-8 with BOM的文件时，会出现问题，解决方法见
http://www.malaoshi.top/show_1EF2LSjQUHxw.html

返回值
返回读取的内容
文本文件包括 换行符\n 字符

例子：

f=open('c:/users/mym/desktop/1.txt','r')
c=f.read()
print(c)
f.close()

适用于读取小文件

python换行符与操作系统换行符

通过debug方式可知，内存中的换行符是\n（也是unix、linux的换行符），但在windows系统中换行符是\r\n，python内部做转换了

方法2：

读取一行（即：遇到”\n”字符停止读取），包括 “\n” 字符。
适用于读取大文本文件
注意：
有时大文本文件都在一行里，这种情况读取可能会引发内存不够的错误

语法：

f.readline([size])

参数

  • size ： 如果 未指定长度 或为 负数，读取一行。
    如果是非负数，当size比一行的字符数小，那么就读取长度是size的内容；如果size比一行的字符数大，那么就读取一行
    一般不指定

返回值
返回读取的内容，包括 “\n” 字符

例子

使用windows自带的编辑器notepad，编辑内容如下：

床前明月光
疑是地上霜
举头望明月
低头思故乡

保存（默认保存是GBK编码），然后编写python程序读取该文件，代码如下：

f=open('c:/users/mym/desktop/1.txt','r')
c=f.readline()
print(c)
f.close()

这是读取第一行

例子

改造上面的程序，可以读取所有行

f=open('c:/users/mym/desktop/6.txt','r+',encoding='gbk')
line=f.readline()
print(line,end='')
while line:
    line=f.readline()
    print(line,end='')
f.close()

读取所有行

方法3：

文件对象是 可迭代对象 对象，可使用for...in...语句

例子：

f=open('c:/users/mym/desktop/6.txt','r+',encoding='gbk')
for line in f:
    print(line,end='')
f.close()

方法4：

读取所有行，并按照行放入到list中，包括 “\n” 字符
适用于读取小文本文件

语法

f.readlines([size])

参数

  • size — 如果 未指定长度 或为 负数，读取所有行。
    如果指定size，将返回接近size的行，也就是说可能只读到文件的一部分，且具体长度不确定。
    一般不指定

返回值
返回列表，包含所有的行。
包括 “\n” 字符

例子

使用windows自带的编辑器notepad，编辑内容如下：

床前明月光
疑是地上霜
举头望明月
低头思故乡

保存（默认保存是GBK编码），然后编写python程序，用二进制模式读取该文件，代码如下：

f=open('c:/users/mym/desktop/3.txt','r')
content=f.readlines()
print(content)
f.close()

执行结果如下：

['床前明月光\n', '疑是地上霜\n', '举头望明月\n', '低头思故乡\n']

注意

读取整个文件后，文件指针指向 文件末尾，再次读取将 没有内容
解决方法用f.seek(0)，将文件指针移动到开头

方法5 （不推荐）

文件对象是 迭代器 对象，可通过 next() 函数 返回文件的 下一行，如果到达结尾(EOF),则触发 StopIteration异常

例子：

f=open('c:/users/mym/desktop/1.txt','r+',encoding='gbk')
line=next(f)

while line:
    print(line,end='')
    line=next(f)
f.close()

最后一次执行时，会抛出StopIteration错误，这样影响程序运行，为了不让其抛出，要用try...except语句捕捉异常，但这种写法麻烦，下面是更好的写法

文件指针

当对文件进行操作时，内部有 文件指针 定位当前内容的位置，当用 读取模式 打开文件时，文件指针指向文件的开始位置，读取长度是n的内容后，文件指针会移动到n+1的位置

所以 读完 整个文件后，如果不移动文件指针，将 无法再次读取文件内容

打开文件如下图：

当文件内容都是英文时，一个 字节 对应一个 英文字符

读取整个文件后如下图：

移动文件指针

移动文件指针到指定位置，为负数时抛出异常

语法：

f.seek(offset[, whence])

参数

  • offset — 移动的偏移量，单位：字节，不论文本还是二进制模式
  • whence — 可选，表示要从哪个位置开始偏移；
    需要引入os模块，import os，值如下：
    • os.SEEK_SET：从文件开头算起，默认值
    • os.SEEK_CUR：从当前位置算起。文本文件模式读取，不能设置此项
    • os.SEEK_END：从文件末尾算起。文本文件模式读取，只能设置到末尾，向前偏移报错

返回值
无

例子1

f=open('c:/users/mym/desktop/1.txt','r')
c=f.read()#读取文件后，文件指针指向末尾
print(c)
f.seek(0)#需要将文件指针指向开头，才能再次读取
c=f.read()
print(c)
f.close()

例子2

使用windows自带文本编辑器notepad，新建文本文件，并通过notepad写入床前明月光，保存（默认保存采用GBK编码）。然后编写python程序，将文件指针移动1个字节，然后读取文件，代码如下：

f=open('c:/users/mym/desktop/1.txt','r')
c=f.seek(1)#移动一个字节
c=f.read()#读取文件
print(c)
f.close()

执行报错，如下：

UnicodeDecodeError: 'gbk' codec can't decode byte 0xa1 in position 0: illegal multibyte sequence

原因：

notepad默认保存为GBK编码，一个汉字占用 2个字节 ，当 移动一个字节 ，开始读取时，无法正确将 字节 转为 汉字

UTF-8编码中汉字通常占3个字节，很生僻汉字占4-6个字节

注意：
由于上面原因，移动指针会造成错误，一般不要移动文件指针

获取文件指针位置

语法：

file.tell()

参数
无

返回值
返回文件指针的当前位置

例子：

f=open('c:/users/mym/desktop/1.txt','r')
c=f.read()
print(c)
print(f.tell())
f.close()

感谢：
http://www.runoob.com/python/python-files-io.html
http://www.runoob.com/python3/python3-file-methods.html
https://blog.csdn.net/qq_37383691/article/details/76060972

原文出处：/show_1EF1RE2j93SO.html

吉ICP备15003043号