读写文本文件

读写文件是最常见的 IO 操作。通常，我们使用 input 从控制台读取输入，使用 print 将内容输出到控制台。实际上，我们也经常从文件读取输入，将内容写到文件。

读文件

在 Python 中，读文件主要分为三个步骤：

  • 打开文件
  • 读取内容
  • 关闭文件

一般使用形式如下：

  1. try:
  2.     f = open('/path/to/file', 'r')    # 打开文件
  3.     data = f.read()                   # 读取文件内容
  4. finally:
  5.     if f:
  6.         f.close()                     # 确保文件被关闭

注意到，我们在代码中加了 try...finally，这是因为，如果打开和读取文件时出现错误，文件就没有被关闭。为了确保在任何情况下，文件都能被关闭，我们加了 try...finally。

上面的代码中，’r’ 模式表示读模式，open 函数的常用模式主要有：

‘r’ 读模式
‘w’ 写模式
‘a’ 追加模式
‘b’ 二进制模式（可添加到其他模式中使用）
‘+’ 读/写模式（可添加到其他模式中使用）

上面的读文件做法很繁琐，我们可以使用 Python 的 with 语句来帮我们自动调用 close 方法：

  1. with open('/path/to/file', 'r') as f:
  2.     data = f.read()

可以看到，这种方式很简洁，而且还能在出现异常的情况下自动关闭文件。

通常而言，读取文件有以下几种方式：

  • 一次性读取所有内容，使用 read() 或 readlines()；
  • 按字节读取，使用 read(size)；
  • 按行读取，使用 readline()；

读取所有内容

读取所有内容可以使用 read() 或 readlines()。我们在上面已经介绍过 read() 了，现在，让我们看看 readlines()。

readlines() 方法会把文件读入一个字符串列表，在列表中每个字符串就是一行。

假设有一个文件 data.txt，它的文件内容如下（数字之间的间隔符是’\t’）：

  1. 10  1   9   9
  2. 6   3   2   8
  3. 20  10  3   23
  4. 1   4   1   10
  5. 10  8   6   3
  6. 10  2   1   6

我们使用 readlines() 将文件读入一个字符串列表：

  1. with open('data.txt', 'r') as f:
  2.     lines = f.readlines()
  3.     line_num = len(lines)
  4.     print lines
  5.     print line_num

执行结果：

  1. ['10\t1\t9\t9\n', '6\t3\t2\t8\n', '20\t10\t3\t23\n', '1\t4\t1\t10\n', '10\t8\t6\t3\n', '10\t2\t1\t6']
  2. 6

可以看到，列表中的每个元素都是一个字符串，刚好对应文件中的每一行。

按字节读取

如果文件较小，一次性读取所有内容确实比较方便。但是，如果文件很大，比如有 100G，那就不能一次性读取所有内容了。这时，我们构造一个固定长度的缓冲区，来不断读取文件内容。

看看例子：

  1. with open('path/to/file', 'r') as f:
  2.     while True:
  3.         piece = f.read(1024)        # 每次读取 1024 个字节（即 1 KB）的内容
  4.         if not piece:
  5.             break
  6.         print piece

在上面，我们使用 f.read(1024) 来每次读取 1024 个字节（1KB） 的文件内容，将其存到 piece，再对 piece 进行处理。

事实上，我们还可以结合 yield 来使用：

  1. def read_in_chunks(file_object, chunk_size=1024):
  2.     """Lazy function (generator) to read a file piece by piece.
  3.     Default chunk size: 1k."""
  4.     while True:
  5.         data = file_object.read(chunk_size)
  6.         if not data:
  7.             break
  8.         yield data
  10. with open('path/to/file', 'r') as f:
  11.     for piece in read_in_chunks(f):
  12.         print piece

逐行读取

在某些情况下，我们希望逐行读取文件，这时可以使用 readline() 方法。

看看例子：

  1. with open('data.txt', 'r') as f:
  2.     while True:
  3.         line = f.readline()     # 逐行读取
  4.         if not line:
  5.             break
  6.         print line,             # 这里加了 ',' 是为了避免 print 自动换行

执行结果：

  1. 10  1   9   9
  2. 6   3   2   8
  3. 20  10  3   23
  4. 1   4   1   10
  5. 10  8   6   3
  6. 10  2   1   6

文件迭代器

在 Python 中，文件对象是可迭代的，这意味着我们可以直接在 for 循环中使用它们，而且是逐行迭代的，也就是说，效果和 readline() 是一样的，而且更简洁。

看看例子：

  1. with open('data.txt', 'r') as f:
  2.     for line in f:
  3.         print line,

在上面的代码中，f 就是一个文件迭代器，因此我们可以直接使用 for line in f，它是逐行迭代的。

看看执行结果：

  1. 10  1   9   9
  2. 6   3   2   8
  3. 20  10  3   23
  4. 1   4   1   10
  5. 10  8   6   3
  6. 10  2   1   6

再看一个例子：

  1. with open(file_path, 'r') as f:
  2.     lines = list(f)
  3.     print lines

执行结果：

  1. ['10\t1\t9\t9\n', '6\t3\t2\t8\n', '20\t10\t3\t23\n', '1\t4\t1\t10\n', '10\t8\t6\t3\n', '10\t2\t1\t6']

可以看到，我们可以对文件迭代器执行和普通迭代器相同的操作，比如上面使用 list(open(filename)) 将 f 转为一个字符串列表，这样所达到的效果和使用 readlines 是一样的。

写文件

写文件使用 write 方法，如下：

  1. with open('/Users/ethan/data2.txt', 'w') as f:
  2.     f.write('one\n')
  3.     f.write('two')
  • 如果上述文件已存在，则会清空原内容并覆盖掉；
  • 如果上述路径是正确的（比如存在 /Users/ethan 的路径），但是文件不存在（data2.txt 不存在），则会新建一个文件，并写入上述内容；
  • 如果上述路径是不正确的（比如将路径写成 /Users/eth ），这时会抛出 IOError；

如果我们想往已存在的文件追加内容，可以使用 ‘a’ 模式，如下：

  1. with open('/Users/ethan/data2.txt', 'a') as f:
  2.     f.write('three\n')
  3.     f.write('four')

小结

  • 推荐使用 with 语句操作文件 IO。
  • 如果文件较大，可以按字节读取或按行读取。
  • 使用文件迭代器进行逐行迭代。

参考资料