python渐进-文件

文件操作是编程语言的一项重要能力。包括了文件的读写操作，文件以及目录的操作等。下面就逐一介绍。

10.1 文件的打开

在python中，使用open语句打开一个文件。演示的代码如下。

f=open('myfile.txt','r')

上述的语句当中，'myfile.txt'是文件的名称，f是获取到的文件句柄，在以后的文件读写操作都需要通过这个句柄进行。

如果这个文件不是绝对路径的话，那么python会在sys.path里面列出的路径集合中寻找这个文件；如果是绝对路径，例如'/Users/chenosanabin/Documents/myfile.txt'或者‘D:\\myfile.txt’这样的绝对路径，python会直接用这个绝对路径中访问文件。

文件路径也是乱码频发的一个源头。linux、windows、mac系统对文件路径的中文编码均不相同。windows系统使用原生的unicode编码对文件路径中的中文编码；linux系统的文件路径编码可以自行设置；mac系统则使用utf8对文件路径进行编码。

在不同的系统中，一个相同的文件路径需要进行不同的编码才能够访问到。很多人为了避免麻烦，会自觉地避免把文件放在中文目录，避免文件名中含有中文。

实际上如果知道了背后的原理，是可以很妥善地处理中文路径的问题的。一个系统的文件路径的编码，可以通过sys.getfilesystemencoding()这个函数获取到。

调用这个函数后，windows系统会返回'mbcs'，这个是原生unicode编码；unix系统是用户自行设置，可能返回不同编码；mac系统会返回'utf8'。

一个文件路径，在程序里面最好使用unicode存储，然后根据 sys.getfilesystemencoding()这个函数返回的值，通过encode把unicode转化成相应的编码，就可以正确访问到文件了。演示的代码如下：

#coding=utf8

import sys

filepathencoding=sys.getfilesystemencoding()

filename=u'中文文件.txt'

if filepathencoding!='mbcs':

filename=filename.encode(filepathencoding)

f=open(filename,'r')

使用open()来打开一个文件，需要考虑文件的读写模式问题。如果是只读模式，那么就不能够修改文件；如果是写模式，那么就可写可读了。这是为了防止对文件的误操作加入的功能。

open()的第二个参数就是设置读写模式的。其中'r'是只读；'w'是可写的；'a'是增量写入；'r+'是可读可写。如果选择了'w'模式，那么写入的时候会从文件头开始写入；而选择了'a'模式，写入的时候会从文件的末尾开始写入。

在windows系统里面，文本文件和非文本文件是有区别的。对一个文本文件进行写入的时候，换行符会被转成系统特定符号。这个事情是windows系统做的，会破坏文件的结构。对于图片文件或者音视频文件，这种修改会导致文件无法打开。因此在读写图片和音视频文件的时候，需要特别声明这是非文本文件。此时需要设置文件使用'b'模式打开，也就是二进制文件。'b'模式和之前提到的读写模式组合，可以变成'rb','wb','ab' 等等。'b'模式是为了windows系统特别存在，对于unix体系的系统来说，'b'模式是透明的。

在文件的读写完毕后，一个好的习惯是，把文件的句柄关闭，释放文件资源。文件的关闭使用close()方法。

f.close()

在python里有一个with语句，离开with语句的时候，会自动就调用了close()。

一个简单的使用with语句操作文件的代码如下：

with open(filename,'r') as f:

print(f.read())

with语句把open()语句返回的文件句柄赋值给f，接着所有的文件操作都可以在with语句下面进行。当离开with语句，f的close()操作会被自动调用，不再需要自行处理了。

10.2 文件的读写

要读取一个文件，有三种方式。一行一行读，一块一块读，全部读。

如果文件大小合适，不超过python默认的缓存，操作系统的内存也装得下，全部读进来是可以的。这个时候的操作就很简单。使用f.read()或者f.readlines()就可以了。

f.read()把读进来的内容看作是一个字符串。而f.readlines()把读进来的内容看作是一个list，list里面的每个item都是一行。

比如一个文件，包含了下面几行

1

2

3

4

使用f.read()的话，结果是

'1\n2\n3\n4\n'

使用f.readlines()的话，结果是

['1\n', '2\n', '3\n', '4\n']

无论是f.read()还是f.readlines()，换行符都不会被处理。使用readlines()的时候，要记得自行处理换行符。

如果文件很大，无法一下子读进来，可以采用一块一块读，或者一行一行读。

使用f.read(readsiez)每次读取readsize大小的内容。循环读取文件直到读入的内容是空的。演示代码如下：

r=f.read(1)

while(r!=''):

r=f.read(1)

上述代码每次读取1个字节，一直读到空字符，说明到了文件末尾了。

使用f.readline()一行一行读取文件，每次读一行，循环读取直到读入的内容为空。演示代码如下：

r=f.readline()

while(r!=''):

r=f.readline()

无论f.read()、f.readline()、f.readlines()，默认都是从文件开头开始读起的。如果需要直接读取文件的某个位置的内容，那么就使用文件指针，从指针那里开始读起。使用f.seek()函数可以修改文件指针。

f.seek()有两个参数，第一个是位移，而第二个开始地点。开始地点有三种选择：

文件开头（os.SEEK_SET）

当前位置（os.SEEK_CUR）

文件结尾（os.SEEK_END）。

举几个例子：

f.seek(5，os.SEEK_SET)把指针指向文件开头顺数第五个字节；f.seek(-3，os.SEEK_END）把指针指向文件结尾倒数第三个字符。

修改了文件指针之后，文件的读写就会从当前的指针开始。

使用f.write()可以往文件里面添加内容。下面的例子展示了在文件末尾倒数一个字符的位置写入'5\n\'

with open(filename,'w') as f:

f.seek(-1,os.SEEK_END)

f.write('5\n')

文件内容的读写也涉及到了字符编码的问题，和之前提到的字符编码处理一样，需要按照编码类型decode成unicode字符，再进行处理；而写入的时候，把unicode字符encode为编码类型，再写入。

10.3 文件和目录的操作

python在os模块和os.path模块中提供了很多文件和目录的常用操作。

>>> import os.path

>>>os.path.exists('/Users/chenosanabin/Documents/dir0/dir1/file11.txt')

True

>>>os.path.isdir('/Users/chenosanabin/Documents/dir0/dir1/file11.txt')

False

>>>os.path.isfile('/Users/chenosanabin/Documents/dir0/dir1/file11.txt')

True

使用os.mkdir()或者os.makedirs()来创建目录

>>> os.path.exists('/Users/chenosanabin/Documents/d0')

False

>>>os.mkdir('/Users/chenosanabin/Documents/d0')

>>>os.path.exists('/Users/chenosanabin/Documents/d0')

True

当路径中有未创建的目录时，使用os.mkdir()进行创建会失败，这个时候应该使用os.makedirs()来循环创建目录

>>>os.mkdir('/Users/chenosanabin/Documents/d1/d11')

Traceback (most recent calllast):

File "", line 1, in

OSError: [Errno 2] No suchfile or directory: '/Users/chenosanabin/Documents/d1/d11'

>>>os.makedirs('/Users/chenosanabin/Documents/d1/d11')

>>> os.path.exists('/Users/chenosanabin/Documents/d1/d11')

True

使用os.rmdir()或者os.removedirs()来删除目录,此时需要删除的目录应该都是空的，如果不是空目录就不会被删除。

>>>os.rmdir('/Users/chenosanabin/Documents/d0')

>>>os.path.exists('/Users/chenosanabin/Documents/d0')

False

如果需要循环删除，可以使用os.removedirs()，只要文件路径的每个目录节点是空的，就进行删除。

>>>os.removedirs('/Users/chenosanabin/Documents/d1/d11')

>>>os.path.exists('/Users/chenosanabin/Documents/d1')

False

可以看到，在循环删除目录'/Users/chenosanabin/Documents/d1/d11'的时候，最终'/Users/chenosanabin/Documents/d1'也被删除了。

使用os.remove()来删除文件

>>>os.remove('/Users/chenosanabin/Documents/f1.txt')

>>>os.path.exists('/Users/chenosanabin/Documents/f1.txt')

False

使用os.walk()来遍历一个目录。

filelist=os.walk('/Users/chenosanabin/Documents/dir0')

for fl in filelist:

print(fl)

在这里'/Users/chenosanabin/Documents/dir0'是根目录，os.walk()从根目录开始遍历所有的子目录和子文件，并且把所有的目录下面的目录列表和文件列表列出来，结果用(root,dirlist,filelist)的形态展现。上述代码的输出类似于以下：

('/Users/chenosanabin/Documents/dir0',['dir1', 'dir2'], ['file1.txt'])

('/Users/chenosanabin/Documents/dir0/dir1',['dir11'], ['file11.txt'])

('/Users/chenosanabin/Documents/dir0/dir1/dir11',[], ['file111.txt'])

('/Users/chenosanabin/Documents/dir0/dir2',[], ['file21.txt'])

从结果可以看出，dir0目录下面有两个目录dir1和dir2，有一个文件file1.txt。而dir1目录下面有dir11目录和file11.txt文件。等等。

使用os.walk()可以很快地遍历一个根目录，访问所有的文件和目录，非常方便。