这里写目录标题

• python中文件操作
• • 文本文件和二进制文件
  • 文件操作相关模块
  • 创建文件对象 open()
  • 文本文件的写入
  • 常用编码介绍
  • write()/writelines()写入数据
  • close()关闭文件流
  • with 语句(上下文管理器)
  • 文本文件的读取
  • 二进制文件的读取和写入
  • 文件对象的常用属性和方法(重点seek)
  • 使用 pickle 序列化
  • CSV 文件的操作
  • os 和 os.path 模块
  • • os 模块-调用操作系统命令
    • os 模块-文件和目录操作
    • os.path 模块
  • walk()递归遍历所有文件和目录
  • shutil 模块(拷贝和压缩)
  • zipfile模块_压缩和解压缩
  • 递归算法

python中文件操作

一个完整的程序一般都包括数据的存储和读取；我们在前面写的程序数据都没有进行实际的存储，因此 python 解释器执行完数据就消失了。实际开发中，我们经常需要从外部存
储介质（硬盘、光盘、U 盘等）读取数据，或者将程序产生的数据存储到文件中，实现“持久化”保存。

很多软件系统是将数据存储的数据库中；数据库实际也是基于文件形式存储的。

文本文件和二进制文件

(1). 文本文件
文本文件存储的是普通“字符”文本，python 默认为 unicode 字符集（两个字节表示一个字符，最多可以表示：65536 个），可以使用记事本程序打开。但是，像 word 软件编辑的文档不是文本文件。
(2). 二进制文件
二进制文件把数据内容用“字节”进行存储，无法用记事本打开。必须使用专用的软件解码。常见的有：MP4 视频文件、MP3 音频文件、JPG 图片、doc 文档等等。

文件操作相关模块

Python 标准库中，有很多文件操作相关的模块。

创建文件对象 open()

open()函数用于创建文件对象，

文本文件的写入

基本的文件写入操作
文本文件的写入一般就是三个步骤：
(1). 创建文件对象
(2). 写入数据
(3). 关闭文件对象
我们首先创建一个小程序，体验一下文本文件的写入操作。

常用编码介绍

ASCII
全称为 American Standard Code for Information Interchange，美国信息交换标准代码，这是世界上最早最通用的单字节编码系统，主要用来显示现代英语及其他西欧语言。
ISO8859-1
ISO-8859-1 又称 Latin-1，是一个 8 位单字节字符集，它把 ASCII 的最高位也利用起来，并兼容了 ASCII，新增的空间是 128，但它并没有完全用完。在 ASCII 编码之上又增加了西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号，它是向下兼容 ASCII 编码。

GB2312,GBK,GB18030
·GB2312
GB2312 全称为信息交换用汉字编码字符集，是中国于 1980 年发布，主要用于计算机系统中的汉字处理。GB2312 主要收录了 6763 个汉字、682 个符号。GB2312覆盖了汉字的大部分使用率，但不能处理像古汉语等特殊的罕用字，所以后来出现了像 GBK、GB18030 这种编码。

GB2312 完全兼容 ISO8859-1。
·GBK
全称为 Chinese Internal Code Specification，即汉字内码扩展规范，于 1995 年制定。它主要是扩展了 GB2312，在它的基础上又加了更多的汉字，它一共收录了 21003 个汉字
·GB18030
现在最新的内码字集于 2000 年发布，并于 2001 年强制执行，包含了中国大部分少数民族的语言字符，收录汉字数超过 70000 余个。它主要采用单字节、双字节、四字节对字符编码，它是向下兼容 GB2312 和 GBK 的，虽然是我国的强制使用标准，但在实际生产中很少用到，用得最多的反而是 GBK 和 GB2312。

Unicode
Unicode 编码设计成了固定两个字节，所有的字符都用 16 位(2^16=65536)表示，包括之前只占 8 位的英文字符等，所以会造成空间的浪费，UNICODE 在很长的一段时间内都没有得到推广应用。
Unicode 完全重新设计，不兼容 iso8859-1，也不兼容任何其他编码。
UTF-8
对于英文字母，unicode 也需要两个字节来表示。所以 unicode 不便于传输和存储。因此而产生了 UTF 编码，UTF-8 全称是（8-bit UnicodeTransformation Format）。
UTF 编码兼容 iso8859-1 编码，同时也可以用来表示所有语言的字符，不过，UTF 编码是不定长编码，每一个字符的长度从 1-4 个字节不等。其中，英文字母都是用一个字节表示，而汉字使用三个字节。

windows 操作系统默认的编码是 GBK，Linux 操作系统默认的编码是 UTF-8。当我们用 open()时，调用的是操作系统打开的文件，默认的编码是 GBK

write()/writelines()写入数据

write()/writelines()写入数据
write(a)：把字符串 a 写入到文件中
writelines(b)：把字符串列表写入文件中，不添加换行符

close()关闭文件流

由于文件底层是由操作系统控制，所以我们打开的文件对象必须显式调用 close()方法关闭文件对象。当调用 close()方法时，首先会把缓冲区数据写入文件(也可以直接调用 flush()
方法)，再关闭文件，释放文件对象。为了确保打开的文件对象正常关闭，一般结合异常机制的 finally 或者 with 关键字实现无论何种情况都能关闭打开的文件对象。

with 语句(上下文管理器)

with 关键字（上下文管理器）可以自动管理上下文资源，不论什么原因跳出 with 块，都能确保文件正确的关闭，并且可以在代码块执行完毕后自动还原进入该代码块时的现场。

文本文件的读取

文件的读取一般使用如下三个方法：
(1)read([size]):从文件中读取 size 个字符，并作为结果返回。如果没有 size 参数，则读取整个文件。读取到文件末尾，会返回空字符串。
(2)readline()：读取一行内容作为结果返回。读取到文件末尾，会返回空字符串。
(3)readlines():文本文件中，每一行作为一个字符串存入列表中，返回该列表>

练习按照行读取文件

推导式的练习

二进制文件的读取和写入

二进制文件的处理流程和文本文件流程一致。首先还是要创建文件对象，不过，我们需要指定二进制模式，从而创建出二进制文件对象。

(1) f = open(r”d:a.txt”, ‘wb’) #可写的、重写模式的二进制文件对象
(2) f = open(r”d:a.txt”, ‘ab’) #可写的、追加模式的二进制文件对象
(3) f = open(r”d:a.txt”, ‘rb’) #可读的二进制文件对象

读取图片文件，实现文件的拷贝

文件对象的常用属性和方法(重点seek)

文件对象封装了文件相关的操作。
seek(offset,[whence])
把文件指针移动到新的位置，offset 表示相对于 whence 的多少个，字节的偏移量；
offset：
off 为正往结束方向移动，为负往开始方向移动
whence 不同的值代表不同含义：
0: 从文件头开始计算（默认值）
1：从当前位置开始计算
2：从文件尾开始计算

使用 pickle 序列化

有时候需要将“内存块的数据”保存到硬盘上，或者通过网络传输到其他的计算机上。这时候，就需要“对象的序列化和反序列化”。 对象的序列化机制广泛的应用在分布式、并行系统上。序列化指的是：将对象转化成“串行化”数据形式，存储到硬盘或通过网络传输到其他
地方。反序列化是指相反的过程，将读取到的“串行化数据”转化成对象。

可以使用 pickle 模块中的函数，实现序列化和反序列操作

序列化和反序列化练习

CSV 文件的操作

csv(Comma Separated Values)是逗号分隔符文本格式，常用于数据交换、Excel文件和数据库数据的导入和导出。与 Excel 文件不同，CSV 文件中：
值没有类型，所有值都是字符串
不能指定字体颜色等样式
不能指定单元格的宽高，不能合并单元格
没有多个工作表
不能嵌入图像图表

os 和 os.path 模块

os 模块可以帮助我们直接对操作系统进行操作。我们可以直接调用操作系统的可执行文件、命令，直接操作文件、目录等等。在系统运维的核心基础。

os 模块-调用操作系统命令

os.system 可以帮助我们直接调用系统的命令
os.startfile：直接调用可执行文件

来源：1318_卜献宝