Python文件和异常（一）

一、从文件中读取数据

       文本文件可存储的数据量多得难以置信：天气数据、交通数据、社会经济数据、文学作品等。每当需要分析或修改存储在文件中的信息时，读取文件都很有用，对数据分析应用程序来说尤其如此。例如，可以编写一个这样的程序：读取一个文本文件的内容，重新设置这些数据的格式并将其写入文件，让浏览器能够显示这些内容。

       要使用文本文件中的信息，首先需要将信息读取到内存中。为此，你可以一次性读取文件的全部内容，也可以以每次一行的方式逐步读取。

（一）读取整个文件

       要读取文件，需要一个包含几行文本的文件。下面首先创建一个文件，它包含精确到小数点后30位的圆周率值，且在小数点后每10位处换行：

3.1415926535 
  8979323846 
  2643383279

       要动手尝试后续示例，可在编辑器中输入这些数据行，再将文件保存为 pi_digits.txt 。

       下面的程序打开并读取这个文件，再将其内容显示到屏幕上：

with open('pi_digits.txt') as file_object:
    contents = file_object.read()
print(contents)

       在这个程序中，第一行代码做了大量的工作。我们先来看看函数 open() 。要以任何方式使用文件，那怕仅仅是打印其内容，都得先打开文件，才能访问它。函数 open() 接受一个参数：要打开的文件的名称。Python 在当前执行的文件所在的目录中查找指定的文件。在本例中，当前运行的是 file_reader.py ，因此 Python 在 file_reader.py 所在的目录中查找 pi_digits.txt 。函数 open() 返回一个表示文件的对象。在这里，open('pi_digits.txt') 返回一个表示文件 pi_digitls.txt 的对象， Python 将该对象赋给 file_object 供以后使用。

       关键字 with 在不再需要访问文件后将其关闭。在这个程序中，注意到我们调用了 open() ，但没有调用 close() 。也可以调用 open() 和 close() 来打开和关闭文件，但这样做时，如果程序存在 bug 导致方法 close() 未执行，文件将不会关闭。这看似微不足道，但未妥善关闭文件可能导致数据丢失或受损。如果在程序中过早调用 close() ，你会发现需要使用文件时它已关闭（无法访问），这会导致更多的错误。并非在任何情况下都能轻松确定关闭文件的怡当时机，但通过使用前面所示的结构，可让 Python 去确定：你只管打开文件，并在需要时使用它，Python 自会在合适的时候自动将其关闭。

       有了表示 pi_digits.txt 的文件对象后，使用方法 read()（前述程序的第二行）读取这个文件的全部内容，并将其作为一个长长的字符串赋给变量 contents 。这样，通过打印 contents 的值，就可将这个文本文件的全部内容显示出来：

3.1415926535 
  8979323846 
  2643383279
 

       相比于原始文件，该输出唯一不同的地方是末尾多了一个空行。为何会多出这个空行呢？因为 read() 到达文件未尾时返回一个空字符串，而将这个空字符串显示出来时就是一个空行。要删除多出来的空行，可在函数调用 print() 中使用 rstrip() ：

with open('pi_digits.txt') as file_object:
    contents = file_object.read()
print(contents.rstrip())

     前面说过，Python 方法 rstrip() 删除字符串末尾的空白。现在，输出与原始文件的内容完全相同：

3.1415926535 
  8979323846 
  2643383279

（二）文件路径

       将类似于pi_digits.txt 的简单文件名传递给函数 open() 时，Python 将在当前执行的文件（即 .py 程序文件）所在的目录中查找。

       根据你组织文件的方式，有时可能要打开不在程序文件所属目录中的文件。例如，你可能将程序文件存储在了文件夹 python_work 中，而该文件夹中有一个名为 text_files 的文件夹用于存储程序文件操作的文本文件。虽然文件夹 text_files 包含在文件夹 python_work 中，但仅向 open() 传递位于前者中的文件名称也不可行，因为 Python 只在文件夹 python_work 中查找，而不会在其子文件夹 text_files 中查找。要让 Python 打开不与程序文件位于同一个目录中的文件，需要提供文件路径，让 Python 到系统的特定位置去查找。

       由于文件夹 text_files 位于文件夹 python_work 中，可以使用相对文件路径来打开其中的文件。相对文件路径让 Python 到指定的位置去查找，而该位置是相对于当前运行的程序所在目录的。例如，可这样编写代码：

with open('text_file/filename.txt') as file_object:

     这行代码让 Python 到文件夹 python_work 下的文件夹 text_files 中去查找指定的 .txt 文件。

注意：显示文件路径时，Windows 系统使用反斜杠（\）而不是斜杠（/），但在代码中依然可以使用斜杠。

       还可以将文件在计算机中的准确位置告诉 Python ，这样就不用关心当前运行的程序存储在什

么地方了。这称为绝对文件路径。在相对路径行不通时，可使用绝对路径。例如，如果 text_files 并不在文件夹 python_work 中，而在文件夹 other_files 中，则向 open() 传递路径 'text_files/filename.txt' 行不通，因为 Python 只在文件夹 python_work 中查找该位置。为明确指出希望 Python 到哪里去查找，需要提供完整的路径。  

       绝对路径通常比相对路径长，因此将其赋给一个变量，再将该变量传递给 open() 会有所帮助：

file_path = '/home/ehmatthes/other_files/text_files/filename.txt'
with open(file_path) as file_object:

       通过使用绝对路径，可读取系统中任何地方的文件。就目前而言，最简单的做法是，要么将数据文件存储在程序文件所在的目录，要么将其存储在程序文件所在目录下的一个文件夹（如 text_files ）中。

注意：如果在文件路径中直接使用反斜杠，将引发错误，因为反斜杠用于对字符串中的字符进行转义。例如，对于路径 "C:\path\to\file.txt" ，其中的 \t 将被解读为制表符。如果一定要使用反斜杠，可对路径中的每个反斜杠都进行转义，如 "C:\\path\\to\\file.txt" 。

（三）逐行读取

      读取文件时，常常需要检查其中的每一行：可能要在文件中查找特定的信息，或者要以某种方式修改文件中的文本。例如，你可能要遍历一个包含天气数据的文件，并使用天气描述中包含 sunny 字样的行。在新闻报道中，你可能会查找包含标签 <headline> 的行，并按特定的格式设置它。

       要以每次一行的方式检查文件，可对文件对象使用for循环：

filename = 'pi_digits.txt'
 
with open(filename) as file_object:
    for line in file_object:
        print(line)

       将要读取的文件的名称赋给变量 filename 。这是使用文件时的一种常见做法。变量 filename 表示的并非实际文件——它只是一个让 Python 知道到哪里去查找文件的字符串，因此可以轻松地将 'pi_digits.txt' 替换为要使用的另一个文件的名称。调用 open() 后，将一个表示文件及其内容的对象赋给了变量 file_object 。这里也使用了关键字 with ，让 Python 负责妥善地打开和关闭文件。为查看文件的内容，通过对文件对象执行循环来遍历文件中的每一行。

       打印每一行时，发现空白行更多了：

3.1415926535 
 
  8979323846 
 
  2643383279
 

       为何会出现这些空白行呢？因为在这个文件中，每行的末尾都有一个看不见的换行符，而函数调用 print() 也会加上一个换行符，因此每行末尾都有两个换行符：一个来自文件，另一个来自函数调用 print() 。要消除这些多余的空白行，可在函数调用 print() 中使用 rstrip() ：

filename = 'pi_digits.txt'
 
with open(filename) as file_object:
    for line in file_object:
        print(line.rstrip())

    现在，输出又与文件内容完全相同了：

3.1415926535
  8979323846
  2643383279

（四）创建一个包含文件各行内容的列表

       使用关键字 with 时，open() 返回的文件对象只在 with 代码块内可用。如果要在 with 代码块外访问文件的内容，可在 with 代码块内将文件的各行存储在一个列表中，并在 with 代码块外使用该列表：可以立即处理文件的各个部分，也可以推迟到程序后面再处理。

       下面的示例在 with 代码块中将文件 pi_digits.txt 的各行存储在一个列表中，再在 with 代码块外打印：

filename = 'pi_digits.txt'
 
with open(filename) as file_object:
    lines = file_object.readlines()
 
for line in lines:
    print(line.rstrip())

       方法 readlines() 从文件中读取每一行，并将其存储在一个列表中。接下来。该列表被赋给变量 lines 。在 with 代码块外，依然可使用这个变量。使用一个简单的 for 循环来打印 lines 中的各行。因为列表 lines 的每个元素都对应于文件中的一行，所以输出与文件内容完全一致。

（五）使用文件的内容

       将文件读取到内存中后，就能以任何方式使用这些数据了。下面以简单的方式使用圆周率的值。首先，创建一个字符串，它包含文件中存储的所有数字，且没有任何空格：

filename = 'pi_digits.txt'
 
with open(filename) as file_object:
    lines = file_object.readlines()
 
pi_string = ''
for line in lines:
    pi_string += line.rstrip()
    
print(pi_string)
print(len(pi_string))

       像前一个示例一样，首先打开文件，并将其中所有的行都存储在一个列表中。创建了一个变量 pi_string ，用于指向圆周率的值。接下来，使用一个循环将各行加入 pi_string ，并删除每行末尾的换行符。打印这个字符串及其长度：

3.1415926535  8979323846  2643383279
36

       变量 pi_string 指向的字符串包含原来位于每行左边的空格，为删除这些空格，可使用 strip() 而非 Istrip() ：

pi_string = ''
for line in lines:
    pi_string += line.strip()

      这样就获得了一个字符串，其中包含准确到30位小数的圆周率值。这个字符串长32字符，因为它还包含整数部分的3和小数点：

3.141592653589793238462643383279
32

注意：读取文本文件时，Python 将其中的所有文本都解读为字符串。如果读取的是数，并要将其作为数值使用，就必须使用函数 int() 将其转换为整数或使用函数 float() 将其转换为浮点数。

（六）包含一百万位的大型文件

       前面分析的都是一个只有三行的文本文件，但这些代码示例也可处理大得多的文件。如果我们有一个文本文件，其中包含精确到小数点后1000000位而不是30位的圆周率值，也可创建一个包含所有这些数字的字符串。为此，无须对前面的程序做任何修改，只要将这个文件传递给它即可。在这里，只打印到小数点后50位，以免终端为显示全部1000000位而不断滚动：

filename = 'pi_million_digits.txt'
 
with open(filename) as file_object:
    lines = file_object.readlines()
 
pi_string = ''
for line in lines:
    pi_string += line.strip()
    
print(f"{pi_string[:52]}...")
print(len(pi_string))

    输出表明，创建的字符串确实包含精确到小数点后1000000位的圆周率值：

3.14159265358979323846264338327950288419716939937510...
1000002

       对于可处理的数据量，Python没有任何限制。只要系统的内存足够多，你想处理多少数据都可以。

（七）圆周率值中包含你的生日吗

       我一直想知道自己的生日是否包含在圆周率值中。下面来扩展刚才编写的程序，以确定某个人的生日是否包含在圆周率值的前1000000位中。为此，可将生日表示为一个由数字组成的字符串，再检查这个字符串是否包含在 pi_string 中：

filename = 'pi_million_digits.txt'
 
with open(filename) as file_object:
    lines = file_object.readlines()
 
pi_string = ''
for line in lines:
    pi_string += line.strip()
 
birthday = input("Enter your birthday, in the form mmddyy: ")
if birthday in pi_string:
    print("Your birthday appears in the first million digits of pi!")
else:
    print("Your birthday does not appear in the first million digits of pi.")

    提示用户输入生日。检查这个字符串是否包含在 pi_string 中。下面来运行一下这个程序：

Enter your birthday, in the form mmddyy: 030109
Your birthday appears in the first million digits of pi!

       我的生日确实出现在了圆周率值中！读取文件的内容后，能以你能想到的任何方式对其进行分析。

二、写入文件

     保存数据的最简单的方式之一是将其写人文件中。通过将输出写人文件，即便关闭包含程序输出的终端窗口，这些输出也依然存在:可以在程序结束运行后查看这些输出，可以与别人分享输出文件，还可以编写程序来将这些输出读取到内存中并进行处理。

（一）写入空文件

       要将文本写人文件，你在调用 open() 时需要提供另一个实参，告诉 Python 你要写入打开的文件。为明白其中的工作原理，我们来将一条简单的消息存储到文件中，而不是将其打印到屏幕上：

filename = 'programming.txt'
 
with open(filename, 'w') as file_object:
    file_object.write("I love programming.")

       在本例中，调用 open() 时提供了两个实参。第一个实参也是要打开的文件的名称。第二个实参 ('w') 告诉 Python ，要以写入模式打开这个文件。打开文件时，可指定读取模式 ('r') 、写入模式 ('w') 、附加模式 ('a') 或读写模式 ('r+' ) 。如果省略了模式实参，Python 将以默认的只读模式打开文件。

       如果要写入的文件不存在，函数 open() 将自动创建它。然而，以写人模式 ('w') 打开文件时千万要小心，因为如果指定的文件已经存在，Python 将在返回文件对象前清空该文件的内容。

       使用文件对象的方法 write() 将一个字符串写人文件。这个程序没有终端输出，但如果打开文件 programming.txt ，将看到其中包含如下一行内容：

I love programming.

       相比于计算机中的其他文件，这个文件没有什么不同。你可以打开它、在其中输人新文本、复制其内容、将内容粘贴到其中，等等。

注意：Python 只能将字符串写入文本文件。要将数值数据存储到文本文件中，必须先使用函数 str() 将其转换为字符串格式。

（二）写入多行

       函数 write() 不会在写人的文本末尾添加换行符，因此如果写入多行时没有指定换行符，文件看起来可能不是你希望的那样：

filename = 'programming.txt'
 
with open(filename, 'w') as file_object:
    file_object.write("I love programming.")
    file_object.write("I love creating new games.")

   如果你打开 programming.txt ，将发现两行内容挤在一起：

I love programming.I love creating new games.

       要让每个字符串都单独占一行，需要在方法调用 write() 中包含换行符：

filename = 'programming.txt'
 
with open(filename, 'w') as file_object:
    file_object.write("I love programming.\n")
    file_object.write("I love creating new games.\n")

    现在，输出出现在不同的行中：

I love programming.
I love creating new games.

       像显示到终端的输出一样，还可以使用空格、制表符和空行来设置这些输出的格式。

（三）附加到文件

       如果要给文件添加内容，而不是覆盖原有的内容，可以以附加模式打开文件。以附加模式打开文件时，Python 不会在返回文件对象前清空文件的内容，而是将写人文件的行添加到文件末尾。如果指定的文件不存在，Python 将为你创建一个空文件。

      下面来修改 write_message.py ，在既有文件 programming.txt 中再添加一些你酷爱编程的原因：

filename = 'programming.txt'
 
with open(filename, 'a') as file_object:
    file_object.write("I also love finding meaning in large datasets.\n")
    file_object.write("I love creating apps that can run in a browser.\n")

      打开文件时指定了实参 'a' ，以便将内容附加到文件末尾，而不是覆盖文件原来的内容。又写人了两行，它们被添加到文件 programming.txt 末尾：

I love programming.
I love creating new games.
I also love finding meaning in large datasets.
I love creating apps that can run in a browser.

       最终的结果是，文件原来的内容还在，后面则是刚添加的内容。

未完，待续……

附：上述文章可能用到的数据文件：

链接：https://pan.quark.cn/s/0c4a1f5cbcc3

提取码：q7eK