3.3 文件和操作系统

    为了打开一个文件以便读写，可以使用内置的open函数以及一个相对或绝对的文件路径：

    默认情况下，文件是以只读模式（’r’）打开的。然后，我们就可以像处理列表那样来处理这个文件句柄f了，比如对行进行迭代：

    2.     pass

    从文件中取出的行都带有完整的行结束符（EOL），因此你常常会看到下面这样的代码（得到一组没有EOL的行）：

    1. In [209]: lines = [x.rstrip() for x in open(path)]
    3. In [210]: lines
    4. Out[210]: 
    5. ['Sueña el rico en su riqueza,',
    6.  'que más cuidados le ofrece;',
    7.  '',
    8.  'sueña el pobre que padece',
    9.  'su miseria y su pobreza;',
    10.  '',
    11.  'sueña el que a medrar empieza,',
    12.  'sueña el que afana y pretende,',
    13.  'sueña el que agravia y ofende,',
    14.  '',
    15.  'y en el mundo, en conclusión,',
    16.  'todos sueñan lo que son,',
    17.  'aunque ninguno lo entiende.',
    18.  '']

    如果使用open创建文件对象，一定要用close关闭它。关闭文件可以返回操作系统资源：

    1. In [211]: f.close()

    用with语句可以可以更容易地清理打开的文件：

    1.    .....:     lines = [x.rstrip() for x in f]

    这样可以在退出代码块时，自动关闭文件。

    对于可读文件，一些常用的方法是read、seek和tell。read会从文件返回字符。字符的内容是由文件的编码决定的（如UTF-8），如果是二进制模式打开的就是原始字节：

    read模式会将文件句柄的位置提前，提前的数量是读取的字节数。tell可以给出当前的位置：

    2. Out[217]: 11
    4. In [218]: f2.tell()
    5. Out[218]: 10

    尽管我们从文件读取了10个字符，位置却是11，这是因为用默认的编码用了这么多字节才解码了这10个字符。你可以用sys模块检查默认的编码：

    1. In [219]: import sys
    3. In [220]: sys.getdefaultencoding()
    4. Out[220]: 'utf-8'

    seek将文件位置更改为文件中的指定字节：

    1. In [221]: f.seek(3)
    2. Out[221]: 3
    4. In [222]: f.read(1)
    5. Out[222]: 'ñ'

    最后，关闭文件：

    1. In [223]: f.close()
    3. In [224]: f2.close()

    表3-4列出了一些最常用的文件方法。

    表3-4 Python重要的文件方法或属性

    Python文件的默认操作是“文本模式”，也就是说，你需要处理Python的字符串（即Unicode）。它与“二进制模式”相对，文件模式加一个b。我们来看上一节的文件（UTF-8编码、包含非ASCII字符）：

    1. In [230]: with open(path) as f:
    2.    .....:     chars = f.read(10)
    4. In [231]: chars

    UTF-8是长度可变的Unicode编码，所以当我从文件请求一定数量的字符时，Python会从文件读取足够多（可能少至10或多至40字节）的字节进行解码。如果以“rb”模式打开文件，则读取确切的请求字节数：

    1. In [232]: with open(path, 'rb') as f:
    4. In [233]: data
    5. Out[233]: b'Sue\xc3\xb1a el '

    取决于文本的编码，你可以将字节解码为str对象，但只有当每个编码的Unicode字符都完全成形时才能这么做：

    1. In [234]: data.decode('utf8')
    2. Out[234]: 'Sueña el '
    4. In [235]: data[:4].decode('utf8')
    5. ---------------------------------------------------------------------------
    6. UnicodeDecodeError                        Traceback (most recent call last)
    7. <ipython-input-235-300e0af10bb7> in <module>()
    8. ----> 1 data[:4].decode('utf8')
    9. UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc3 in position 3: unexpecte
    10. d end of data

    文本模式结合了open的编码选项，提供了一种更方便的方法将Unicode转换为另一种编码：

    1. In [236]: sink_path = 'sink.txt'
    3. In [237]: with open(path) as source:
    4.    .....:     with open(sink_path, 'xt', encoding='iso-8859-1') as sink:
    5.    .....:         sink.write(source.read())
    7. In [238]: with open(sink_path, encoding='iso-8859-1') as f:
    8. Sueña el r

    如果你经常要对非ASCII字符文本进行数据分析，通晓Python的Unicode功能是非常重要的。更多内容，参阅Python官方文档。