python cookbook 学习笔记 第五章 文件与IO (1)读写文本数据

• 读写文本数据
• 问题：
  • 需要读写各种不同编码的文本数据，比如ASCII, UTF-8, UTF-16编码等。
• 解决方案：
  • 使用带有rt模式的 open()函数读取文本文件：

with open("somefile.txt", "rt") as f:
    data = f.read()

with open("somefile.txt", "rt") as f:
    for line in f:
        pass

• 类似，为了写入一个文本文件，使用带有 wt 模式的open()函数，如果之前文件内容存在，则清空并覆盖：

with open("somefile.txt", "wt") as f:
    f.write("text1")
    f.write("text2")

• 如果是在已存在文件中添加内容，使用模式为 at 的 open()函数。
• 文件的读写操作默认使用系统编码，可以通过 sys.getdefaultencoding()来得到。在大多数机器上都是utf-8 编码。如果已经知道要读写的文本是其他编码方式，可以通过传递一个可选的 encoding 参数给open()函数：

with open(r"E:\test\python进阶\Python_cookbook_第四章\Python_cookbook_第四章(1).py",
          encoding= "latin-1") as f:
    for line in f:
        print(line, end="")

• latin-1 编码永远不会产生解码错误(中文是乱码，但是不报错)，但是也许不能完全正确的文本解码数据，但是它能 从中提取足够多的有用数据，如果之后想将数据写回去，原先的数据还是会保留的。

• 讨论： 读写文件要注意几点：首先，在例子程序中的 with 语句给被使用的文件一个上下文环境，但 with 控制块 结束的时，文件会自动关闭。也可以不使用 with 语句，但是必须手动关闭文件：
  f = open(“somefile.txt”, “rt”)
  data = f.read()
  f.close()

• 另外一个问题是关于换行符的标识问题，在 Unix 和 windows 中是不一样的(分别是n和rn).默认情况下，Python 会以统一模式处理换行符。这种模式下，在读取文本的时候，Python 可以识别所有的普通换行符并将其转换成单个\n 字符。类似的，在输出时会将换行符\n转换为系统默认的换行符。如果不希望这种默认的处理方式，可以给open()函数 传入参数 newline= “”,就像下面这样：

with open("somefile.txt", "rt", newline= "") as f:
    pass

• 下面是读取 windows 上面的文本文件：

f = open("hello.txt", "rt")
f.read()  # "hello world!\n"

g = open("hello.txt", "rt", newline= "")
g.read()  # "hello world!\r\n"

• 最后一个问题就是文本文件中可能出现的编码错误。读取或写入一个文本文件时，可能回遇到一个编码或者解码错误，比如：

f = open("sample.txt", "rt", encoding= utf-8)
f.read()
# UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position

• 如果出现这个错误，通常表示读取的文本指定的编码不正确。在检查编码后，如果还是存在错误的话，可以给open()函数 传递一个可选的 errors 参数来处理这些错误：

f = open("sample.txt", "rt", encoding= "ascii", errors= "replace")
f.read()
f = open("sample.txt", "rt", encoding="ascii", errors= "ignore")
f.read()

• 对于文本处理的首要原则是编码正确。通常 web 应用的编码都是 utf-8(默认值)