一、打开文件
使用open打开文件后一定要记得调用文件对象的close()方法。比如可以用try/finally语句来确保最后能关闭文件。
file_object = open('thefile.txt')try: all_the_text = file_object.read( )finally: file_object.close( )
复制代码
注：不能把open语句放在try块里，因为当打开文件出现异常时，文件对象file_object无法执行close()方法。
二、读文件
#读文本文件input = open('data', 'r')#第二个参数默认为rinput = open('data')#读二进制文件input = open('data', 'rb')#读取所有内容file_object = open('thefile.txt')try: all_the_text = file_object.read( )finally: file_object.close( )#读固定字节file_object = open('abinfile', 'rb')try: while True: chunk = file_object.read(100) if not chunk: break do_something_with(chunk)finally: file_object.close( )#读每行list_of_all_the_lines = file_object.readlines( )#如果文件是文本文件，还可以直接遍历文件对象获取每行：for line in file_object: process line
复制代码
三、写文件
#写文本文件output = open('data', 'w')#写二进制文件output = open('data', 'wb')#追加写文件output = open('data', 'w+')#写数据file_object = open('thefile.txt', 'w')file_object.write(all_the_text)file_object.close( )#写入多行file_object.writelines(list_of_text_strings)
复制代码
注意，调用writelines写入多行在性能上会比使用write一次性写入要高。
在处理日志文件的时候，常常会遇到这样的情况：日志文件巨大，不可能一次性把整个文件读入到内存中进行处理，例如需要在一台物理内存为 2GB 的机器上处理一个 2GB 的日志文件，我们可能希望每次只处理其中 200MB 的内容。
在Python中，内置的File对象直接提供了一个readlines(sizehint) 函数来完成这样的事情。以下面的代码为例：
file = open('test.log', 'r')sizehint = 209715200 # 200Mposition = 0lines = file.readlines(sizehint)while not file.tell() - position < 0: position = file.tell() lines = file.readlines(sizehint)
复制代码
每次调用 readlines(sizehint) 函数，会返回大约 200MB 的数据，而且所返回的必然都是完整的行数据，大多数情况下，返回的数据的字节数会稍微比 sizehint 指定的值大一点（除最后一次调用 readlines(sizehint) 函数的时候）。通常情况下，Python 会自动将用户指定的 sizehint 的值调整成内部缓存大小的整数倍。
file在python是一个特殊的类型，它用于在python程序中对外部的文件进行操作。在python中一切都是对象，file也不例外，file有file的方法和属性。下面先来看如何创建一个file对象：
file(name[, mode[, buffering]])
复制代码
file()函数用于创建一个file对象，它有一个别名叫open()，可能更形象一些，它们是内置函数。来看看它的参数。它参数都是以字符串的形式传递的。
name：文件名字。
mode：打开模式，可选的值为rwaU，分别代表读（默认）写添加支持各种换行符的模式。用w或a模式打开文件的话，如果文件不存在，那么就自动创建。此外，用w模式打开一个已经存在的文件时，原有文件的内容会被清空，因为一开始文件的操作的标记是在文件的开头的，这时候进行写操作，无疑会把原有的内容给抹掉。由于历史的原因，换行符在不同的系统中有不同模式，比如在unix中是一个\n，而在windows中是‘\r\n’，用U模式打开文件，就是支持所有的换行模式，也就说‘\r’ '\n' '\r\n'都可表示换行，会有一个tuple用来存贮这个文件中用到过的换行符。不过，虽说换行有多种模式，读到python中统一用\n代替。在模式字符的后面，还可以加上+ b t这两种标识，分别表示可以对文件同时进行读写操作和用二进制模式、文本模式（默认）打开文件。
buffering：如果为 0 表示不进行缓冲；如果为 1 表示进行“行缓冲“；如果是一个大于 1 的数表示缓冲区的大小，应该是以字节为单位的。
file对象有自己的属性和方法。先来看看file的属性。
closed #标记文件是否已经关闭，由 close()改写
encoding #文件编码
mode #打开模式
name #文件名
newlines #文件中用到的换行模式，是一个 tuple
softspace #boolean 型，一般为 0，据说用于 print
file的读写方法：
F.read([size]) #size为读取的长度，以byte为单位 F.readline([size])
复制代码
#读一行，如果定义了size，有可能返回的只是一行的一部分 F.readlines([size]) #把文件每一行作为一个list的一个成员，并返回这个list。其实它的内部是通过循环调用readline()来实现的。如果提供size参数，size是表示读取内容的总长，也就是说可能只读到文件的一部分。 F.write(str) #把str写到文件中，write()并不会在str后加上一个换行符 F.writelines(seq) #把seq的内容全部写到文件中。这个函数也只是忠实地写入，不会在每行后面加上任何东西。 file的其他方法：F.close() #关闭文件。python会在一个文件不用后自动关闭文件，不过这一功能没有保证，最好还是养成自己关闭的习惯。如果一个文件在关闭后还对其进行操作会产生ValueError。F.flush() #把缓冲区的内容写入硬盘 F.fileno() #返回一个长整型的”文件标签“ F.isatty() #文件是否是一个终端设备文件（unix系统中的） F.tell() #返回文件操作标记的当前位置，以文件的开头为原点 F.next() #返回下一行，并将文件操作标记位移到下一行。把一个file用于for ... in file这样的语句时，就是调用next()函数来实现遍历的。 F.seek(offset[,whence]) #将文件打操作标记移到offset的位置。这个offset一般是相对于文件的开头来计算的，一般为正数。但如果提供了whence参数就不一定了，whence可以为0表示从头开始计算，1表示以当前位置为原点计算。2表示以文件末尾为原点进行计算。需要注意，如果文件以a或a+的模式打开，每次进行写操作时，文件操作标记会自动返回到文件末尾。 F.truncate([size]) #把文件裁成规定的大小，默认的是裁到当前文件操作标记的位置。如果size比文件的大小还要大，依据系统的不同可能是不改变文件，也可能是用0把文件补到相应的大小，也可能是以一些随机的内容加上去。
复制代码
四、代码演示
#! /usr/bin/pythonimport os,sys
try: fsock = open("D:/SVNtest/test.py", "r")except IOError: print "The file don't exist, Please double check!" exit()print 'The file mode is ',fsock.modeprint 'The file name is ',fsock.nameP = fsock.tell()print 'the postion is %d' %(P)fsock.close()
#Read filefsock = open("D:/SVNtest/test.py", "r")AllLines = fsock.readlines()#Method 1for EachLine in fsock: print EachLine
#Method 2print 'Star'+'='*30for EachLine in AllLines: print EachLineprint 'End'+'='*30fsock.close()
#write this filefsock = open("D:/SVNtest/test.py", "a")fsock.write("""#Line 1 Just for test purpose#Line 2 Just for test purpose#Line 3 Just for test purpose""")fsock.close()
#check the file statusS1 = fsock.closedif True == S1: print 'the file is closed'else: print 'The file donot close'附 Python读取TXT文档#直接在访问文档时指定编码方式myText = open(r"C:/Users/SHQ/Desktop/maya.txt", "r", encoding='UTF-8')try: print(myText.read())finally: myText.close()
复制代码
4.1 Python 读取 PDF 文档
#!/usr/bin/env python# encoding: utf-8
"""@author: Sunny@software: IntelliJ IDEA@file: prase_pdf.py@time: 2017/4/4"""import sysimport importlibimportlib.reload(sys)
from pdfminer.pdfparser import PDFParser,PDFDocumentfrom pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreterfrom pdfminer.converter import PDFPageAggregatorfrom pdfminer.layout import LTTextBoxHorizontal,LAParamsfrom pdfminer.pdfinterp import PDFTextExtractionNotAllowed
''' 解析pdf 文本，保存到txt文件中'''path = r'C:/Users/SHQ/Desktop/当前工作/基于Petri网的APP用户行为分析及应用(最终版-定稿-打印).pdf'def parse(): #以二进制读模式打开 fp = open(path, 'rb') #用文件对象来创建一个pdf文档分析器 praser = PDFParser(fp) # 创建一个PDF文档 doc = PDFDocument() # 连接分析器与文档对象 praser.set_document(doc) doc.set_parser(praser)
# 提供初始化密码 # 如果没有密码 就创建一个空的字符串 doc.initialize()
# 检测文档是否提供txt转换，不提供就忽略 if not doc.is_extractable: raise PDFTextExtractionNotAllowed else: # 创建PDf 资源管理器 来管理共享资源 rsrcmgr = PDFResourceManager() # 创建一个PDF参数分析器 laparams = LAParams() # 创建一个PDF资源聚合器 用于整合资源管理器和参数分析器 device = PDFPageAggregator(rsrcmgr, laparams=laparams) # 创建一个PDF解释器对象 interpreter = PDFPageInterpreter(rsrcmgr, device)
# 循环遍历列表，每次处理一个page的内容 for page in doc.get_pages(): # doc.get_pages() 获取page列表 interpreter.process_page(page) # 接受该页面的LTPage对象 layout = device.get_result() # 这里layout是一个LTPage对象 里面存放着这个page解析出的各种对象， # 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等想要获取文本就获得对象的text属性， for x in layout: if (isinstance(x, LTTextBoxHorizontal)) and hasattr(x, "get_text"): with open(r'C:/Users/SHQ/Desktop/当前工作/基于Petri网的APP用户行为分析及应用(最终版-定稿-打印).txt', 'a') as f: results = x.get_text() print(results) f.write(results + '\n')
if __name__ == '__main__': parse()
复制代码
评论