一文解决 Python读取文件的全部知识

article/2025/8/8 7:22:03

文件是无处不在的，无论我们使用哪种编程语言，处理文件对于每个程序员都是必不可少的

文件处理是一种用于创建文件、写入数据和从中读取数据的过程，Python 拥有丰富的用于处理不同文件类型的包，从而使得我们可以更加轻松方便的完成文件处理的工作

本文大纲：

  • 使用上下文管理器打开文件
  • Python 中的文件读取模式
  • 读取 text 文件
  • 读取 CSV 文件
  • 读取 JSON 文件

Let’s go！

图片

打开文件

在访问文件的内容之前，我们需要打开文件。Python 提供了一个内置函数可以帮助我们以不同的模式打开文件。open() 函数接受两个基本参数：文件名和模式

默认模式是“r”，它以只读方式打开文件。这些模式定义了我们如何访问文件以及我们如何操作其内容。open() 函数提供了几种不同的模式，我们将在后面逐一讨论

下面我们通过 ’Python 之禅‘ 文件来进行后面的讨论学习

f = open('zen_of_python.txt', 'r')
print(f.read())
f.close()

Output:

The Zen of Python, by Tim PetersBeautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
...

在上面的代码中，open() 函数以只读模式打开文本文件，这允许我们从文件中获取信息而不能更改它。在第一行，open() 函数的输出被赋值给一个代表文本文件的对象 f，在第二行中，我们使用 read() 方法读取整个文件并打印其内容，close() 方法在最后一行关闭文件。需要注意，我们必须始终在处理完打开的文件后关闭它们以释放我们的计算机资源并避免引发异常

在 Python 中，我们可以使用 with 上下文管理器来确保程序在文件关闭后释放使用的资源，即使发生异常也是如此

with open('zen_of_python.txt') as f:print(f.read())

Output:

The Zen of Python, by Tim PetersBeautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
...

上面的代码使用 with 语句创建了一个上下文，并绑定到变量 f ，所有文件对象方法都可以通过该变量访问文件对象。read() 方法在第二行读取整个文件，然后使用 print() 函数输出文件内容

当程序到达 with 语句块上下文的末尾时，它会关闭文件以释放资源并确保其他程序可以正常调用它们。通常当我们处理不再需要使用的，需要立即关闭的对象（例如文件、数据库和网络连接）时，强烈推荐使用 with 语句

这里需要注意的是，即使在退出 with 上下文管理器块之后，我们也可以访问 f 变量，但是该文件是已关闭状态。让我们尝试一些文件对象属性，看看变量是否仍然存在并且可以访问：

print("Filename is '{}'.".format(f.name))
if f.closed:print("File is closed.")
else:print("File isn't closed.")

Output:

Filename is 'zen_of_python.txt'.
File is closed.

但是此时是不可能从文件中读取内容或写入文件的，关闭文件时，任何访问其内容的尝试都会导致以下错误：

f.read()

Output:

---------------------------------------------------------------------------ValueError                                Traceback (most recent call last)~\AppData\Local\Temp/ipykernel_9828/3059900045.py in <module>
----> 1 f.read()ValueError: I/O operation on closed file.

Python 中的文件读取模式

正如我们在前面提到的，我们需要在打开文件时指定模式。下表是 Python 中的不同的文件模式：

模式说明

  • ‘r’ 打开一个只读文件
  • ‘w’ 打开一个文件进行写入。如果文件存在，会覆盖它，否则会创建一个新文件
  • ‘a’ 打开一个仅用于追加的文件。如果该文件不存在，会创建该文件
  • ‘x’ 创建一个新文件。如果文件存在，则失败
  • ‘+’ 打开一个文件进行更新

我们还可以指定以文本模式“t”、默认模式或二进制模式“b”打开文件。让我们看看如何使用简单的语句复制图像文件 dataquest_logo.png：

with open(‘dataquest_logo.png’, ‘rb’) as rf:
with open(‘data_quest_logo_copy.png’, ‘wb’) as wf:
for b in rf:
wf.write(b)
上面的代码复制 Dataquest 徽标图像并将其存储在同一路径中。‘rb’ 模式以二进制模式打开文件并进行读取，而 ‘wb’ 模式以文本模式打开文件以并行写入

读取文本文件
在 Python 中有多种读取文本文件的方法，下面我们介绍一些读取文本文件内容的有用方法

到目前为止，我们已经了解到可以使用 read() 方法读取文件的全部内容。如果我们只想从文本文件中读取几个字节怎么办，可以在 read() 方法中指定字节数。让我们尝试一下：

with open('zen_of_python.txt') as f:print(f.read(17))

Output:

The Zen of Python

上面的简单代码读取 zen_of_python.txt 文件的前 17 个字节并将它们打印出来

有时一次读取一行文本文件的内容更有意义，在这种情况下，我们可以使用 readline() 方法

with open('zen_of_python.txt') as f:print(f.readline())

Output:

The Zen of Python, by Tim Peters

上面的代码返回文件的第一行，如果我们再次调用该方法，它将返回文件中的第二行等，如下：

with open('zen_of_python.txt') as f:print(f.readline())print(f.readline())print(f.readline())print(f.readline())

Output:

The Zen of Python, by Tim PetersBeautiful is better than ugly.Explicit is better than implicit.

这种有用的方法可以帮助我们以增量方式读取整个文件。

以下代码通过逐行迭代来输出整个文件，直到跟踪我们正在读取或写入文件的位置的文件指针到达文件末尾。当 readline() 方法到达文件末尾时，它返回一个空字符串

with open('zen_of_python.txt') as f:line = f.readline()while line:print(line, end='')line = f.readline()

Output:

The Zen of Python, by Tim PetersBeautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren't special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it's a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea -- let's do more of those!

上面的代码在 while 循环之外读取文件的第一行并将其分配给 line 变量。在 while 循环中，它打印存储在 line 变量中的字符串，然后读取文件的下一行。while 循环迭代该过程，直到 readline() 方法返回一个空字符串。空字符串在 while 循环中的计算结果为 False，因此迭代过程终止

读取文本文件的另一个有用方法是 readlines() 方法，将此方法应用于文件对象会返回包含文件每一行的字符串列表

with open('zen_of_python.txt') as f:lines = f.readlines()

让我们检查 lines 变量的数据类型，然后打印它：

print(type(lines))
print(lines)

Output:

<class 'list'>
['The Zen of Python, by Tim Peters\n', '\n', 'Beaut...]

它是一个字符串列表，其中列表中的每个项目都是文本文件的一行，``\n` 转义字符表示文件中的新行。此外，我们可以通过索引或切片操作访问列表中的每个项目：

print(lines)
print(lines[3:5])
print(lines[-1])

Output:

['The Zen of Python, by Tim Peters\n', '\n', 'Beautiful is better than ugly.\n', ... -- let's do more of those!"]
['Explicit is better than implicit.\n', 'Simple is better than complex.\n']
Namespaces are one honking great idea -- let's do more of those!

读取 CSV 文件

到目前为止，我们已经学会了如何使用常规文本文件。但是有时数据采用 CSV 格式，数据专业人员通常会检索所需信息并操作 CSV 文件的内容

接下来我们将使用 CSV 模块，CSV 模块提供了有用的方法来读取存储在 CSV 文件中的逗号分隔值。我们现在就尝试一下

import csv
with open('chocolate.csv') as f:reader = csv.reader(f, delimiter=',')for row in reader:print(row)

Output:

['Company', 'Bean Origin or Bar Name', 'REF', 'Review Date', 'Cocoa Percent', 'Company Location', 'Rating', 'Bean Type', 'Country of Origin']
['A. Morin', 'Agua Grande', '1876', '2016', '63%', 'France', '3.75', 'Â\xa0', 'Sao Tome']
['A. Morin', 'Kpime', '1676', '2015', '70%', 'France', '2.75', 'Â\xa0', 'Togo']
['A. Morin', 'Atsane', '1676', '2015', '70%', 'France', '3', 'Â\xa0', 'Togo']
['A. Morin', 'Akata', '1680', '2015', '70%', 'France', '3.5', 'Â\xa0', 'Togo']
...

CSV 文件的每一行形成一个列表，其中每个项目都可以轻松的被访问，如下所示：

import csv
with open('chocolate.csv') as f:reader = csv.reader(f, delimiter=',')for row in reader:print("The {} company is located in {}.".format(row[0], row[5]))

Output:

The Company company is located in Company Location.
The A. Morin company is located in France.
The A. Morin company is located in France.
The A. Morin company is located in France.
The A. Morin company is located in France.
The Acalli company is located in U.S.A..
The Acalli company is located in U.S.A..
The Adi company is located in Fiji.
...

很多时候，使用列的名称而不是使用它们的索引，这通常对专业人员来说更方便。在这种情况下，我们不使用 reader() 方法，而是使用返回字典对象集合的 DictReader() 方法

import csv
with open('chocolate.csv') as f:dict_reader = csv.DictReader(f, delimiter=',')for row in dict_reader:print("The {} company is located in {}.".format(row['Company'], row['Company Location']))

Output:

The A. Morin company is located in France.
The A. Morin company is located in France.
The A. Morin company is located in France.
The A. Morin company is located in France.
The Acalli company is located in U.S.A..
The Acalli company is located in U.S.A..
The Adi company is located in Fiji.
...

读取 JSON 文件

我们主要用于存储和交换数据的另一种流行文件格式是 JSON，JSON 代表 JavaScript Object Notation，允许我们使用逗号分隔的键值对存储数据

接下来我们将加载一个 JSON 文件并将其作为 JSON 对象使用，而不是作为文本文件，为此我们需要导入 JSON 模块。然后在 with 上下文管理器中，我们使用了属于 json 对象的 load() 方法，它加载文件的内容并将其作为字典存储在上下文变量中。

import json
with open('movie.json') as f:content = json.load(f)print(content)

Output:

{'Title': 'Bicentennial Man', 'Release Date': 'Dec 17 1999', 'MPAA Rating': 'PG', 'Running Time min': 132, 'Distributor': 'Walt Disney Pictures', 'Source': 'Based on Book/Short Story', 'Major Genre': 'Drama', 'Creative Type': 'Science Fiction', 'Director': 'Chris Columbus', 'Rotten Tomatoes Rating': 38, 'IMDB Rating': 6.4, 'IMDB Votes': 28827}

让我们检查内容变量的数据类型：

print(type(content))

Output:

<class 'dict'>

它的数据类型是字典，因此我们可以方便的从中提取数据

print('{} directed by {}'.format(content['Title'], content['Director']))

Output:

Bicentennial Man directed by Chris Columbus

总结

今天我们讨论了 Python 中的文件处理，重点是读取文件的内容。我们了解了 open() 内置函数、with 上下文管理器，以及如何读取文本、CSV 和 JSON 等常见文件类型。

在这里还是要推荐下我自己建的软件测试学习Q群：746506216，群里都是学测试的，如果你想学或者正在学习测试，欢迎你加入，大家都是测试党，不定期分享干货（只有软件测试相关的），包括我自己整理的一份2022最新的Python自动化测试进阶资料和零基础教学，欢迎进阶中和对测试感兴趣的小伙伴加入！


http://chatgpt.dhexx.cn/article/IS6jlPNc.shtml

相关文章

python 文件读取

python 文件读取

读取整个文件 操作文件的第一步就是得打开要操作的文件&#xff0c;然后进行读取。在python中我们可以使用open函数来打开一个文件&#xff0c;然后使用read方法来读取文件。 示例&#xff1a; import oswith open(data.txt, encodingutf-8) as file_obj:contents file_obj…
阅读更多...
matlab中如何对一个小数取整,学习笔记153—matlab中小数如何取整？

matlab中如何对一个小数取整,学习笔记153—matlab中小数如何取整？

matlab中小数取整的函数大约有四个&#xff1a;floor、ceil、round、fix 1、round取整方法是四舍五入 round函数功能&#xff1a;四舍五入取整。 使用方法&#xff1a;B round(A) 对数组A中每个元素朝最近的方向取整数部分&#xff0c;并返回与A同维的整数数组B&#xff0c;对…
阅读更多...
建立一个植物毒性分类器：数据准备和清理

建立一个植物毒性分类器：数据准备和清理

作者|Kenichi Nakanishi 编译|VK 来源|Towards Data Science 我有一个爱买植物的未婚妻，还有一只爱啃植物的猫——我想，有什么比把一个能告诉我植物是否安全的分类器更好呢！ 需要注意的一点是，这里所做的所有工作都是在google colabs上完成的，使用的notebook可以在我的Gi…
阅读更多...
我在百度Python小白逆袭大神课程中“打怪”欢乐之旅

我在百度Python小白逆袭大神课程中“打怪”欢乐之旅

本文描述了作者在参加百度Python小白逆袭大神课程一些亲身经历&#xff0c;从开始的半信半疑&#xff0c;到最后坚定的革命信念&#xff0c;给没有参加过百度课程的同学一点参考&#xff0c;文中有高质量的数据分析、pyecharts动态图&#xff0c;深度学习相关代码分享&#xff…
阅读更多...
彻底解决Chrome浏览器劫持后显示“由贵单位管理（Managed by your organization）” 的解决办法

彻底解决Chrome浏览器劫持后显示“由贵单位管理（Managed by your organization）” 的解决办法

声明&#xff1a; Declaration&#xff1a; 由于网络中的病毒virus/malware等存在随时变异或者对应多种感染方式等情况&#xff0c;本文所针对的处理方法仅针对本次样本负责&#xff0c;个人如有误操作&#xff0c;后果自负。如需帮助&#xff0c;可以关注我的公众号&#xff…
阅读更多...
Python sklearn学习之数据预处理——非线性转换

Python sklearn学习之数据预处理——非线性转换

Python sklearn学习之数据预处理——非线性转换 文章目录 Python sklearn学习之数据预处理——非线性转换1. 两种常见的非线性转换1.1 分位数转换1.2 幂变换 2. sklearn中非线性变换的实现2.1 映射到均匀分布2.1.1QuantileTransformer类 2.2 映射到高斯分布2.2.1 Yeo-Johnson t…
阅读更多...
javaScript学习笔记【尚硅谷】

javaScript学习笔记【尚硅谷】

javaScript学习笔记【尚硅谷】 这是我在看尚硅谷的前端大神超哥视频时&#xff0c;所记录的笔记&#xff01; 文章目录 javaScript学习笔记【尚硅谷】[TOC](文章目录)1、javaScript基本知识1.2、JS编写位置1.3、JS基本语法1.4、变量与字面量1.5、标识符1.6、数据类型1.6.1、Nu…
阅读更多...
机器学习流程及详细内容（1）

机器学习流程及详细内容（1）

一般流程&#xff1a;数据收集、整理→数据预处理与特征工程&#xff08;数据清理、集成、规约、变换、特征提取、筛选&#xff09;→模型的选择与建立→模型的评估与优化。 数据收集 既可以使用公开的数据集&#xff0c;也可通过爬虫、购买或者实时数据的方式自己收集。 UC…
阅读更多...
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总

机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总

《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章&#xff0c;介绍很全面&#xff0c;从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurg…
阅读更多...
Flutter 学习

Flutter 学习

Flutter 学习 参照&#xff1a;https://book.flutterchina.club/ 参照&#xff1a;https://flutter.cn/docs/development/platform-integration/platform-channels?tabtype-mappings-java-tab 目前进度&#xff1a;https://book.flutterchina.club/chapter9/animated_widgets…
阅读更多...
原生开发如何学习 Flutter | 谷歌社区说

原生开发如何学习 Flutter | 谷歌社区说

Hello 大家好&#xff0c;我是《Flutter 开发实战详解》的作者&#xff0c;Github GSY 系列开源项目的负责人郭树煜&#xff0c;目前开源的 gsy_github_app_flutter 以 13k 的 star 在中文总榜的 dart 排行上暂处第一名。 数据来源&#xff1a; https://github.com/GrowingGit/…
阅读更多...
【CVRP】基于matlab遗传算法求解带容量的车辆路径规划问题【含Matlab源码 162期】

【CVRP】基于matlab遗传算法求解带容量的车辆路径规划问题【含Matlab源码 162期】

⛄一、VRP简介 车辆路径问题&#xff08;VRP&#xff09;最早是由 Dantzig 和 Ramser 于1959年首次提出&#xff0c;它是指一定数量的客户&#xff0c;各自有不同数量的货物需求&#xff0c;配送中心向客户提供货物&#xff0c;由一个车队负责分送货物&#xff0c;组织适当的行…
阅读更多...
matlab解决LRP类型的多配送中心路径优化问题

matlab解决LRP类型的多配送中心路径优化问题

** 问题描述 ** 有关多配送中心的选址-路径优化问题&#xff0c;一般是通过基于区域内的客户需要求&#xff0c;对配送中心进行合理的选址以及配送中心的车辆调度以及路径优化。在给出的配送中心候选点位置已知&#xff0c;需要在给出的这些位置中&#xff0c;通过与顾客需求…
阅读更多...
＜代码分享＞ 一种无人机配合卡车配送的车辆路径规划模型

＜代码分享＞ 一种无人机配合卡车配送的车辆路径规划模型

本文为本人博客《一种无人机配合卡车配送的车辆路径规划模型》的代码分享。 由于近期此文的关注者较多&#xff0c;代码分享较为不便&#xff0c;因此决定专门写一篇博客以提供源码。 感谢各位博友关注&#xff0c;本人能力有限&#xff0c;如有错误&#xff0c;还请及时批评指…
阅读更多...
（附源码）springboot车辆管理系统 毕业设计031034

（附源码）springboot车辆管理系统 毕业设计031034

车辆管理系统的设计与实现 摘 要 科技进步的飞速发展引起人们日常生活的巨大变化&#xff0c;电子信息技术的飞速发展使得电子信息技术的各个领域的应用水平得到普及和应用。信息时代的到来已成为不可阻挡的时尚潮流&#xff0c;人类发展的历史正进入一个新时代。在现实运用中&…
阅读更多...
QT+SQL Server实现车辆管理系统 -代码具体实现

QT+SQL Server实现车辆管理系统 -代码具体实现

QTSQL Server 实现车辆管理系统 -代码具体实现 1.摘要2.整体框架3.具体代码实现3.1 连接数据库3.2 登录操作3.3 申请账户3.4 添加车辆信息3.5 查询车辆信息3.6删除车辆信息3.7修改车辆信息3.8 添加司机信息 4.总结5.资源下载链接 1.摘要 前面一篇文章简要介绍了车辆管理系统的…
阅读更多...
如何使用低代码进行车队管理？

如何使用低代码进行车队管理？

处理任何业务都具有挑战性&#xff0c;但车队管理无疑是所有业务中的佼佼者。无论是司机短缺、环境问题、国际法规还是行业不稳定&#xff0c;车队经理都必须面对这一切。除此之外&#xff0c;还有数字化和路线优化的概念。数字化转型车队管理业务意味着消除挑战&#xff0c;拥…
阅读更多...
车辆自然驾驶轨迹数据集/交通流数据介绍

车辆自然驾驶轨迹数据集/交通流数据介绍

文章目录 NGSIMNGSIM 概览快速路车道选择算法Interstate 80 Freeway 数据集Lankershim Boulevard 数据集US highway101数据集动态交通分配DTACORSIM Argoverse Motion Forecasting DatasetAIMSUNHighDITS DataHub 美国智能交通数据库Data.govPeMSPortland Oregon Region data英…
阅读更多...
3D车辆检测AP评价指标代码的理解

3D车辆检测AP评价指标代码的理解

课题研究的是单目3D车辆的识别&#xff0c;采用的目标检测网络是SMOKE&#xff0c;为了可以更好的定量评测训练模型的性能&#xff0c;需要使用到合理的评测指标&#xff0c;目前比较流行的评测指标是得到多组precision和recall值画出PR曲线&#xff0c;然后计算PR曲线下的面积…
阅读更多...
根据车辆型号自动生成车辆编号

根据车辆型号自动生成车辆编号

开发工具与关键技术&#xff1a;Visual Studio 2015 linq 正则 作者&#xff1a;孙水兵 撰写时间&#xff1a;2019年6月26一、 功能 根据不同的类型的车辆型号&#xff0c;生成以车辆型号开头的车辆编号。 二、 达到的效果 用户选择了车辆型号之后&#xff0c;将对应的车辆编…
阅读更多...
推荐文章

Copyright @ 2022~2023