python 处理html python 处理文件

一、文件File

• 通过Python程序来对计算机中的各种文件进行增删改查的操作
  - I/O(Input / Output)
  - 操作文件的步骤：
  ① 打开文件
  ② 对文件进行各种操作（读、写），然后保存
  ③ 关闭文件

二、文件打开操作

使用open函数来打开一个文件。
1、open函数参数简介

"""
def open(file,   ：要打开的文件名，需加路径(除非是在当前目录)。唯一强制参数
         mode='r',  ：文件打开的模式
         buffering=None, ：设置buffer（取值为0,1,>1）
         encoding=None, ：返回数据的编码（一般为UTF8或GBK）
         errors=None, ：报错级别（一般为strict，ignore）
         newline=None, ：用于区分换行符(只对文本模式有效，可以取的值有None,'\n','\r','','\r\n')
         closefd=True)：用于区分换行符(只对文本模式有效，可以取的值有None,'\n','\r','','\r\n')
"""

打开不同路径下的文件

（1）当目标文件(txt)和当前文件(py文件)在同一级目录下，则直接使用文件名即可。

如下图所示：demo01.py和demo01.txt都在hello包名下，那么访问在demo01.py文件中 访问 demo01.txt文件，就直接使用文件名称即可。

demo01.py 代码编写：

# 如果目标文件和当前文件在同一级目录下，则直接使用文件名即可
file_name = "demo01.txt"
file_obj = open(file=file_name)
print(file_obj) # <_io.TextIOWrapper name='demo01.txt' mode='r' encoding='UTF-8'>

（2）如果目标文件和当前文件不在同一级目录下，则需要使用完整的路径
例如：demo01.py在hello包名下，而demo02.txt在file子目录下：

则demo01.py 代码编写：

# 如果目标文件和当前文件不在同一级目录下，则需要携带文件所在的子目录
file_name2 = "file/demo02.txt"
file_obj = open(file=file_name2)
print(file_obj) # <_io.TextIOWrapper name='file/demo02.txt' mode='r' encoding='UTF-8'>

（3）目标文件和py文件都在子目录下

例如：demo01.py在code子目录下，demo02.txt在file子目录下

则demo02.py文件代码编写：

file_name2 = "../file/demo02.txt"
file_obj2 = open(file=file_name2)
print(file_obj2) # <_io.TextIOWrapper name='../file/demo02.txt' mode='r' encoding='UTF-8'>

（4）如果目标文件距离当前文件比较远，此时可以使用绝对路径。
绝对路径应该从磁盘的根目录开始书写。
比如：在demo02.py文件中访问桌面的demo03.txt文件

在demo02.py代码编写：

file_name3 = "/Users/wangchuangyan/Desktop/demo03.txt"
file_obj3 = open(file=file_name3)
print(file_obj3) # <_io.TextIOWrapper name='/Users/wangchuangyan/Desktop/demo03.txt' mode='r' encoding='UTF-8'>

注意：在windows系统中使用路径时，

可以使用/来代替
或者可以使用 \ 来代替
或者也可以使用原始字符串, 前边加个r
file_name = ‘…/hello/demo.txt’
file_name = ‘hello\demo.txt’
file_name = r’hello\demo.txt’

三、文件读取

1、使用read()方法读取

当我们获取了文件对象以后，所有的对文件的操作都应该通过对象来进行
读取文件中的内容
read()方法，用来读取文件中的内容，它会将内容全部保存为一个字符串返回

file_name = "demo01.txt"

# 读取文件
cotent = file_obj.read()
print(cotent)

控制台打印：
Time has not let me forget you, just let me accustomed to day without you.
时间并没有让我忘记你，只是让我习惯了没有你的日子。

2、指定要读取的字符的数量

通过 read() 来读取文件中的内容
        如果直接调用read()它会将文本文件的所有内容全部都读取出来
          如果要读取的文件较大的话，会一次性将文件的内容加载到内存中，容易导致内存泄漏
          所以对于较大的文件，不要直接调用read()
        help(file_obj.read)
        read()可以接收一个size作为参数，该参数用来指定要读取的字符的数量
          默认值为-1，它会读取文件中的所有字符
          可以为size指定一个值，这样read()会读取指定数量的字符，
              每一次读取都是从上次读取到位置开始读取的
              如果字符的数量小于size，则会读取剩余所有的
              如果已经读取到了文件的最后了，则会返回''空串

try:
    with open(file_name, encoding='UTF-8') as file_obj:
        # 指定读取字符的数量，包含换行符
        content = file_obj.read(6)
        print(content)
        help(file_obj.read())
except FileNotFoundError:
    print(f'{file_name}文件不存在~')

控制台打印：
锄禾日当午

3、读取大文件的方式

file_name = "demo01.txt"

try:
    with open(file_name, encoding='UTF-8') as file_obj:
        # 定义一个变量，来保存文件的内容
        file_content = ''
        # 定义一个变量，来指定每次读取的大小
        chunk = 100
        # 通过循环来读取文件内容
        while True:
            # 读取chunk大小的内容
            content = file_obj.read(chunk)
            # 退出循环的条件，检查是否读取到了内容
            if not content:
                # 内容读取完毕，退出循环
                break

            # 输出内容
            file_content += content

except FileNotFoundError:
    print(f'{file_name}文件不存在~')

print(file_content)

控制台打印：
1、时间并没有让我忘记你，只是让我习惯了没有你的日子。

Time has not let me forget you, just let me accustomed to day without you.

2、别把最爱你的女孩弄丢了，也别等浪够了才知道家没了。

Don't lost the girl who love you, also don't like the wave enough just know no home.

3、回忆过去的那些痛苦不堪，原来我也是一个可怜的小孩。

Memories of the past those painful, originally I was a poor child.

4、生命总有坎坷，只要我们迎着朝阳，前方终会看到光明。

Life there are always frustrations, as long as we meet chaoyang, will see the light ahead.

4、readline和readlines方法

readline()：该方法可以用来读取一行内容。
readlines()：该方法用于一行一行的读取内容，它会一次性将读取到的内容封装到一个列表中返回。

file_name = "../file/demo02.txt"
try:
    with open(file_name, encoding='UTF-8') as file_obj:
        # 1、readline读取一行内容
        content = file_obj.readline()
        print(content, end='')
        
        # 2、readlines一行一行的读取所有内容
        content = file_obj.readlines()
        pprint.pprint(content[0])  # '1、时间并没有让我忘记你，只是让我习惯了没有你的日子。\n'
        pprint.pprint(content[2])  # 'Time has not let me forget you, just let me accustomed to day without you.\n'

        # 3、也可以一行一行读取所有内容
        # for t in file_obj:
        #     print(t)

except FileNotFoundError:
    print(f'{file_name}文件不存在~')

四、文件关闭

close()方法：调用close()方法来关闭文件

file_name = "demo01.txt"
file_obj = open(file=file_name)
cotent = file_obj.read()
print(cotent)
# 关闭文件
file_obj.close()
# 关闭之后在读取
file_obj.read() # ValueError: I/O operation on closed file.

使用with as 语句来实现：

"""
使用with as 语句来读取demo01.txt文件
"""
file_name = "demo01.txt"


with open(file_name) as file_obj:
    # 在with语句中可以直接使用file_obj来做文件操作
    # 此时这个文件只能在with中使用，一旦with结束则文件会自动close()
    content = file_obj.read()
    print(content)

# 使用with  as 语句，会自动关闭文件，所以再次读取会报错
file_obj.read() # ValueError: I/O operation on closed file.

with as 语句升级版使用：

file_name = "demo01.txt"
try:
    with open(file_name) as file_obj:
        # 在with语句中可以直接使用file_obj来做文件操作
        # 此时这个文件只能在with中使用，一旦with结束则文件会自动close()
        content = file_obj.read()
        print(content)
except FileNotFoundError:
    print(f'{file_name}文件不存在~')

五、打开中文文件时，指定编码格式

调用open()来打开一个文件，可以将文件分成两种类型
一种，是纯文本文件（使用utf-8等编码编写的文本文件）
一种，是二进制文件（图片、mp3、ppt等这些文件）
open()打开文件时，默认是以文本文件的形式打开的，但是open()默认的编码为None
所以处理文本文件时，必须要指定文件的编码。

file_name = "../file/demo02.txt"
try:
    with open(file_name, encoding='UTF-8') as file_obj:
        content = file_obj.read()
        print(content)
except FileNotFoundError:
    print(f'{file_name}文件不存在~')

控制台打印：
锄禾日当午
汗滴禾下土
谁知盘中餐
粒粒皆辛苦

六、文件写入

1、文件打开模式的指定

使用open()打开文件时必须要指定打开文件所要做的操作（读、写、追加）
如果不指定操作类型，则默认是 读取文件 ， 而读取文件时是不能向文件中写入的
r 表示只读的
w 表示是可写的，使用w来写入文件时，如果文件不存在会创建文件，如果文件存在则会截断文件。截断文件指删除原来文件中的所有内容。
a 表示追加内容，如果文件不存在会创建文件，如果文件存在则会向文件中追加内容
x 用来新建文件，如果文件不存在则创建，存在则报错

2、文件写入使用write方法

write()来向文件中写入内容，
如果操作的是一个文本文件的话，则write()需要传递一个字符串作为参数
该方法会可以分多次向文件中写入内容
写入完成以后，该方法会返回写入的字符的个数

（1）使用w模式：覆盖写

file_name = "../file/demo02.txt"
try:
    # w 表示是可写的，使用w来写入文件时，如果文件不存在会创建文件，如果文件存在则会截断文件。截断文件指删除原来文件中的所有内容
    with open(file=file_name, mode='w', encoding='UTF-8') as file_obj:
        
        write_content = file_obj.write('向demo02.txt文件中写入内容')     
        # 返回写入的字符的个数
        print(write_content) # 18


        # 还可以向文件中多次写入内容，需要手动写\n换行
        # file_obj.write('向demo02.txt文件中写入内容\n')
        # file_obj.write('aaa\n')
        # file_obj.write('bbb\n')
        # file_obj.write('ccc\n')

except FileNotFoundError:
    print(f'{file_name}文件不存在~')

demo02.txt文件内容被全部替换为：向demo02.txt文件中写入内容。

如果file_name = "../file/demo05.txt"，实际目录下没有这个文件，那么会创建这个文件，并写入内容~

（2）使用a 追加写
a 表示追加内容，如果文件不存在会创建文件，如果文件存在则会向文件中追加内容。
（3）读写都可以

(+) 为操作符增加功能
r+ 即可读又可写，文件不存在会报错
w+ 覆盖写，且可读
a+ 追加写，且可读
(4)x 用来新建文件，如果文件不存在则创建，存在则报错，当第一次创建文件，并且不覆盖原有的文件时，可以指定这个模式。

七、读取二进制文件

需指定读取模式为 rb
r 读取文本文件（默认值）
b 读取二进制文件

file_name = "/Users/wangchuangyan/Desktop/aa.flac"
try:
    with open(file=file_name, mode='rb') as file_obj:
        # 读取文本文件时，size是以字符为单位的
        # 读取二进制文件时，size是以字节为单位
        print(file_obj.read(100))
控制台打印：    b'fLaC\x00\x00\x00"\x10\x00\x10\x00\x00\x00\x10\x006\x84\n\xc4B\xf0\x00\x90\xc6`IV8\x88\xb5uH=\x19`?\x81\x97\x82C\xe1\x03\x00\x01\x8c\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x10\x00\x00\x00\x00\x00\x00\x06\xb0\x00\x00\x00\x00\x00\x00\x0b\x14\x96\x10\x00\x00\x00\x00\x00\x00\rp\x00\x00\x00\x00\x00\x00\x1b\xbd}\x10\x00'



except FileNotFoundError:
    print(f'{file_name}文件不存在~')

将读取的二进制文件，写入一个新的文件中

file_name = "/Users/wangchuangyan/Desktop/aa.flac"
try:
    with open(file=file_name, mode='rb') as file_obj:
        # 将读取到的内容写出来，既将桌面的flac文件，写到当前目录下
        # 定义一个新的文件，就写到与py文件同级目录下
        new_name = 'aa.flac'

        with open(new_name, 'wb') as new_obj:

            # 定义每次读取的大小
            chunk = 1024 * 100

            while True:
                # 从已有的对象中读取数据
                content = file_obj.read(chunk)

                # 内容读取完毕，终止循环
                if not content:
                    break

                # 将读取到的数据写入到新对象中
                new_obj.write(content)


except FileNotFoundError:
    print(f'{file_name}文件不存在~')

八、读取文件的位置

1、获取当前读取的位置:tell()方法

"""
获取当前读取的位置
"""
file_name = "demo01.txt"
try:
    with open(file_name, mode='rb') as file_obj:
        file_obj.read(100)
        file_obj.read(30)

        # tell() 方法用来查看当前读取的位置
        print('当前读取到了 -->', file_obj.tell())  # 当前读取到了 --> 130

except FileNotFoundError:
    print(f'{file_name}文件不存在~')

2、修改当前读取的位置 seek方法

try:
    with open(file_name, mode='rb') as file_obj:
        # 修改当前读取的位置，相当于读书时，手指头指向第56个字了
        file_obj.seek(56)
        # 在56位置基础上，接着读取5个字节
        print(file_obj.read(5))  #
        # tell() 方法用来查看当前读取的位置
        print('当前读取到了 -->', file_obj.tell())  # 当前读取到了 --> 61

except FileNotFoundError:
    print(f'{file_name}文件不存在~')



"""
当读取文件的部分内容时

     seek()需要两个参数
       第一个 是要切换到的位置
       第二个 计算位置方式
           可选值：
               0 从头计算，默认值
               1 从当前位置计算
               2 从最后位置开始计算
    """
    # 从头开始读读70个
    file_obj.seek(70, 0)
    # 从当前位置开始读80个
    file_obj.seek(80, 1)
    # 读取最后10个
    file_obj.seek(-10, 2)

中文：3个字符等于一个字节

九、os模块

1、os.listdir()

import os
from pprint import pprint

# os.listdir() 获取指定目录的目录结构
# 需要一个路径作为参数，会获取到该路径下的目录结构，默认路径为 . 当前目录
# 该方法会返回一个列表，目录中的每一个文件（夹）的名字都是列表中的一个元素
r = os.listdir()
pprint(r) # ['.DS_Store', 'file', 'code', '__init__.py', 'demo01.py', 'demo01.txt']

2、os.getcwd() 获取当前所在的目录
r = os.getcwd()
print® # /Users/wangchuangyan/Desktop/py42/hello

3、os.chdir() 切换当前所在的目录 作用相当于 cd

4、创建目录
os.mkdir(“aaa”) # 在当前目录下创建一个名字为 aaa 的目录

5、删除文件

在当前目录下创建aa.txt文件
open(‘aa.txt’,‘w’)
删除文件
os.remove(‘aa.txt’)

6、os.rename()

# 在当前目录下创建aa.txt文件
open('aa.txt','w')
# os.rename('旧名字','新名字') 可以对一个文件进行重命名
os.rename('aa.txt','bb.txt')
# 移动一个文件，从当前目录，剪切到桌面
# os.rename('bb.txt','/Users/wangchuangyan/Desktop/bb.txt')