Python

用open()函数打开一个文件，就要向它传递一个字符串路径，表明希望打开的文件。这既可以是绝对路径，也可以是相对路径。open()函数返回一个File 对象。

文件被组织在文件夹中（也称为目录），路径描述了一个文件的位置。运行在计算机上的每个程序都有一个当前工作目录，它让你相对于当前的位置指定文件路径，而非总是需要完整路径（绝对路径）。os.path 模块包含许多函数，用于操作文件路径。

shutil（或称为shell 工具）模块中包含一些函数，让你在Python 程序中复制、移动、改名和删除文件。要使用shutil 的函数，首先需要import shutil。

可以导入os，使用函数os.getcwd()弄清楚当前工作目录是什么，并使用os.chdir()改变当前工作目录。

FILE *fp，文件指针代表一个指向文件开头的指针。

fp = fopen("d:\myfile.txt",'w');

数据可以存储成许多不同的格式和文档类型。某些格式存储的数据很容易被机器处理，如CSV、JSON、XML，而另一些格式则很被人工所读取，如Word.

CSV Comma-Separated Values 逗号分隔值；

JSON JavaScript Object Notation JS对象符号；

XML eXtensible Markup Language 可扩展标记语言；

调用read()会一次性读取文件的全部内容，如果文件有10G，内存就爆了，所以，要保险起见，可以反复调用read(size)方法，每次最多读取size个字节的内容。另外，调用readline()可以每次读取一行内容，调用readlines()一次读取所有内容并按行返回list。因此，要根据需要决定怎么调用。

如果文件很小，read()一次性读取最方便；如果不能确定文件大小，反复调用read(size)比较保险；如果是配置文件，调用readlines()最方便。

read()方法在指定整数自变量的情况下会读取指定的字符数或字节数（视打开模式是文本模式还是二进制模式而定）。

对于文本模式来说，默认读到\n、\r、\r\n时，都可以被判定为一行，而readline()或readlines()读到的第一行的换行字符都一律换为\n；

对于二进制模式来说，行的判断标准默认是遇到b'\n'这个bytes类型。

文本模式在写入的情况下，任何'\n'都会被置换为os.linesep的值。（windows就是'\r\n')

readline在读不到下一行时会返回一个空字符串。

如果open()返回的文件对象都实现了__iter__()方法，可以返回一个迭代器，则在open()后可以直接用for方法迭代。

文件对象的tell()方法可以告诉文件指针的位移量，单位是字节数。seek()方法可以指定跳到哪个位移量。可以使用seek()实现文件的随机存取，文件的打开方式是'r+b'。

文件的打开模式的"+"表示读取与写入。

指定文本模式时默认采用locale.getprefered.encoding()的返回值作为文件编码，以windows简体中文版来说是返回CP936或bdk。如有某个.txt文件是以UTF-8编码并且有中文时，open()的参数必须指定编码方式为utf-8,如：open('test.txt', 'r', ' encoding="UTF-8")

UTF-8的编码方式是每个汉字使用三个字节，如1000个汉字就需要3KB的存储空间。

1 open

https://docs.python.org/3/library/functions.html#open

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

1.1 file

当程序运行时，变量是保存数据的好方法，但如果希望程序结束后数据仍然保持，就需要将数据保存到文件中。你可以认为文件的内容是一个字符串值，大小可能有几个GB。

每个运行在计算机上的程序，都有一个“当前工作目录”，或cwd。所有没有从根文件夹开始的文件名或路径，都假定在当前工作目录下。利用os.getcwd()函数，可以取得当前工作路径的字符串，并可以利用os.chdir()改变它。

>>> import os

>>> os.getcwd()

'C:\\Python34'

>>> os.chdir('C:\\Windows\\System32')

>>> os.getcwd()

'C:\\Windows\\System32'

有两种方法指定一个文件路径。

“绝对路径”，总是从根文件夹开始。

“相对路径”，它相对于程序的当前工作目录。

还有点（.）和点点（..）文件夹。它们不是真正的文件夹，而是可以在路径中使用的特殊名称。单个的句点（“点”）用作文件夹目名称时，是“这个目录”的缩写。两个句点（“点点”）意思是父文件夹。

程序可以用os.makedirs()函数创建新文件夹（目录）：

>>> import os

>>> os.makedirs('C:\\delicious\\walnut\\waffles')

读写文件

“纯文本文件”只包含基本文本字符，不包含字体、大小和颜色信息。带有.txt 扩展名的文本文件，以及带有.py 扩展名的Python 脚本文件，都是纯文本文件的例子。它们可以被Windows 的Notepad 或OS X 的TextEdit应用打开。你的程序可以轻易地读取纯文本文件的内容，将它们作为普通的字符串值。

“二进制文件”是所有其他文件类型，诸如字处理文档、PDF、图像、电子表格和可执行程序。

在Python 中，读写文件有3 个步骤：

1．调用open()函数，返回一个File 对象。

2．调用File 对象的read()或write()方法。

3．调用File 对象的close()方法，关闭该文件。

shutil（或称为shell 工具）模块中包含一些函数，让你在Python 程序中复制、移动、改名和删除文件。要使用shutil 的函数，首先需要import shutil。

利用os 模块中的函数，可以删除一个文件或一个空文件夹。但利用shutil 模块，可以删除一个文件夹及其所有的内容。

os.walk()函数被传入一个字符串值，即一个文件夹的路径。你可以在一个for循环语句中使用os.walk()函数，遍历目录树，就像使用range()函数遍历一个范围的数字一样。不像range()，os.walk()在循环的每次迭代中，返回3 个值：

1．当前文件夹名称的字符串。

2．当前文件夹中子文件夹的字符串的列表。

3．当前文件夹中文件的字符串的列表。

和纯文本相比，.docx 文件有很多结构。这些结构在python-docx 中用3 种不同的类型来表示。在最高一层，Document 对象表示整个文档。Document 对象包含一个Paragraph 对象的列表，表示文档中的段落（用户在Word 文档中输入时，如果按下回车，新的段落就开始了）。每个Paragraph 对象都包含一个Run 对象的列表。

Word 文档中的文本不仅仅是字符串。它包含与之相关的字体、大小、颜色和其他样式信息。在Word 中，样式是这些属性的集合。一个Run 对象是相同样式文本的延续。当文本样式发生改变时，就需要一个新的Run 对象。

file可以是绝对路径，如'E:\\test.txt'

也可以是相对路径（相对于当前工作路径），如‘text.txt'

1.2 mode

mode是用来指定文件打开后的操作方式，如'r'是用来read(写），'w‘是指用来write（写，以覆盖旧内容的方式），'a'也是用来write（写，以追加内容的方式），'+'是指用来update(更新，读和写)。

文件可以以字符串的方式，也可以以二进制的方式来读写，分别用'b'和't'来指定。

mode的默认方式是‘rb'，也就是打开后以字符串的方式进行读操作。

# 有两个磁盘文件A和B,各存放一行字母,要求把这两个文件中的信息合并(按字母顺序排列), 输出到一个新文件C中。
f1str = "file1's str111.\n"
f2str = "file2's str222.\n"
with open('test1.txt', 'w') as f1:    
	f1.write(f1str)
with open('test2.txt', 'w') as f2:    
	f2.write(f2str)   
# import string
# 文件合并
fn1 = 'test1.txt'
fn2 = 'test2.txt'
fall = 'test3.txt'
with open(fn1) as fp:    
	a = fp.read()
with open(fn2) as fp:    
	b = fp.read()s = a +'\n' + b
with open(fall,'w') as fp:        
	fp.write(s)print(s)

对于简单的文本文件，唯一的结构层次是间隔的行。然而有时候需要更加结构化的文本，用于后续使用的程序保存数据或者向另外一个程序传送数据。

如CSV使用逗号分隔符，XML、HTML使用‘<’、‘>’标签。

许多程序提供多种选项和设置。动态的设置可以通过传入程序参数，但是持久的参数需要保存下来。

Excel、关系数据库是结构化二进制文件；

NoSQL数据存储，有些数据库并不是关系型的，不支持SQL。它们用来处理庞大的数据集、支持更加灵活的数据定义以及定制的数据操作。

openpyxl

调用get_sheet_names()方法可以取得工作簿中所有表名的列表。

每个表由一个Worksheet 对象表示，可以通过向工作簿方法get_sheet_by_name()传递表名字符串获得。最后，可以调用Workbook 对象的get_active_sheet()方法，取得工作簿的活动表。活动表是工作簿在Excel 中打开时出现的工作表。在取得Worksheet对象后，可以通过title 属性取得它的名称。

有了Worksheet 对象后，就可以按名字访问Cell 对象。

Cell 对象有一个value 属性，不出意外，它包含这个单元格中保存的值。Cell 对象也有row、column 和coordinate 属性，提供该单元格的位置信息。

为了定义单元格的字体风格，需要从openpyxl.styles 模块导入Font()和Style()函数。

sheet['B9'] = '=SUM(B1:B8)'

利用python-docx 模块，Python 可以创建和修改Word 文档，它带有.docx 文件扩展名。运行pip install python-docx，可以安装该模块（附录A 介绍了安装第三方模块的细节）。

如果你只关心Word 文档中的文本，不关心样式信息，就可以利用getText()函数。它接受一个.docx 文件名，返回其中文本的字符串。

getText()函数打开了Word 文档，循环遍历paragraphs 列表中的所有Paragraph对象，然后将它们的文本添加到fullText 列表中。循环结束后，fullText 中的字符串连接在一起，中间以换行符分隔。

在处理PDF 和Word 文档时有很多限制，这是因为这些格式的本意是很好地展示给人看，而不是让软件易于解析。下一章将探讨存储信息的另外两种常见格式：JSON和CSV文件。这些格式是设计给计算机使用的。你会看到，Python 处理这些格式要容易得多。

CSV 表示“Comma-Separated Values（逗号分隔的值）”，CSV文件是简化的电子表格，保存为纯文本文件。Python 的csv 模块让解析CSV 文件变得容易。

JSON（发音为“JAY-sawn”或“Jason”，但如何发音并不重要。因为无论如何发音，都会有人说你发音错误）是一种格式，它以JavaScript 源代码的形式，将信息保存在纯文本文件中。

JSON 是JavaScript Object Notation 的缩写不需要知道JavaScript 编程语言，就可以使用JSON 文件，但了解JSON 格式是有用的，因为它用于许多Web 应用程序中。

要得到单独的线程，首先要调用threading.Thread()函数，生成一个Thread 对象。

图像由像素的集合构成，每个像素具有表示颜色的RGBA 值，可以通过x 和y坐标的定位。两种常见的图像格式是JPEG 和PNG。Pillow 模块可以处理这两种图像格式和其他格式。