目录
一、文件操作
一个完整的程序一般都包括数据的存储和读取;我们在前面写的程序数据都没有进行实际的存储,因此python解释器执行完数据就消失了。实际开发中,我们经常需要从外部存储介质(硬盘、光盘、U盘等)读取数据,或者将程序产生的数据存储到文件中,实现“持久化”保存。
很多软件系统是将数据存储的数据库中;数据库实际也是基于文件形式存储的。
1. 文本文件和二进制文件
按文件中数据组织形式,我们把文件分为文本文件和二进制文件两大类。
-
文本文件:文本文件存储的是普通“字符”文本,python默认为
unicode
字符集(两个字节表示一个字符,最多可以表示:65536个),可以使用记事本程序打开。 -
二进制文件:二进制文件把数据内容用“字节”进行存储,无法用记事本打开。必须使用专用的软件解码。常见的有:MP4视频文件、MP3音频文件、JPG图片、doc文档等等。
2. 文件操作相关模块概述
Python标准库中有如下文件操作相关的模块。
名称 | 说明 |
---|---|
io模块 | 文件流的输入和输出操作 input output |
os模块 | 基本操作系统功能,包括文件操作 |
glob模块 | 查找符合特定规则的文件路径名 |
fnmatch模块 | 使用模式来匹配文件路径名 |
fileinput模块 | 处理多个输入文件 |
filecmp模块 | 用于文件的比较 |
csv模块 | 用于csv文件处理 |
pickle和cPickle | 用于序列化和反序列化 |
xml包 | 用于XML数据处理 |
bz2、gzip、zipfile、zlib、tarfile | 用于处理压缩和解压缩文件(分别对应不同的算法) |
3. 创建文件对象open()
open()
函数用于创建文件对象,基本语法格式如下:
open(文件名[,打开方式])
如果只是文件名,代表在当前目录下的文件。文件名可以录入全路径,比如:D:\a\b.txt
为了减少\
的输入,可以使用原始字符串:r“d:\b.txt”
示例如下:
f = open(r"d:\b.txt","w")
打开方式有如下几种:
模式 | 描述 |
---|---|
r | 读 read模式 |
w | 写 write模式。如果文件不存在则创建;如果文件存在,则重写新内容; |
a | 追加append模式。如果文件不存在则创建;如果文件存在,则在文件末尾追加内容 |
b | 二进制binary模式(可与其他模式组合使用) |
+ | 读、写模式(可与其他模式组合使用) |
文本文件对象和二进制文件对象的创建:
- 如果没有增加模式
b
,则默认创建的是文本文件对象,处理的基本单元是“字符”。- 如果是二进制模式
b
,则创建的是二进制文件对象,处理的基本单元是“字节”。
4. 文本文件的写入
文本文件的写入一般就是三个步骤:
- 创建文件对象
- 写入数据
- 关闭文件对象
我们首先创建一个小程序,体验一下文本文件的写入操作。
文本写入操作简单测试
f = open(r"a.txt","a")
s = "wohaocai\nwuwuwu\n"
f.write(s)
f.close()
使用with上下文管理
with open(r"a.txt","a") as f:
s = "wohaocai\nwuwuwu\n"
f.write(s)
二、常用编码介绍
在操作文本文件时,经常会操作中文,这时候就经常会碰到乱码问题。为了解决中文乱码问题,这里简单介绍一下各种编码之间的关系。
常用编码之间的关系如下:
1. ASCII
全称为American Standard Code for Information Interchange
,美国信息交换标准代码,这是世界上最早最通用的单字节编码系统,主要用来显示现代英语及其他西欧语言。
ASCII
码用7位表示,只能表示128个字符。只定义了27=128个字符,用7bit即可完全编码,而一字节8bit的容量是256,所以一字节ASCII
的编码最高位总是0。0~31表示控制字符如回车、退格、删除等;32~126表示打印字符即可以通过键盘输入并且能显示出来的字符; 其中48~57为0到9十个阿拉伯数字,65~90为26个大写英文字母,97~122号为26个小写英文字母,其余为一些标点符号、运算符号等,具体可以参考
ASCII
标准表(大家自行百度,不在此赘述)。
2. ISO8859-1
ISO-8859-1
又称Latin-1
,是一个8位单字节字符集,它把ASCII
的最高位也利用起来,并兼容了ASCII
,新增的空间是128,但它并没有完全用完。
在ASCII
编码之上又增加了西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号,它是向下兼容ASCII
编码
GB2312,GBK,GB18030
3. GB2312
GB2312
全称为信息交换用汉字编码字符集,是中国于1980年发布,主要用于计算机系统中的汉字处理。GB2312
主要收录了6763个汉字、682个符号。
GB2312
覆盖了汉字的大部分使用率,但不能处理像古汉语等特殊的罕用字,所以后来出现了像GBK
、GB18030
这种编码。
GB2312
完全兼容ISO8859-1
4. GBK
全称为Chinese Internal Code Specification
,即汉字内码扩展规范,于1995年制定。它主要是扩展了GB2312
,在它的基础上又加了更多的汉字,它一共收录了21003个汉字
5. GB18030
现在最新的内码字集于2000年发布,并于2001年强制执行,包含了中国大部分少数民族的语言字符,收录汉字数超过70000余个。
它主要采用单字节、双字节、四字节对字符编码,它是向下兼容GB2312
和GBK
的,虽然是我国的强制使用标准,但在实际生产中很少用到,用得最多的反而是GBK
和GB2312
6. Unicode
Unicode
编码设计成了固定两个字节,所有的字符都用16位(2^16=65536)表示,包括之前只占8位的英文字符等,所以会造成空间的浪费,UNICODE
在很长的一段时间内都没有得到推广应用。
Unicode
完全重新设计,不兼容iso8859-1
,也不兼容任何其他编码。
7. UTF-8
对于英文字母,unicode
也需要两个字节来表示。所以unicode
不便于传输和存储。因此而产生了UTF编码
,UTF-8
全称是(8-bit Unicode Transformation Format
)。
UTF
编码兼容iso8859-1
编码,同时也可以用来表示所有语言的字符,不过,UTF
编码是不定长编码,每一个字符的长度从1-4个字节不等。其中,英文字母都是用一个字节表示,而汉字使用三个字节。
一般项目都会使用
UTF-8
。
8. 中文乱码问题
windows
操作系统默认的编码是GBK
,Linux
操作系统默认的编码是UTF-8
。当我们用open()
时,调用的是操作系统打开的文件,默认的编码是GBK
中文字符文件,乱码出现测试
#测试写入中文
f = open(r"b.txt","w")
f.write("我是菜鸡\n呜呜呜\n")
f.close()
运行结果(Linux
环境中不存在这个问题):
我们在文件编辑区单击右键,选择FileEncoding
,选择GBK
即可:
再选择Reload
,文件即显示正常。
通过指定文件编码解决中文乱码问题
#测试写入中文
f = open(r"b.txt","w",encoding="utf-8")
f.write("我好菜\n呜呜呜\n")
f.close()
9. write()/writelines()写入数据
write(a)
:把字符串a
写入到文件中
writelines(b)
:把字符串列表写入文件中,不添加换行符
添加字符串列表数据到文件中
f = open(r"d:\bb.txt","w",encoding="utf-8")
s = ["什么\n","时候\n","干饭\n"]
f.writelines(s)
f.close()
三、close()关闭文件流
图片是转载滴~
由于文件底层是由操作系统控制,所以我们打开的文件对象必须显式调用close()
方法关闭文件对象。当调用close()
方法时,首先会把缓冲区数据写入文件(也可以直接调用flush()
方法),再关闭文件,释放文件对象。
为了确保打开的文件对象正常关闭,一般结合异常机制的finally
或者with
关键字实现无论何种情况都能关闭打开的文件对象。
结合异常机制的finally
,确保关闭文件对象
try:
f = open(r"wo.txt","a")
s = "wohaoshuai"
f.write(s)
except BaseException as e:
print(e)
finally:
f.close()
with语句(上下文管理器)
with关键字
(上下文管理器)可以自动管理上下文资源,不论什么原因跳出with块
,都能确保文件正确的关闭,并且可以在代码块执行完毕后自动还原进入该代码块时的现场。
使用with
管理文件写入操作
s = ["好想\n","开摆\n","啊\n"]
with open(r"bai.txt","w") as f:
f.writelines(s)
四、文本文件的读取和写入
1. 正常文件的读取
文件的读取一般使用如下三个方法:
-
read([size])
:从文件中读取size
个字符,并作为结果返回。如果没有size
参数,则读取整个文件。 读取到文件末尾,会返回空字符串。 -
readline()
:读取一行内容作为结果返回。读取到文件末尾,会返回空字符串 -
readlines()
:文本文件中,每一行作为一个字符串存入列表中,返回该列表
源文件:
读取一个文件前4个字符
with open("bb.txt","r",encoding="utf-8") as f:
print(f.read(4))
这里有一个换行符捏,也算一个字符~
文件较小,一次将文件内容读入到程序中
with open("bb.txt","r",encoding="utf-8") as f:
print(f.read())
使用readlines()读取文件,读成一个list
with open("bb.txt","r",encoding="utf-8") as f:
print(f.readlines())
按行读取一个文件
with open("bb.txt","r",encoding="utf-8") as f:
while True:
flag = f.readline()
if not flag:
break
else:
print(flag,end="")
使用迭代器(每次返回一行)读取文本文件
with open("bb.txt","r",encoding="utf-8") as f:
for a in f:
print(a,end="")
为文本文件每一行的末尾增加行号
with open("bb.txt","r",encoding="utf-8") as f:
lines = f.readlines()
lines2 = [line.rstrip() + " #" + str(index) + "\n"
for index, line in zip(range(1,len(lines)+1), lines)]
with open("bb.txt","w",encoding="utf-8") as f:
f.writelines(lines2)
这里的line.rstrip()是去掉右侧的换行符,属于列表里面的操作,学过就忘了QAQ
2. 二进制文件的读取和写入
二进制文件的处理流程和文本文件流程一致。首先还是要创建文件对象,不过,我们需要指定二进制模式,从而创建出二进制文件对象。例如:
f = open(r"d:\a.txt", 'wb') #可写的、重写模式的二进制文件对象
f = open(r"d:\a.txt", 'ab') #可写的、追加模式的二进制文件对象
f = open(r"d:\a.txt", 'rb') #可读的二进制文件对象
创建好二进制文件对象后,仍然可以使用write()
、read()
实现文件的读写操作。
读取图片文件,实现文件的拷贝
首先我们需要在文件夹里搞进去一个文件,可以是图片,压缩包,word之类的都可以捏~( ̄▽ ̄)~*
然后我们复制生成一个一模一样滴!
这里用一个猫猫图,放在我们这个文件夹下面:
with open("miao.jpg",'rb') as srcFile,open("miaomiao.jpg","wb") as destFile:
for line in srcFile:
destFile.write(line)
会得到一个一模一样的喵喵!
五、文件对象的常用属性和方法
文件对象封装了文件相关的操作。在前面我们学习了通过文件对象对文件进行读写操作。本节我们详细列出文件对象的常用属性和方法,并进行说明。
1. 文件对象的属性
属性 | 说明 |
---|---|
name | 返回文件的名字 |
mode | 返回文件的打开模式 |
closed | 若文件被关闭, 则返回True |
2. 文件对象的打开模式
模式 | 说明 |
---|---|
r | 读模式 |
w | 写模式 |
a | 追加模式 |
b | 二进制模式(可与其他模式组合) |
+ | 读写模式(可以其他模式组合) |
3. 文件对象的常用方法
方法名 | 说明 |
---|---|
read([size]) | 从文件中读取size个字节或字符的内容返回。若省略[size],则读取到文件末尾,即一次读取文件所有内容 |
readline() | 从文本文件中读取一行内容 |
readlines() | 把文本文件中每一行都作为独立的字符串对象,并将这些对象放入列表返回 |
write(str) | 将字符串str内容写入文件 |
writelines(s) | 将字符串列表s写入文件文件,不添加换行符 |
seek(offset [,whence]) | 把文件指针移动到新的位置,offset表示相对于whence的多少个字节的偏移量;offset:off为正往结束方向移动,为负往开始方向移动whence不同的值代表不同含义:0: 从文件头开始计算(默认值)1:从当前位置开始计算2:从文件尾开始计算 |
tell() | 返回文件指针的当前位置 |
truncate([size]) | 不论指针在什么位置,只留下指针前size个字节的内容,其余全部删除;如果没有传入size,则当指针当前位置到文件末尾内容全部删除 |
flush() | 把缓冲区的内容写入文件,但不关闭文件 |
close() | 把缓冲区内容写入文件,同时关闭文件,释放文件对象相关资源 |
with open("b.txt","r",encoding="utf-8") as f:
print("文件名:", f.name)
print("当前指针位置:", f.tell())
print("读取的内容:", str(f.readlines()))
print("当前指针位置:", f.tell())
f.seek(3, 0)
print("读取的内容:", str(f.readline()))
六、使用pickle序列化
序列化指的是:将对象转化成“串行化”数据形式,存储到硬盘或通过网络传输到其他地方。反序列化是指相反的过程,将读取到的“串行化数据”转化成对象。
我们可以使用pickle模块中的函数,实现序列化和反序列操作。
Python中,一切皆对象,对象本质上就是一个“存储数据的内存块”。有时候,我们需要将“内存块的数据”保存到硬盘上,或者通过网络传输到其他的计算机上。这时候,就需要“对象的序列化和反序列化”。 对象的序列化机制广泛的应用在分布式、并行系统上。
序列化我们使用:
pickle.dump(obj, file)
obj
就是要被序列化的对象,file
指的是存储的文件
pickle.load(file)
从file
读取数据,反序列化成对象
将对象序列化到文件中
import pickle
with open("info.dat", "wb") as f:
name = "me"
age = 20
number = [1,2,3,5,6,9]
my = {'name':name, 'age':age, 'number':number}
pickle.dump(my, f)
with open("info.dat", "rb") as f:
my2 = pickle.load(f)
print(my2)
七、CSV文件的操作
csv是逗号分隔符文本格式,常用于数据交换、Excel文件和数据库数据的导入和导出。
与Excel文件不同,CSV文件中:
- 值没有类型,所有值都是字符串
- 不能指定字体颜色等样式
- 不能指定单元格的宽高,不能合并单元格
- 没有多个工作表
- 不能嵌入图像图表
Python标准库的模块csv提供了读取和写入csv格式文件的对象。
1. csv.reader对象和csv文件读取
我们在excel中建立一个简单的表格:
import csv
with open('a.csv', 'r', encoding='utf-8') as f:
reader = csv.reader(f)
head = next(reader)
print(head)
for row in reader:
print(row)
2. csv.writer对象和csv文件写入
import csv
headers = ["你是谁","在干嘛","吃什么"]
rows = [("me","eating","apple"),
("you","sleeping","chips"),
("he","playing","noodles")]
with open("b.csv","w") as b:
b1 = csv.writer(b)
b1.writerow(headers)
b1.writerows(rows)
八、os模块
os模块
可以帮助我们直接对操作系统进行操作。我们可以直接调用操作系统的可执行文件、命令,直接操作文件、目录等等。
1. os模块-调用操作系统命令
os.system
调用windows系统的记事本程序
import os
os.system("notepad.exe")
os.system
调用windows系统中ping命令
import os
os.system("ping www.baidu.com")
2. os.startfile
:直接调用可执行文件
运行安装好的QQ音乐
import os
os.startfile(r"F:\QQMusic\QQMusic.exe")
3. os模块-文件和目录操作
我们可以通过前面讲的文件对象实现对于文件内容的读写操作。如果,还需要对文件和目录做其他操作,可以使用os
和os.path
模块。
os
模块下常用操作文件的方法:
方法名 | 描述 |
---|---|
remove(path) | 删除指定的文件 |
rename(src,dest) | 重命名文件或目录 |
stat(path) | 返回文件的所有属性 |
listdir(path) | 返回path目录下的文件和目录列表 |
os
模块下关于目录操作的相关方法:
方法名 | 描述 |
---|---|
mkdir(path) | 创建目录 |
makedirs(path1/path2/path3/...) | 创建多级目录 |
rmdir(path) | 删除目录 |
removedirs(path1/path2...) | 删除多级目录 |
getcwd() | 返回当前工作目录:current work dir |
chdir(path) | 把path设为当前工作目录 |
walk() | 遍历目录树 |
sep | 当前操作系统所使用的路径分隔符 |
os
模块:创建、删除目录、获取文件信息等
import os
#测试os模块中,关于文件和目录的操作
#打印基本的信息
print(os.name) #windows-->nt linux-->posix
print(os.sep) #windows-->\ linux-->/
print(repr(os.linesep)) #windows-->\r\n linux-->\n
a = '3'
print(a)
print(repr(a)) #repr可以显示数据信息
#获取文件和文件夹的相关信息
print(os.stat("a_2_5os.py"))
#关于工作目录的操作
print(os.getcwd()) #获得当前工作目录
os.chdir("d:") #当前的工作目录就变成了d:的根目录
######创建目录、删除目录
os.mkdir("书籍")
os.rmdir("书籍")
######创建多级目录
os.makedirs("电影/港台/周星驰")
os.rename("电影","movie")
dirs = os.listdir("movie")
print(dirs)
4. os.path模块
os.path
模块提供了目录相关(路径判断、路径切分、路径连接、文件夹遍历)的操作
方法 | 描述 |
---|---|
isabs(path) | 判断path是否绝对路径 |
isdir(path) | 判断path是否为目录 |
isfile(path) | 判断path是否为文件 |
exists(path) | 判断指定路径的文件是否存在 |
getsize(filename) | 返回文件的大小 |
abspath(path) | 返回绝对路径 |
dirname(p) | 返回目录的路径 |
getatime(filename) | 返回文件的最后访问时间 |
getmtime(filename) | 返回文件的最后修改时间 |
walk(top,func,arg) | 递归方式遍历目录 |
join(path,*paths) | 连接多个path |
split(path) | 对路径进行分割,以列表形式返回 |
splitext(path) | 从路径中分割文件的扩展名 |
测试os.path
中常用方法
#测试os.path常用方法
import os
import os.path
#################获得目录、文件基本信息######################
print(os.path.isabs("d:/a.txt")) #是否绝对路径
print(os.path.isdir("d:/a.txt")) #是否目录
print(os.path.isfile("d:/a.txt")) #是否文件
print(os.path.exists("a.txt")) #文件是否存在
print(os.path.getsize("a.txt")) #文件大小
print(os.path.abspath("a.txt")) #输出绝对路径
print(os.path.dirname("d:/a.txt")) #输出所在目录
########获得创建时间、访问时间、最后修改时间##########
print(os.path.getctime("a.txt")) #返回创建时间
print(os.path.getatime("a.txt")) #返回最后访问时间
print(os.path.getmtime("a.txt")) #返回最后修改时间
################对路径进行分割、连接操作####################
path = os.path.abspath("a.txt") #返回绝对路径
print(os.path.split(path)) #返回元组:目录、文件 ('C:\\Users\\Administrator\\PycharmProjects\\mypro_io\\test_os', 'a.txt')
print(os.path.splitext(path)) #返回元组:路径、扩展名 ('C:\\Users\\Administrator\\PycharmProjects\\mypro_io\\test_os\\a', '.txt')
print(os.path.join("aa","bb","cc")) #返回路径:aa/bb/cc
列出指定目录下所有的.py
文件,并输出文件名
#列出指定目录下所有的.py文件,并输出文件名
import os
import os.path
path = os.getcwd()
file_list = os.listdir(path) #列出子目录和子文件
for filename in file_list:
pos = filename.rfind(".")
if filename[pos+1:]=="py":
print(filename,end="\t")
print("##################")
file_list2 = [filename for filename in os.listdir(path) if filename.endswith(".py") ]
for filename in file_list2:
print(filename,end="\t")
5. walk()递归遍历所有文件和目录
os.walk()
方法是一个简单易用的文件、目录遍历器,可以帮助我们高效的处理文件、目录方面的事情。格式如下:
os.walk(top[, topdown=True[, onerror=None[, followlinks=False]]])
其中,top
:是要遍历的目录。topdown
:可选,True
,先遍历top
目录再遍历子目录。
返回三元组(root
、dirs
、files
):
root
:当前正在遍历的文件夹本身
dirs
:一个列表,该文件夹中所有的目录的名字
files
:一个列表,该文件夹中所有的文件的名字
使用walk()
递归遍历所有文件和目录
import os
path = os.getcwd()
list_files = os.walk(path,topdown=False)
for root,dirs,files in list_files:
for name in files:
print(os.path.join(root,name))
for name in dirs:
print(os.path.join(root,name))
6. shutil模块(拷贝和压缩)
shutil
模块是python标准库中提供的,主要用来做文件和文件夹的拷贝、移动、删除等;还可以做文件和文件夹的压缩、解压缩操作。
os
模块提供了对目录或文件的一般操作。shutil
模块作为补充,提供了移动、复制、压缩、解压等操作,这些os
模块都没有提供。
实现文件的拷贝
import shutil
#copy文件内容
shutil.copyfile("a.txt","a_copy.txt")
实现递归的拷贝文件夹内容(使用shutil
模块)
import shutil
#"音乐"文件夹不存在才能用。
shutil.copytree("电影/学习","音乐",ignore=shutil.ignore_patterns("*.html","*.htm"))
将文件夹“电影/学习”下面的内容拷贝到文件夹“音乐”下。拷贝时忽略所有的
html
和htm
文件。
实现将文件夹所有内容压缩(使用shutil
模块)
import shutil
import zipfile
#将"电影/学习"文件夹下所有内容压缩到"音乐2"文件夹下生成movie.zip
#shutil.make_archive("音乐2/movie","zip","电影/学习")
#压缩:将指定的多个文件压缩到一个zip文件
#z = zipfile.ZipFile("a.zip","w")
#z.write("1.txt")
#z.write("2.txt")
#z.close()
实现将压缩包解压缩到指定文件夹(使用shutil
模块)
import shutil
import zipfile
#解压缩:
z2 = zipfile.ZipFile("a.zip","r")
z2.extractall("d:/") #设置解压的地址
z2.close()
九、 递归遍历目录下所有文件
递归遍历目录下所有文件
首先创建一个文件夹如下:
import os
import os.path
allfile = []
def getFiles(path, level):
childfiles = os.listdir(path)
for file in childfiles:
filepath = os.path.join(path, file)
if os.path.isdir(filepath):
getFiles(filepath,level+1)
allfile.append("\t"*level+filepath)
getFiles("数学", 0)
for f in reversed(allfile):
print(f)
目录树结构的展示
首先创建一个文件夹如下:
我们需要打印这个目录下的目录树:
import os
import os.path
def my_print_file(path, level):
child_files = os.listdir(path)
for file in child_files:
file_path = os.path.join(path, file)
print("\t" * level + file_path[file_path.rfind(os.sep)+1:])
if os.path.isdir(file_path):
my_print_file(file_path, level + 1)
my_print_file("数学", 0)