Cara menggunakan kaedah pemprosesan fail Python, modul os dan modul glob

1. Operasi fail asas

1. Buka fail

kaedah open(). Digunakan untuk membuka fail dan mengembalikan objek Fail Fungsi ini perlu digunakan semasa pemprosesan fail Jika fail tidak boleh dibuka, OSError akan dibuang.

Nota: Apabila menggunakan kaedah open(), anda mesti memastikan objek fail ditutup, iaitu kaedah close() dipanggil.

Bentuk biasa bagi fungsi open() adalah untuk menerima dua parameter: nama fail (fail) dan mod (mod). Format sintaks lengkap

open(file, mode='r')

ialah:

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

2 membaca fail

f = open(r'/Users/mac/desktop/jupyter/pythonCourseware/32.txt', mode='r')# read模式打开文件
data = f.read() # 读取文件内容，向操作系统发起读请求，会被操作系统转成具体的硬盘操作，将内容由硬盘读入内存
print(data)
# 由于Python的垃圾回收机制只回收引用计数为0的变量，但是打开文件还占用操作系统的资源，所以我们需要回收操作系统的资源资源
# del f 只是回收变量f
f.close()

3 menulis fail:

# write模式打开文件
f = open(r'/Users/mac/desktop/jupyter/pythonCourseware/32.txt', mode='w')
f.write("""name = 'nick'
pwd = '123'""")
f.close()

4 , dengan kaedah open()

Kaedah with open() bukan sahaja menyediakan kaedah untuk melepaskan sumber secara automatik yang diduduki oleh sistem pengendalian, tetapi juga dengan open boleh dipisahkan dengan koma untuk membuka berbilang fail pada satu masa untuk mencapai penyalinan cepat fail.

with open('32.txt', 'rt', encoding='utf8') as f:
    print(f.read())

with open('32.txt', 'rb') as fr, \
        open('35r.txt', 'wb') as fw:
    f.write(f.read())

2. Mod pembukaan fail

Terdapat empat mod asas untuk operasi fail

• mod r: (lalai) mod baca sahaja, sahaja Ia boleh dibaca tetapi tidak ditulis Penunjuk fail akan diletakkan pada permulaan fail Jika fail tidak wujud, ralat akan dilaporkan.

• mod w: Mod tulis ganti, jika fail tidak wujud, ia akan dibuat dan diedit dari awal, iaitu kandungan asal akan dipadam, iaitu ia akan ditimpa sepenuhnya.

• mod: Tambah mod penulisan: Cipta fail jika ia tidak wujud, dan tambahkan kandungan pada penghujung fail jika ia wujud akan ditulis selepas kandungan sedia ada.

Terdapat dua format untuk membaca fail dan menulis kandungan

• mod t ialah teks (lalai): mod teks

• mod b ialah bait: mod bait.

Perlu diingatkan bahawa kedua-dua mod t dan b tidak boleh digunakan secara bersendirian dan perlu digunakan bersama-sama dengan salah satu daripada r/w/a.

1. Mod pembukaan fail

1 Baca teks

# rt: read by text
# windows的操作系统默认编码为gbk，因此需要使用utf8编码
f = open('32.txt', mode='rt', encoding='utf8')
data = f.read()
print(data) # nick最帅吗
print(type(data)} # <class &#39;str&#39;>
f.close()

2 Baca bait

# rb: read by bytes
f = open('32.txt', mode='rb')
data = f.read()
print(data) # b'aaa\nbbb\nccc\nnick\xe6\x9c\x80\xe5\xb8\x85\xe5\x90\x97'
print(type(data)) # <class &#39;bytes&#39;>
f.close()

3 talian baca.

fname = input("请输入要打开的文件名称:")
fo = open(fname, "r")
print(type(fo))  # <class &#39;_io.TextIOWrapper&#39;>
for line in fo:
    print(line)
fo.close()

4. Kaedah membaca:

• baca(saiz): Baca semua kandungan fail pada satu masa Jika parameter diberikan, baca dalam saiz sebelumnya panjang.

• garis baca(saiz): Baca baris kandungan, termasuk aksara baris baharu 'n'. Jika diberi, saiz panjang sebelum membaca baris. Lain kali anda boleh teruskan membaca dari tempat anda berhenti kali terakhir. Jika f.readline() mengembalikan rentetan kosong, ini bermakna baris terakhir telah dibaca.

• readlines([sizeint]): Baca semua baris dan kembalikan senarai Jika sizeint>0 diberikan, kembalikan baris yang jumlah keseluruhannya adalah kira-kira sizeint bait lebih besar daripada sizeint adalah lebih besar kerana penimbal perlu diisi.

f = open('32.txt', mode='rt', encoding='utf8')
print(f.readable())  #True 判断文件是否可读
data1 = f.readline()
data2 = f.readlines()
print(data1) # aaa
print(data2) # ['bbb\n', 'ccc\n', 'nick最帅吗']
f.close()

2. Mod pembukaan Fail W

hanya boleh ditulis, tidak dibaca Apabila fail wujud, kosongkan fail dan kemudian tulis kandungannya tidak wujud, Fail akan dibuat dan kandungan akan ditulis.

1. Mod teks

f = open('34w.txt', mode='wt', encoding='utf8')
print(f"f.readable(): {f.readable()}") #False
f.write('nick 真帅呀\n')  # '\n'是换行符
f.write('nick,nick, you drop, I drop.')
f.write('nick 帅的我五体投地')
f.flush()  # 立刻将文件内容从内存刷到硬盘
f.close()

2. Mod Byte

f = open('34a.txt', mode='wb')
f.write('nick 帅的我五体投地'.encode('unicode_escape') )  # 编码成bytes类型再写入
print(type(&#39;nick 帅的我五体投地&#39;.encode(&#39;unicode_escape&#39;))) #<class &#39;bytes&#39;>
f.close()

Nota: mod b ialah mod universal, kerana semua fail pada cakera keras disimpan dalam format binari bentuk.

Perlu diambil perhatian bahawa apabila membaca dan menulis fail dalam mod b, parameter pengekodan tidak boleh ditambah, kerana binari tidak boleh dikodkan.

try:
    import requests

    response = requests.get( 'https://cache.yisu.com/upload/information/20220528/112/3002.jpg')
    data = response.content

    f = open('mv.jpg', 'wb')
    f.write(data)
    print('done...')
    f.close()
except Exception as e:
    print(e, '报错了，那就算了吧，以后爬虫处会详细介绍')

3. Kaedah penulisan:

• tulis: Tulis rentetan pada fail dan kembalikan panjang aksara yang ditulis.

• writelines(lines): Tulis senarai rentetan berbilang baris pada fail Jika pemisah baris diperlukan, anda mesti menambah sendiri baris baharu pada setiap baris.

• flush(): Muat semula penimbal dalaman fail dan terus tulis data dalam penimbal dalaman ke fail dengan segera dan bukannya menunggu secara pasif untuk penimbal output ditulis.

3. Failkan mod pembukaan

a: Boleh ditambah. Jika fail wujud, kandungan akan ditulis pada akhir fail jika fail tidak wujud, fail akan dibuat dan kandungan akan ditulis.

# at
f = open('34a.txt', mode='at', encoding='utf8')
print(f.readable()) # False
f.write('nick 真帅呀\n')  # '\n'是换行符
f.write('nick,nick, you drop, I drop.')
f.write('nick 帅的我五体投地')
f.close()

4 +Boleh dibaca, boleh ditulis

• r+: Boleh dibaca, boleh ditulis. Penunjuk fail akan diletakkan pada permulaan fail.

• rb+: Format binari boleh dibaca dan boleh ditulis

• w+: Boleh ditulis dan boleh dibaca. Jika fail sudah wujud, buka fail dan mula mengedit dari awal, iaitu kandungan asal akan dipadamkan. Jika fail itu tidak wujud, buat fail baharu.

• wb+: Boleh ditulis, boleh dibaca Format binari

• a+: Boleh ditambah, boleh dibaca. Jika fail sudah wujud, penunjuk fail akan diletakkan di hujung fail. Fail akan dibuka dalam mod tambah. Jika fail itu tidak wujud, fail baharu dicipta untuk membaca dan menulis.

• ab+: Format binari yang boleh ditambah dan boleh dibaca

# r+t
with open('32.txt', 'r+', encoding='utf-8') as fr:
    print(fr.readable())  # True
    print(fr.writable())  # True

3. Operasi penunjuk fail

Apa-apa sahaja yang melibatkan penunjuk fail Semuanya bait.

1. seek(offset, from_what): Tukar kedudukan penunjuk operasi fail semasa

dari_apa nilai, jika ia 0, ia bermakna permulaan, jika ia adalah 1, ia bermakna kedudukan semasa, dan 2 bermaksud penghujung fail , contohnya:

• seek(x,0): Alihkan aksara x dari kedudukan permulaan, iaitu aksara pertama bagi. baris pertama fail

• seek (x,1): bermaksud mengalihkan aksara x kembali dari kedudukan semasa

• seek(-x,2)：表示从文件的结尾往前移动x个字符

from_what 值为默认为0，即文件开头。

f.seek(0) # 回到文件开头

下面给出一个完整的例子：

f = open('32.txt', 'rb+')
print(f.write(b'0123456789abcdef')) # 16
print(f.seek(5))  # 移动到文件的第六个字节 # 5
print(f.read(1))  # b'5'
print(f.seek(-3, 2))  # 移动到文件的倒数第三字节 # 13
print(f.read(1)) # b'd'

2、tell()：告诉文件当前位置。

每次统计都是从文件开头到当前指针所在位置

with open('32.txt', 'rb') as fr:
    fr.seek(4, 0)
    print(fr.tell() )  # 4

3、truncate([size])：截断

从文件的首行首字符开始截断，截断文件为 size 个字符，无 size 表示从当前位置截断；

截断之后后面的所有字符被删除，其中 Widnows 系统下的换行代表2个字符大小。

文件的打开方式必须可写，但是不能用w或w+等方式打开，因为那样直接清空文件了，所以truncate()要在r+或a或a+等模式下测试效果。它的参照物永远是文件头。

truncate()不加参数，相当于清空文件。

with open('32.txt', 'ab') as fr:
    fr.truncate(2)  # 截断2个字节后的所有字符，如果3个字节一个字符，只能截断2/3个字符，还会遗留1/3个字符，会造成乱码

四、文件修改的两种方式

以读的方式打开原文件，以写的方式打开一个新的文件，把原文件的内容进行修改（一行一行的修改或者全部修改），然后写入新文件，之后利用os模块的方法，把原文件删除，重命名新文件为原文件名，达到以假乱真的目的。

方式1、将硬盘存放的该文件的内容全部加载到内存，在内存中是可以修改的，修改完毕后，再由内存覆盖到硬盘（word，vim，nodpad++等编辑器）。

import os

with open('37r.txt') as fr, open('37r_swap.txt', 'w') as fw:
    data = fr.read()  # 全部读入内存,如果文件很大,会很卡
    data = data.replace('tank', 'tankSB')  # 在内存中完成修改

    fw.write(data)  # 新文件一次性写入原文件内容

# 删除原文件
os.remove('37r.txt')
# 重命名新文件名为原文件名
os.rename('37r_swap.txt', '37r.txt')

方式2、将硬盘存放的该文件的内容一行一行地读入内存，修改完毕就写入新文件，最后用新文件覆盖源文件。

import os

with open('37r.txt') as fr, open('37r_swap.txt', 'w') as fw:
     for line in fr: # 循环读取文件内容，逐行修改
        line = line.replace('jason', 'jasonSB')
        fw.write(line)  # 新文件写入原文件修改后内容

os.remove('37r.txt')
os.rename('37r_swap.txt', '37r.txt')

五、os文件处理模块

os模块负责程序与操作系统的交互，提供了访问操作系统底层的接口，多用于文件处理。

import os

1、os模块

• os.getcwd()：获取当前工作目录，即当前python脚本工作的目录路径

• os.chdir("dirname")：改变当前工作目录；相当于shell下cd

• os.curdir：返回当前目录: ('.')

• os.pardir：获取当前目录的父目录字符串名：('..')

• os.listdir('dirname'):列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印

• os.chmod(path, mode)：更改权限

• os.mkdir('dirname'):生成单级目录；相当于shell中mkdir dirname

• os.makedirs('dirname1/dirname2')：可生成多层递归目录

• os.remove(path)：删除路径为path的文件。如果path 是一个文件夹，将抛出OSError; 查看下面的rmdir()删除一个 directory。

• os.removedirs('dirname1'):若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推

• os.rmdir('dirname'):删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname

• os.rename("oldname","newname")：重命名文件/目录

• os.renames(old, new)：递归地对目录进行更名，也可以对文件进行更名。

• os.stat('path/filename'):获取文件/目录信息

• os.sep:输出操作系统特定的路径分隔符，win下为"\",Linux下为"/"

• os.linesep:输出当前平台使用的行终止符，win下为"\t\n",Linux下为"\n"

• os.pathsep:输出用于分割文件路径的字符串 win下为;,Linux下为:

• os.name:输出字符串指示当前使用平台。win->'nt'; Linux->'posix'

• os.system("bash command"):运行shell命令，直接显示

• os.environ:获取系统环境变量

2、os.path 模块

主要用于获取文件的属性。

以下是 os.path 模块的几种常用方法：

• os.path.abspath(path):返回path规范化的绝对路径

• os.path.split(path):将path分割成目录和文件名二元组返回

• os.path.splitdrive(path)：一般用在 windows 下，返回驱动器名和路径组成的

• os.path.splitext(path)：分割路径，返回路径名和文件扩展名的元组

• os.path.dirname(path):返回path的目录名。其实就是os.path.split(path)的第一个元素

• os.path.basename(path):返回path最后的文件名。如何path以／或\结尾，那么就会返回空值。即os.path.split(path)的第二个元素

• os.path.exists(path):如果path存在，返回True；如果path不存在，返回False

• os.path.isabs(path):如果path是绝对路径，返回True

• os.path.isfile(path):如果path是一个存在的文件，返回True。否则返回False

• os.path.isdir(path):如果path是一个存在的目录，则返回True。否则返回False

• os.path.join(path2[, path3[, ...]]):将多个路径组合后返回，第一个绝对路径之前的参数将被忽略

• os.path.getatime(path):返回path所指向的文件或者目录的最后存取时间

• os.path.getmtime(path):返回path所指向的文件或者目录的最后修改时间

• os.path.getsize(path): 返回文件大小，如果文件不存在就返回错误

3、实例：

1、获取指定目录及其子目录下的 py 文件

import os
import os.path

"""获取指定目录及其子目录下的 py 文件路径说明：l 用于存储找到的 py 文件路径 get_py 函数，递归查找并存储 py 文件路径于 l"""
l = []


def get_py(path, l):
    file_list = os.listdir(path)  # 获取path目录下所有文件
    for filename in file_list:
        path_tmp = os.path.join(path, filename)  # 获取path与filename组合后的路径
        if os.path.isdir(path_tmp):  # 如果是目录
            get_py(path_tmp, l)  # 则递归查找
        elif filename[-3:].upper() == '.PY':  # 不是目录,则比较后缀名
            l.append(path_tmp)


path = input('请输入路径:').strip()
get_py(path, l)
print('在%s目录及其子目录下找到%d个py文件\n分别为：\n' % (path, len(l)))
for filepath in l:
    print(filepath + '\n')

2、显示所有视频格式文件，mp4，avi，rmvb

import os

vedio_list = []

def search_file(start_dir, target) :
    os.chdir(start_dir)
    
    for each_file in os.listdir(os.curdir) :
        ext = os.path.splitext(each_file)[1]
        if ext in target :
            vedio_list.append(os.getcwd() + os.sep + each_file + os.linesep) 
        if os.path.isdir(each_file) :
            search_file(each_file, target) # 递归调用
            os.chdir(os.pardir) # 递归调用后切记返回上一层目录

start_dir = input('请输入待查找的初始目录：')
program_dir = os.getcwd()

target = ['.mp4', '.avi', '.rmvb']

search_file(start_dir, target)

f = open(program_dir + os.sep + 'vedioList.txt', 'w')
f.writelines(vedio_list)
f.close()

3、批量修改文件名

import os

path = input('请输入文件路径(结尾加上/)：')

# 获取该目录下所有文件，存入列表中
fileList = os.listdir(path)

n = 0
for i in fileList:
    # 设置旧文件名（就是路径+文件名）
    oldname = path + os.sep + fileList[n]  # os.sep添加系统分隔符

    # 设置新文件名
    newname1 = path + os.sep + 'a' + str(n + 1) + '.JPG'

    os.rename(oldname, newname1)  # 用os模块中的rename方法对文件改名c:\
    print(oldname, '======>', newname1)

    n += 1

七、glob模块:使用通配符查找文件

用它可以查找符合特定规则的文件路径名。跟使用windows下的文件搜索差不多。

查找文件只用到三个匹配符：“*”, “?”, “[]”。

• “*”：匹配0个或多个字符；

• “?”：匹配单个字符；

• “[]”：匹配指定范围内的字符，如：[0-9]匹配数字。

1、glob.glob:返回所有匹配的文件路径列表。

它只有一个参数pathname，定义了文件路径匹配规则，这里可以是绝对路径，也可以是相对路径。

输出：类型是list型，然后就是输出相关的文件路径了

import glob

file = glob.glob(r'C:\工具\*\*\pan*.exe')
print(type(file))  # <class &#39;list&#39;>
print(file)  # [&#39;C:\\工具\\PanDownload_v2.1.3\\PanDownload\\PanDownload.exe&#39;]

#获取上级目录的所有.py文件
print (glob.glob(r&#39;../*.py&#39;)) #相对路径

2、glob.iglob:获取一个可遍历对象，使用它可以逐个获取匹配的文件路径名。

与glob.glob()的区别是：glob.glob同时获取所有的匹配路径，而glob.iglob一次只获取一个匹配路径。

下面是一个简单的例子：

import glob

#父目录中的.py文件
f = glob.iglob(r'../*.py')
print ( f ) # <generator object iglob at 0x00B9FF80>
for py in f:
   print  (py)

Atas ialah kandungan terperinci Cara menggunakan kaedah pemprosesan fail Python, modul os dan modul glob. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!