第
5
章文件与文件夹操作程序中使用的数据都是暂时的，当程序执行终止时它们就会丢失，除非这些数据被保存起来。为了能永久地保存程序中创建的数据，需要将它们存储到磁盘或光盘上的文件中。计算机文件是以计算机硬盘为载体存储在计算机上的信息集合。文件的主要属性如下。
（1） 文件类型，即从不同的角度来对文件进行分类。
（2） 文件长度，可以用字节、字或块表示。
（3） 文件的位置，指示文件保存在哪个存储介质上以及在介质上的具体位置。
（4） 文件的存取控制，指文件的存取权限，包括读、写和执行。
（5） 文件的建立时间，指文件最近的修改时间。
从文件编码的方式来看，文件可分为文本文件和二进制文件两种。文本文件用于存储编码的字符串，二进制文件直接存储字节码。
5.1文本文件〖*4/5〗5.1.1文本文件的字符编码文本文件
文本文件是基于字符编码的文件，常见的编码有ASCII编码、Unicode编码、UTF8编码等。在Windows平台中，扩展名为txt、log、ini的文件都属于文本文件，可以使用字处理软件（如gedit、记事本）进行编辑。
由于计算机只能处理数字，若要处理文本，就必须先把文本转换为数字才能处理。最早的计算机采用8位（bit）作为1字节（byte），1字节能表示的最大的整数就是255，如果要表示更大的整数，就必须用更多的字节。例如，2字节可以表示的最大整数是65 535，4字节可以表示的最大整数是4 294 967 295。
计算机最早使用ASCII编码将127个字母编码到计算机里。ASCII编码是1字节，字节的最高位作为奇偶校验位，ASCII编码实际使用1字节中的7位来表示字符，第一个00000000表示空字符，因此，ASCII编码实际上只包括了字母、标点符号、特殊符号等共127个字符。随着计算机的发展，非英语国家的人要处理他们的语言，但ASCII编码用上了浑身解数，把8位都用上也不够用。因此，后来出现了统一的、囊括多国语言的Unicode编码。Unicode编码通常由2字节组成，一共可表示256×256个字符，某些偏僻字还会用到4字节。
在Unicode中，原本ASCII中的127个字符只需在前面补一个全零的字节即可，例如字符a： 01100001，在Unicode中变成了00000000 01100001。这样原本只需1字节就能传输的英文现在变成2字节，非常浪费存储空间和传输速度。
〖3〗Python数据分析第5章文件与文件夹操作〖3〗针对空间浪费问题，于是出现了UTF8编码。UTF8编码是可变长短的，从英文字母的1字节，到中文的通常的3字节，再到某些生僻字的6字节。UTF8编码还兼容了ASCII编码。
注意： 除了英文字母相同，汉字在Unicode编码和UTF8编码中通常是不同的。例如汉字的“中”，在Unicode编码中是01001110 00101101，而在UTF8编码中是11100100 10111000 10101101。
现在计算机系统通用的字符编码工作方式： 在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输时，就转换为UTF8编码。用记事本编辑时，从文件读取的UTF8字符被转换为Unicode字符存储到内存里，编辑完成后，保存时再把Unicode字符转换为UTF8字符保存到文件。浏览网页时，服务器会把动态生成的Unicode内容转换为UTF8再传输到浏览器。
Python3中的默认编码是UTF8，可以通过以下代码查看Python3的默认编码：>>>import sys
>>>sys.getdefaultencoding() #查看Python3的默认编码
'utf-8'对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符。>>>ord('A')
65
>>>ord('中')
20013
>>>chr(20013)
'中'由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。Python对bytes类型的数据用带b前缀的单引号或双引号表示。例如：x=b'ABC'注意：  'ABC'和b'ABC'之间的区别，前者是str，后者虽然内容看起来与前者一样，但bytes的每个字符只占用一字节。以Unicode表示的str通过encode()方法可以编码为指定的bytes。>>>'ABC'.encode('ascii')#编码成ASCII字节的形式
b'ABC'
>>>'中国'.encode('utf-8')#编码成UTF-8字节的形式
b'\\xe4\\xb8\\xad\\xe5\\x9b\\xbd'1个中文字符经过UTF8编码后通常会占用3B，而1个英文字符只占用1B。
注意： 纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF8编码为bytes。但含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。
要把bytes变为str，就需要用decode()方法：>>>b'ABC'.decode('ascii')
'ABC'
>>>b'\\xe4\\xb8\\xad\\xe5\\x9b\\xbd'.decode('utf-8')
'中国'在操作字符串时，人们经常遇到str与bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF8编码对str和bytes进行转换。Python源代码也是一个文本文件，所以，当源代码中包含中文时，在保存源代码时，就需要务必指定保存为UTF8编码。当Python解释器读取源代码时，为了让它按UTF8编码读取，通常在文件开头写上下面一行语句：#--coding: utf-8 --该语句告诉Python解释器，按照UTF8编码读取源代码，否则，在源代码中包含的中文输出时可能会有乱码。
5.1.2文本文件的打开
向（从）一个文件写（读）数据之前，需要先创建一个与物理文件相关的文件对象，然后通过该文件对象对文件内容进行读取、写入、删除、修改等操作，最后关闭并保存文件内容。Python内置的open()函数可以按指定的模式打开指定的文件并创建文件对象。file_object=open(file, mode='r', buffering=-1)open（）函数打开文件file，返回一个指向文件file的文件对象file_object。
各个参数说明如下。
file： file是一个包含文件所在路径及文件名称的字符串值，如'c:\\\\User\\\\test.txt'。
mode： mode指定打开文件的模式，如只读、写入、追加等，默认文件访问模式为只读'r'。
buffering： 表示是否需要缓冲，设置为0时，表示不使用缓冲区，直接读写，仅在二进制模式下有效。设置为1时，表示在文本模式下使用行缓冲区方式。设置为大于1时，表示缓冲区的设置大小。默认值为-1，表示使用系统默认的缓冲区大小。
文件打开的不同模式如表51所示。表51文件打开的不同模式
模式描述r以只读方式打开文件，文件的指针放在文件的开头。这是默认模式，可省略rb以只读二进制格式打开一个文件，文件的指针放在文件的开头r+以读写格式打开一个文件，文件指针放在文件的开头rb+以读写二进制格式打开一个文件，文件指针放在文件的开头w以写入格式打开一个文件，如果该文件已存在，则将其覆盖；如果该文件不存在，则创建新文件wb以二进制格式打开一个文件只用于写入，如果该文件已存在则将其覆盖；如果该文件不存在，则创建新文件w+以读写格式打开一个文件，如果该文件已存在则将其覆盖；如果该文件不存在，则创建新文件wb+以读写二进制格式打开一个文件，如果该文件已存在则将其覆盖；如果该文件不存在，则创建新文件a以追加格式打开一个文件，如果该文件已存在，文件指针将会放在文件的结尾，也就是说，新的内容将会被写入到已有内容之后；如果该文件不存在，创建新文件进行写入ab以追加二进制格式打开一个文件，如果该文件已存在，文件指针将会放在文件的结尾，也就是说，新的内容将会被写入到已有内容之后；如果该文件不存在，创建新文件进行写入a+以读写格式打开一个文件，如果该文件已存在，文件指针将会放在文件的结尾；如果该文件不存在，创建新文件用于读写ab+以读写二进制格式打开一个文件，如果该文件已存在，文件指针将会放在文件的结尾；如果该文件不存在，创建新文件用于读写“+”表示可以同时读写某个文件。
r+： 读写，即可读、可写，可理解为先读后写，不擦除原文件内容，指针在0。
w+： 写读，即可读、可写，可理解为先写后读，擦除原文件内容，指针在0。
a+： 写读，即可读、可写，不擦除原文件内容，指针指向文件的结尾，要读取原内容需先重置文件指针。
不同模式下打开文件的异同点如表52所示。表52不同模式下打开文件的异同点
模式可做操作若文件不存在是否覆盖指针位置r只能读报错否0r+可读、可写报错否0w只能写创建是0w+可写、可读创建是0a只能写创建否，追加写最后a+可读、可写创建否，追加写最后下面的语句以读的模式打开当前目录下一个名为scores.txt的文件。file_object1=open('scores.txt', 'r')也可以使用绝对路径文件名来打开文件，如下所示。file_object=open(r'D:\\Python\\scores.txt', 'r')上述语句以读的模式打开D:\\Python目录下的scores.txt文件。绝对路径文件名前的r前缀可使Python解释器将文件名中的反斜杠理解为字面意义上的反斜杠。如果没有r前缀，需要使用反斜杠字符\\转义\\，使之成为字面意义上的反斜杠。file_object=open('D:\\\\Python\\\\scores.txt', 'r')一个文件被打开后，返回一个文件对象file_object，通过文件对象file_object可以得到有关该文件的各种信息，文件对象的常用属性如表53所示。表53文件对象的常用属性
属性描述closed判断文件是否关闭，如果文件已被关闭，返回True，否则返回Falsemode返回被打开文件的访问模式name返回文件的名称>>>file_object=open('D:\\\\Python\\\\scores.txt', 'r')
>>>print('文件名: ', file_object.name)
文件名:D:\\Python\\scores.txt
>>>print('是否已关闭: ',file_object.closed)
是否已关闭: False
>>>print('访问模式: ', file_object.mode)
访问模式: r文件对象是使用open（）函数来创建的，文件对象的常用方法如表54所示。文件读写操作相关的方法都会自动改变文件指针的位置。例如，以读模式打开一个文本文件，读取10个字符，会自动把文件指针移到第11个字符，再次读取字符的时候总是从文件指针的当前位置开始读取。写文件操作的方法也具有相同的特点。表54文件对象的常用方法
方法功 能 说 明close()刷新缓冲区里还没写入的信息，并关闭该文件flush()刷新文件内部缓冲区，把内部缓冲区的数据立刻写入文件，但不关闭文件next()返回文件下一行read(［size］)从文件的开始位置读取指定的size个字符数，如果未给定则读取所有readline()读取整行，包括"\\n"字符续表
方法功 能 说 明readlines()把文本文件中的每行文本作为一个字符串存入列表中并返回该列表seek(offset［，whence］)用于移动文件读取指针到指定位置，offset为需要移动的字节数；whence指定从哪个位置开始移动，默认值为0，0代表从文件开头开始，1代表从当前位置开始，2代表从文件末尾开始tell()返回文件的当前位置，即文件指针的当前位置truncate(［size］)删除从当前指针位置到文件末尾的内容。如果指定了size，则不论指针在什么位置都只留下前size个字符，其余的删除write(str)把字符串str的内容写入文件中，没有返回值。由于缓冲，字符串内容可能没有加入到实际的文件中，直到调用 flush() 或 close()方法被调用writelines(［str］)用于向文件中写入字符串序列writable()测试当前文件是否可写readable()测试当前文件是否可读5.1.3文本文件的写入
当一个文件以“写”的方式打开后，可以使用write()方法和writelines()方法，将字符串写入文本文件。
file_object.write(str)： 把字符串str写入到文件file_object中，write()并不会在str后自动加上一个换行符。
file_object.writelines(seq)： 它接收一个字符串列表seq作为参数，把字符串列表seq写入到文件file_object，这个方法也只是忠实地写入，不会在每行后面加上换行符。>>>file_object=open('test.txt', 'w')#以写的方式打开文件test.txt
>>>file_object.write('Hello, world!')#将"Hello, world!"写入到文件test.txt
13#成功写入的字符数量
>>>file_object.close()注意： 可以反复调用file_object.write()来写入文件，写完之后一定要调用file_object.close()来关闭文件。这是因为当写文件时，操作系统往往不会立刻把数据写入磁盘，而是放到内存缓存起来，空闲的时候再慢慢写入。只有调用close()方法时，操作系统才保证把没有写入的数据全部写入磁盘。忘记调用close()的后果是数据可能只写了一部分到磁盘，剩下的丢失了。Python中提供了with语句，可以防止上述事情的发生，当with代码块执行完毕时，会自动关闭文件释放内存资源，不用特意加上file_object.close()。上面的语句可改写为如下with语句：with open('test.txt', 'w') as file_object:
file_object.write('Hello, world!') #with语句块这里使用了with语句，不管在处理文件过程中是否发生异常，都能保证with语句块执行完之后自动关闭打开的文件test.txt。with语句可以对多个文件同时操作。>>>f=open('test.txt', 'w')
#把字符串列表［"hello"," ","Python"］写入到文件f
>>>f.writelines(［"hello"," ","Python"］) 
>>>f.close()
>>>f=open("test.txt","r")
>>>f.read()
'hello Python'
>>>fo=open("test.txt", "w")#打开文件
>>>seq=［"君子赠人以言\\n", "庶人赠人以财"］ 
>>>fo.writelines(seq) #向文件中写入字符串序列
>>>fo.close()#关闭文件
>>>fo=open("test.txt", "r")
>>>print(fo.read())
君子赠人以言
庶人赠人以财【例51】创建一个新文件，内容是0～9的整数，每个数字占一行。f=open('file1.txt','w')
for i in range(0,10):
f.write(str(i)+'\\n')
f.close()5.1.4文本文件的读取
当一个文件被打开后，可使用三种方式从文件中读取数据： read()、readline()、readlines()。
read(［size］)： 从文件读取指定的size个字符数，如果未给定则读取所有。
readline()： 该方法每次读出一行内容，返回一个字符串对象。
readlines()： 把文本文件中的每行文本作为一个字符串存入列表中并返回该列表。
这里假设在当前目录下有一个文件名为test.txt的文本文件，里面的数据如下：白日不到处
青春恰自来
苔花如米小
也学牡丹开
1. 读取整个文件
人们经常需要从一个文件中读取全部数据，这里有两种方法可以完成这个任务。
（1） 使用read()方法从文件读取所有数据，然后将它作为一个字符串返回。
（2） 使用readlines()方法从文件中读取每行文本，然后将它们作为一个字符串列表返回。
方法1：with open('test.txt') as f:#默认模式为'r',只读模式
contents=f.read() #读取文件全部内容
print(contents)上述代码在IDLE中运行的结果如下：白日不到处
青春恰自来
苔花如米小
也学牡丹开方法2：with open('test.txt') as f: #默认模式为'r',只读模式
contents1=f.readlines() #读取文件全部内容
print(contents1)上述代码在IDLE中运行的结果如下：［'白日不到处\\n', '青春恰自来\\n', '苔花如米小\\n', '也学牡丹开\\n'］
2. 逐行读取
使用read()方法和readlines()方法从一个文件中读取全部数据，对于小文件来说是简单而且有效的，但是如果文件大到它的内容无法全部读到内存时该怎么办？这时可以编写循环，每次读取文件的一行，并且持续读取下一行直到文件末端。
方法1：with open('test.txt') as f: 
for line in f:
print(line, end='') 上述代码在IDLE中运行的结果如下：白日不到处
青春恰自来
苔花如米小
也学牡丹开方法2：f=open("test.txt")
line=f.readline()
print(type(line)) #输出line的数据类型
while line:
print(line, end='')
line=f.readline()
f.close()上述代码在IDLE中运行的结果如下：<class 'str'>
白日不到处
青春恰自来
苔花如米小
也学牡丹开5.1.5文本文件指针的定位
文件对象的tell()方法返回文件的当前位置，即文件指针当前位置。使用文件对象的read()方法读取文件之后，文件指针到达文件的末尾，如果再来一次read()将会发现读取的是空内容，如果想再次读取全部内容，或读取文件中的某行字符，必须将文件指针移动到文件开始或某行开始，这可通过文件对象的seek()方法来实现，其语法格式如下：seek(offset［,whence］)作用： 用于移动文件读取指针到指定位置，offset为需要移动的字节数；whence指定从哪个位置开始移动，默认值为0，0代表从文件开头开始，1代表从当前位置开始，2代表从文件末尾开始。
注意： Python3不允许非二进制打开的文件，相对于文件末尾的定位。>>>f=open('file2.txt', 'a+')
>>>f.write('123456789abcdef')
15
>>>f.seek(3)#移动文件指针,并返回移动后的文件指针当前位置
3
>>>f.read(1)
'4'
>>>f.seek(-3,2) #报错
Traceback(most recent call last):
File "<pyshell#5>", line 1, in <module>
f.seek(-3,2)
io.UnsupportedOperation: can't do nonzero end-relative seeks
>>>f.close()
>>>f=open('file2.txt', 'rb+')#以二进制模式读写文件
>>>f.seek(-3,2) #移动文件指针,并返回移动后的文件指针当前位置
12 #没有报错
>>>f.tell() #返回文件指针当前位置
12
>>>f.read(1)
b'd'【例52】修改模式下打开文件，然后输出，观察指针区别。
其中，file2.txt的内容如下：123456789abcdef程序代码：f=open(r'D:\\Python\\file2.txt','r+')
print('文件指针在:',f.tell())
if f.writable():
f.write('Python\\n')
else:
print("此模式不可写")
print('文件指针在:',f.tell())
f.seek(0)
print("最后的文件内容: ")
print(f.read())
f.close()程序代码在IDLE中运行的结果如下：文件指针在: 0
文件指针在: 8
最后的文件内容: 
Python
9abcdef5.2二进制文件
二进制文件是基于值编码的文件，二进制文件直接存储字节码，可以根据具体应用，指定某个值是什么意思（这样一个过程，可以看作是自定义编码）。二进制文件可看成是变长编码的，多少个比特代表一个值，完全由用户决定。二进制文件编码是变长的，存储利用率高，但译码难（不同的二进制文件格式，有不同的译码方式）。常见的图形图像文件、音频和视频文件、可执行文件、资源文件、各种数据库文件等均属于二进制文件。
5.2.1二进制文件的写入
二进制文件的写入一般包括三个步骤： 打开文件、写入数据和关闭文件。
通过内置函数open()函数可以创建或打开二进制文件，返回一个指向文件的文件对象。>>>f1=open('data1', 'rb')#以只读二进制格式打开一个文件
>>>f2=open('data2', 'wb')#以二进制格式创建或打开一个文件只用于写入以二进制的方式打开二进制文件后，可以使用文件对象的write()方法将二进制数据写入文件。可以使用文件对象的flush()方法强制把缓冲的数据更新到文件中。