Day 10：Python 文件操作 11 个案例总结
发布日期：2022年3月12日 18:02 阅读: 200 访问: 201
Python 文件 IO 操作：涉及文件读写操作获取文件后缀名批量修改后缀名获取文件修改时间压缩文件加密文件等常用操作文件读操作文件读、写操作比较常见。读取文件，要先判断文件是否存在。若文件存在，再读取；</li
Python 文件 IO 操作：
- 涉及文件读写操作
- 获取文件后缀名
- 批量修改后缀名
- 获取文件修改时间
- 压缩文件
- 加密文件等常用操作
文件读操作
文件读、写操作比较常见。读取文件，要先判断文件是否存在。
- 若文件存在，再读取；
- 不存在，抛出文件不存在异常。
In [8]: import os
In [9]: def read_file(filename):
...: if os.path.exists(filename) is False:
...: raise FileNotFoundError('%s not exists'%(filename,))
...: f = open(filename)
...: content = f.read()
...: f.close()
...: return content试着读取一个 D 盘文件：
In [13]: read_file('D:/source/python-zhuanlan/update_log.md')
---------------------------------------------------------------------------
UnicodeDecodeError Traceback (most recent call last)
<ipython-input-13-92e8f4011b20> in <module>
----> 1 read_file('D:/source/python-zhuanlan/update_log.md')
<ipython-input-12-5591c3ba7b42> in read_file(filename)
3 raise FileNotFoundError('%s not exists'%(filename,))
4 f = open(filename)
----> 5 content = f.read()
6 f.close()
7 return content
UnicodeDecodeError: 'gbk' codec can't decode byte 0xaa in position 46: illegal multibyte sequence出错！在 f.read 这行，有错误提示看，是编码问题。open 函数打开文件，默认编码格式与平台系统有关，鉴于此，有必要在 open 时为参数 encoding 赋值，一般采用 UTF-8：
In [9]: def read_file(filename):
...: if os.path.exists(filename) is False:
...: raise FileNotFoundError('%s not exists'%(filename,))
...: f = open(filename,encoding='utf-8')
...: content = f.read()
...: f.close()
...: return content代码打开文件的编码确认为 UTF-8 后，还需要确认，磁盘中这个文件编码格式也为 UTF-8。推荐使用 Notepad++ 查看文件编码格式，查看方式如下图所示：
下面，读入成功：
In [22]: read_file('D:/source/python-zhuanlan/update_log.md')
Out[22]: '更新日志\n\nDay4: \n\n> 下面总结 10 个列表和元祖使用的经典例子，通过练习，进一步加深对它们提供的方法的理解。\n\n10 个改为 13 个 \n\n\n\nDay6:\n\n 第 12 个，13 个间有多余的空行上面，还提到 open 后，务必要 close，这种写法有些繁琐，还容易出错。借助 with 语法，同时实现 open 和 close 功能，这是更常用的方法。
In [9]: def read_file(filename):
...: if os.path.exists(filename) is False:
...: raise FileNotFoundError('%s not exists'%(filename,))
...: with open(filename,encoding='utf-8') as f :
content = f.read()
...: return content文件按行读
read 函数一次读取整个文件，readlines 函数按行一次读取整个文件。读入文件小时，使用它们没有问题。
但是，如果读入文件大，read 或 readlines 一次读取整个文件，内存就会面临重大挑战。
使用 readline 一次读取文件一行，能解决大文件读取内存溢出问题。
文件 a.txt 内容如下：
Hey, Python
I just love Python so much,
and want to get the whole Python stack by this 60-days column
and believe Python !如下，读取文件 a.txt，r+ 表示读写模式。代码块实现：
- 每次读入一行。
- 选择正则 split 分词，注意观察 a.txt，单词间有的一个空格，有的多个。这些情况，实际工作中确实也会遇到。
- 使用 defaultdict 统计单词出现频次。
- 按照频次从大到小降序。
In [38]: from collections import defaultdict
...: import re
...:
...: rec = re.compile('\s+')
...: dd = defaultdict(int)
...: with open('a.txt','r+') as f:
for line in f:
...: clean_line = line.strip()
...: if clean_line:
...: words = rec.split(clean_line)
...: for word in words:
...: dd[word] += 1
...: dd = sorted(dd.items(),key=lambda x: x[1],reverse=True)
...: print('---print stat---')
...: print(dd)
...: print('---words stat done---')程序运行结果：
Hey, Python
I just love Python so much,
and want to get the whole Python stack by this 60-days column
and believe Python !
---print stat---
[('Python', 3), ('and', 2), ('I', 1), ('just', 1), ('love', 1), ('so', 1), ('much,', 1), ('want', 1), ('to', 1), ('get', 1), ('the', 1), ('whole', 1), ('stack', 1), ('by', 1), ('this', 1), ('60-days', 1), ('column', 1), ('believe', 1), ('!', 1)]
---words stat done---文件写操作
文件写操作时，需要首先判断要写入的文件路径是否存在。
若不存在，通过 mkdir 创建出路径；否则，直接写入文件：
import os
def write_to_file(file_path,file_name):
if os.path.exists(file_path) is False:
os.mkdir(file_path)
whole_path_filename = os.path.join(file_path,file_name)
to_write_content = '''
Hey, Python
I just love Python so much,
and want to get the whole python stack by this 60-days column
and believe!
'''
with open(whole_path_filename, mode="w", encoding='utf-8') as f:
f.write(to_write_content)
print('-------write done--------')
print('-------begin reading------')
with open(whole_path_filename,encoding='utf-8') as f:
content = f.read()
print(content)
if to_write_content == content:
print('content is equal by reading and writing')
else:
print('----Warning: NO Equal-----------------')以上这段代码思路：
- 路径不存在，创建路径
- 写文件
- 读取同一文件
- 验证写入到文件的内容是否正确
打印出的结果：
-------begin writing-------
-------write done--------
-------begin reading------
Hey, Python
I just love Python so much,
and want to get the whole python stack by this 60-days column
and believe!
content is equal by reading and writing获取文件名
有时拿到一个文件名时，名字带有路径。这时，使用 os.path、split 方法实现路径和文件的分离。
In [11]: import os
...: file_ext = os.path.split('./data/py/test.py')
...: ipath,ifile = file_ext
In [12]: ipath
Out[12]: './data/py'
In [13]: ifile
Out[13]: 'test.py'获取后缀名
如何优雅地获取文件后缀名？os.path 模块，splitext 能够优雅地提取文件后缀。
In [1]: import os
In [2]: file_extension = os.path.splitext('./data/py/test.py')
In [3]: file_extension[0]
Out[3]: './data/py/test'
In [4]: file_extension[1]
Out[4]: '.py'获取后缀名的文件
import os
def find_file(work_dir,extension='jpg'):
lst = []
for filename in os.listdir(work_dir):
print(filename)
splits = os.path.splitext(filename)
ext = splits[1] # 拿到扩展名
if ext == '.'+extension:
lst.append(filename)
return lst
r = find_file('.','md')
print(r) # 返回所有目录下的 md 文件批量修改后缀
本案例使用 Python os 模块和 argparse 模块。
将工作目录 work_dir 下所有后缀名为 old_ext 的文件，修改为 new_ext。通过此案例，同时掌握 argparse 模块。
首先，导入模块：
import argparse
import os定义脚本参数：
def get_parser():
parser = argparse.ArgumentParser(description='工作目录中文件后缀名修改')
parser.add_argument('work_dir', metavar='WORK_DIR', type=str, nargs=1,
help='修改后缀名的文件目录')
parser.add_argument('old_ext', metavar='OLD_EXT',
type=str, nargs=1, help='原来的后缀')
parser.add_argument('new_ext', metavar='NEW_EXT',
type=str, nargs=1, help='新的后缀')
return parser后缀名批量修改，实现思路：
- 遍历目录下的所有文件
- 拿到此文件的后缀名
- 如果后缀名命中为 old_ext，rename 重命名
def batch_rename(work_dir, old_ext, new_ext):
"""
传递当前目录，原来后缀名，新的后缀名后，批量重命名后缀
"""
for filename in os.listdir(work_dir):
# 获取得到文件后缀
split_file = os.path.splitext(filename)
file_ext = split_file[1]
if old_ext == file_ext: # 定位后缀名为old_ext 的文件
newfile = split_file[0] + new_ext # 修改后文件的完整名称
# 实现重命名操作
os.rename(
os.path.join(work_dir, filename),
os.path.join(work_dir, newfile)
)
print("完成重命名")
print(os.listdir(work_dir))实现 Main：
def main():
# 命令行参数
parser = get_parser()
args = vars(parser.parse_args())
# 从命令行参数中依次解析出参数
work_dir = args['work_dir'][0]
old_ext = args['old_ext'][0]
if old_ext[0] != '.':
old_ext = '.' + old_ext
new_ext = args['new_ext'][0]
if new_ext[0] != '.':
new_ext = '.' + new_ext
batch_rename(work_dir, old_ext, new_ext)XLS 批量转换成 XLSX
此案例是上面案例的特殊情况，实现仅对 XLS 文件后缀修改。
import os
def xls_to_xlsx(work_dir):
old_ext, new_ext = '.xls', '.xlsx'
for filename in os.listdir(work_dir):
# 获取得到文件后缀
split_file = os.path.splitext(filename)
file_ext = split_file[1]
# 定位后缀名为 old_ext 的文件
if old_ext == file_ext:
# 修改后文件的完整名称
newfile = split_file[0] + new_ext
# 实现重命名操作
os.rename(
os.path.join(work_dir, filename),
os.path.join(work_dir, newfile)
)
print("完成重命名")
print(os.listdir(work_dir))调用函数 xlstoxlsx：
xls_to_xlsx('./data')
# 输出结果：
# ['cut_words.csv', 'email_list.xlsx', 'email_test.docx', 'email_test.jpg', 'email_test.xlsx', 'geo_data.png', 'geo_data.xlsx',
'iotest.txt', 'pyside2.md', 'PySimpleGUI-4.7.1-py3-none-any.whl', 'test.txt', 'test_excel.xlsx', 'ziptest', 'ziptest.zip']批量获取文件修改时间
os.walk 生成文件树结构，os.path.getmtime 返回文件的最后一次修改时间：
# 获取目录下文件的修改时间
import os
from datetime import datetime
print(f"当前时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
def get_modify_time(indir):
for root, _, files in os.walk(indir): # 循环目录和子目录
for file in files:
whole_file_name = os.path.join(root, file)
modify_time = os.path.getmtime(whole_file_name) # 1581164725.991523，这种时间格式太不人性化
nice_show_time = datetime.fromtimestamp(modify_time) # 转化为人性化的时间显示格式：2020-02-08 20:25:25.991523
print('文件 %s 最后一次修改时间：%s' %(file,nice_show_time))调用函数 get_modify_time，输出当前目录下，所有文件最后一次修改时间：
get_modify_time('.')输出部分结果展示：
当前时间：2020-02-21 22:58:09
文件 a.sql 最后一次修改时间：2020-02-08 20:25:25.991523
文件 barchart.py 最后一次修改时间：2020-01-31 09:30:05.954167
文件 barstack.py 最后一次修改时间：2020-02-04 11:30:33.678985
文件 bar_numpy.py 最后一次修改时间：2020-01-29 16:43:20.228680
文件 class_method.py 最后一次修改时间：2020-02-19 19:23:50.218961
文件 decorator.py 最后一次修改时间：2020-01-24 15:33:44.498871
文件 flask_form_operate.py 最后一次修改时间：2020-02-13 13:36:16.969256
文件 flask_hello.py 最后一次修改时间：2020-02-03 21:26:26.416181批量压缩文件
首先导入 zipfile，压缩和解压的 Python 模块。
import zipfile # 导入 zipfile，这个是用来做；
import os
import time
def batch_zip(start_dir):
start_dir = start_dir # 要压缩的文件夹路径
file_news = start_dir + '.zip' # 压缩后文件夹的名字
z = zipfile.ZipFile(file_news, 'w', zipfile.ZIP_DEFLATED)
for dir_path, dir_names, file_names in os.walk(start_dir):
# 这一句很重要，不 replace 的话，就从根目录开始复制
f_path = dir_path.replace(start_dir, '')
f_path = f_path and f_path + os.sep # 实现当前文件夹以及包含的所有文件的压缩
for filename in file_names:
z.write(os.path.join(dir_path, filename), f_path + filename)
z.close()
return file_news调用 batch_zip，压缩 ziptest 文件夹。
batch_zip('./data/ziptest')32 位文件加密
hashlib 模块支持多种文件的加密策略。本案例使用 MD5 加密策略：
import hashlib
# 对字符串 s 实现 32 位加密
def hash_cry32(s):
m = hashlib.md5()
m.update((str(s).encode('utf-8')))
return m.hexdigest()
print(hash_cry32(1)) # c4ca4238a0b923820dcc509a6f75849b
print(hash_cry32('hello')) # 5d41402abc4b2a76b9719d911017c592定制文件不同行
比较两个文件在哪些行内容不同，返回这些行的编号，行号编号从 1 开始。
定义统计文件行数的函数：
# 统计文件个数
def statLineCnt(statfile):
print('文件名：'+statfile)
cnt = 0
with open(statfile, encoding='utf-8') as f:
while f.readline():
cnt += 1
return cnt统计文件不同之处的子函数：
# more表示含有更多行数的文件
def diff(more, cnt, less):
difflist = []
with open(less, encoding='utf-8') as l:
with open(more, encoding='utf-8') as m:
lines = l.readlines()
for i, line in enumerate(lines):
if line.strip() != m.readline().strip():
difflist.append(i)
if cnt - i > 1:
difflist.extend(range(i + 1, cnt))
return [no+1 for no in difflist]主函数：
# 返回的结果行号从 1 开始
# list 表示 fileA 和 fileB 不同的行的编号
def file_diff_line_nos(fileA, fileB):
try:
cntA = statLineCnt(fileA)
cntB = statLineCnt(fileB)
if cntA > cntB:
return diff(fileA, cntA, fileB)
return diff(fileB, cntB, fileA)
except Exception as e:
print(e)比较两个文件 A 和 B，拿相对较短的文件去比较，过滤行后的换行符 \n 和空格。
暂未考虑某个文件最后可能有的多行空行等特殊情况。
使用 file_diff_line_nos 函数：
if __name__ == '__main__':
import os
print(os.getcwd())
'''
例子：
fileA = "'hello world!!!!''\
'nice to meet you'\
'yes'\
'no1'\
'jack'"
fileB = "'hello world!!!!''\
'nice to meet you'\
'yes' "
'''
diff = file_diff_line_nos('./testdir/a.txt', './testdir/b.txt')
print(diff) # [4, 5]实际上 Python 中有对应模块 difflib，提供更多其他格式文件更详细的比较，大家可参考：
https://docs.python.org/3/library/difflib.html?highlight=difflib#module-difflib
小结
今天与大家一起学习 12 个与文件读写操作相关的有趣案例：
- 掌握文件读写操作
- 优雅获取文件和后缀名
- 文件后缀名的批量转化
- 文件修改时间的批量获取
- 文件压缩
- 文件加密
- 定制文件中的不同行