一、头文件
Python中读取文本文件的方法需要使用到内置函数open()和相关的模块,因此需要引用相关的头文件,例如:
import os
import codecs
import sys
os:Python内置的库之一,提供了许多与操作系统交互的接口,例如实现文件、目录、进程等操作。
codecs:Python内置的编解码库,用于在文本和二进制之间进行转换的操作。
sys:Python内置的库之一,提供了一系列与Python解释器和它所在的操作系统交互的函数和变量。
二、读取文本文件并添加行号
Python的open()函数返回一个文件操作对象,其有read()函数、readline()函数和readlines()函数三种方法。其中,readline()函数用于读取单行,readlines()函数用于读取所有行并返回一个列表,而read()函数则会一次读取整个文件并返回字符串。
下面是一个读取文件并添加行号的例子,可以使用其中的readline()函数和enumerate()函数实现:
def read_file_add_line_number(file_path: str) -> None:
with open(file_path, 'r', encoding='utf-8') as f:
for i, line in enumerate(f):
print(f'Line {i}: {line.strip()}')
其中,enumerate()函数是Python内置的函数,它返回一个由enumerate对象组成的迭代器,可同时获取列表线性索引和对应值。
三、读取文本文件的文字
对于txt文本文件,可以使用open()函数进行读取。如果文件中含有中文,需要指定编码方式,例如'utf-8':
with open(file_path, 'r', encoding='utf-8') as f:
text = f.read()
如果是其他类型的文件,可以使用Python内置的模块,例如pandas:
import pandas as pd
data = pd.read_csv(file_path, delimiter='\t')
四、读取文本文件编码
在读取txt文本文件时,常常需要猜测文件编码,以下是一种简单的方法:
import chardet
def get_file_encoding(file_path: str) -> str:
with open(file_path, 'rb') as f:
raw_data = f.read()
return chardet.detect(raw_data)['encoding']
chardet是Python内置的一个模块,它能够根据文本内容自动猜测编码方式。
五、读取文本文件内容的方法
除了可以使用open函数和pandas,还可以使用Python内置的fileinput和glob模块。
fileinput模块可以直接从stdin或文件中读取行,并使用fileinput.input()作为文件名的列表,代码如下:
import fileinput
for line in fileinput.input(file_path):
print(line)
glob模块可以得到目录中的每一个文件,进而批量处理。该模块会返回一个由文件名组成的列表,可直接使用open()函数进行文本读取,代码如下:
import glob
for file in glob.glob(file_path + '/*.txt'):
with open(file) as f:
text = f.read()
# do something...
六、读取文本文件调用的函数
如上所述,Python中读取文本文件的函数有很多,下面总结一下它们各自的特点:
- open()函数:Python内置函数,兼容所有类型文件,并支持读、写、追加和二进制等形式,可以指定文件编码方式
- pandas库:Python内置数据分析库,专门用于数据读取和处理,常用于csv等格式的数据文件
- fileinput模块:Python内置模块,可从stdin或文件中读取行,使用fileinput.input()可支持多文件读取及迭代访问
- glob模块:Python内置模块,可得到目录中的每一个文件,并返回一个由文件名组成的列表
七、读取文本文件的函数
除了使用上述内置函数和模块之外,还可以自定义读取函数,以下是一个读取文件内容并统计单词数的例子:
def read_file(file_path: str) -> dict:
with open(file_path, 'r', encoding='utf-8') as f:
content = f.read()
words = content.strip().split()
return {word: words.count(word) for word in set(words)}
该函数使用set()去重,并返回一个字典,键为单词,值为出现次数。
八、读取文本文件数据
除了读取单个文本文件,还可以读取多个文件并组成数据集,例如:
def read_files(files_dir: str) -> list:
data = []
for file in glob.glob(files_dir + '/*.txt'):
with open(file) as f:
text = f.read()
labels = file.split('/')[-2]
data.append((text, labels))
return data
该函数将读取同一个目录下的txt文件,返回一个列表,列表的元素是元组,元组的第一项为文件内容,第二项为文件所在目录的名称。
九、读取记事本文件
Windows下常用的记事本文件其实是以Unicode(UTF-16 LE)编码保存的,因此可以使用codecs库进行读取,如下所示:
import codecs
with codecs.open(file_path, mode="r", encoding="utf-16le") as f:
data = f.read()
需要注意的是,一定要指定编码方式为utf-16le。