文件读写

这一课你将能做到

1. 用 with open(...) 正确读写文本文件，说清为什么 with 能自动关闭文件
2. 用 pathlib 处理路径：拼接、判断存在、创建目录、批量列举文件
3. 读懂并写出「逐行处理大文件」和「读写 JSON」这两个高频场景的代码

为什么要学

前面几课的数据都活在内存里，程序一关全没了。文件读写是脚本「记住东西」的第一种方式：批量处理日志、导出报表、保存配置、持久化爬虫结果，全靠它。而且「文件 + 循环 + 字符串」三件套正是 Python 脚本最经典的形态——第 12 课的综合练习直接用这一课的产出。

人话：open 就是找图书管理员借书（打开文件），read 是翻阅，write 是往里写，close 是还书。with 语句就是「自动还书提醒」——不管中途发生什么，出了作用域管理员一定把书收回去。

先建立图像

open() 的三种基本模式：

r  →  read    读（文件必须存在，光标在开头）
w  →  write   写（清空原内容！不存在则新建）
a  →  append  追加（保留原内容，写在末尾）

加 b 是二进制模式：rb / wb（图片、视频用）
文本模式强烈建议显式指定 encoding="utf-8"

with 语句结构：

with open("demo.txt", "w", encoding="utf-8") as f:
    f.write("内容")        # with 块内：文件处于打开状态
# with 块外：文件必定已自动关闭

跟着做

步骤 1：写入第一个文件

新建 files_demo.py，在脚本所在目录运行：

with open("demo.txt", "w", encoding="utf-8") as f:
    f.write("第一行\n")
    f.write("第二行\n")
    f.writelines(["第三行\n", "第四行\n"])   # 接收字符串列表

print("写入完成")

运行后打开脚本目录里的 demo.txt，应有 4 行文本。注意 w 模式每次运行都会清空重写，想保留旧内容追加用 a 模式：

with open("demo.txt", "a", encoding="utf-8") as f:
    f.write("追加的第五行\n")

输出（终端）：

写入完成

步骤 2：读文件的三种方式

# 方式一：一次性读全部（小文件）
with open("demo.txt", "r", encoding="utf-8") as f:
    content = f.read()
print(repr(content[:12]))      # '第一行\n第二行\n第三' —— \n 也在里面

# 方式二：按行读成列表
with open("demo.txt", "r", encoding="utf-8") as f:
    lines = f.readlines()      # 每行末尾带着 \n
print(len(lines))              # 5

# 方式三：逐行遍历（推荐，内存友好，文件多大都不怕）
with open("demo.txt", "r", encoding="utf-8") as f:
    for line in f:
        print(line.strip())    # strip 去掉行尾换行符

输出：

'第一行\n第二行\n第三'
5
第一行
第二行
第三行
第四行
追加的第五行

步骤 3：with 的意义——亲眼验证自动关闭

f = open("demo.txt", "r", encoding="utf-8")
print(f.closed)        # False：文件开着
f.close()
print(f.closed)        # True

# 手动 open 的问题：中间一旦抛异常，close 就执行不到了
# with 则保证「无论是否异常」都关闭：

with open("demo.txt", "r", encoding="utf-8") as f:
    print(f.closed)    # False
print(f.closed)        # True —— 出了 with 块自动关了

输出：

False
True
False
True

规则：文件操作永远用 with，不裸写 open/close。

步骤 4：pathlib 现代路径操作

from pathlib import Path

p = Path("data")                       # 当前目录下的 data
print(p / "raw" / "2026.csv")          # 用 / 拼路径，跨平台自动处理分隔符
# data/raw/2026.csv （Windows 下显示 data\raw\2026.csv）

print(Path.cwd())                      # 当前工作目录
print(Path("demo.txt").exists())       # True（上一节刚建的）
print(Path("demo.txt").is_file())      # True
print(Path("demo.txt").suffix)         # .txt 后缀

# 递归创建目录（ parents=True 连父目录一起建）
Path("data/raw/logs").mkdir(parents=True, exist_ok=True)  # 已存在不报错

# 列出目录内容
for f in Path(".").glob("*.py"):       # 当前目录所有 .py
    print(f.name)

# pathlib 也能直接读写（内部仍是 open，小文件场景简洁）
p2 = Path("quick.txt")
p2.write_text("pathlib 快捷写入", encoding="utf-8")
print(p2.read_text(encoding="utf-8"))

输出：

data/raw/2026.csv   (Windows: data\raw\2026.csv)
<当前工作目录绝对路径>
True
True
.txt
files_demo.py
pathlib 快捷写入

pathlib 是 3.4+ 的官方推荐，替代老的 os.path 拼字符串写法——p / "sub" / "file.txt" 一行顶三行。

步骤 5：实战——逐行处理 + 统计

把第 7 课的字符串能力串起来：统计一个文本文件的行数和最长单词行。

from pathlib import Path

# 先准备一份样例文件
Path("notes.txt").write_text(
    "python is powerful\n"
    "files make scripts useful\n"
    "practice every day\n",
    encoding="utf-8",
)

with open("notes.txt", "r", encoding="utf-8") as f:
    total_lines = 0
    longest = ""
    for line in f:
        total_lines += 1
        line = line.strip()
        if len(line) > len(longest):
            longest = line

print(f"共 {total_lines} 行")
print(f"最长的一行：{longest}")

输出：

共 3 行
最长的一行：files make scripts useful

步骤 6：JSON 读写——结构化数据的默认格式

import json
from pathlib import Path

users = [
    {"name": "小明", "age": 18, "tags": ["python", "java"]},
    {"name": "小红", "age": 20, "tags": ["go"]},
]

# 写：dump 到文件，ensure_ascii=False 让中文正常显示
with open("users.json", "w", encoding="utf-8") as f:
    json.dump(users, f, ensure_ascii=False, indent=2)

# 读：从文件 load 回来，类型自动还原（列表/字典/数字）
with open("users.json", "r", encoding="utf-8") as f:
    loaded = json.load(f)

print(type(loaded))              # <class 'list'>
print(loaded[0]["tags"][0])      # python
print(loaded[1]["name"])         # 小红

# 字符串 ↔ JSON 的转换（API 场景常用）
s = json.dumps(users[0], ensure_ascii=False)
print(s)                         # {"name": "小明", "age": 18, ...}
back = json.loads(s)
print(back["age"])               # 18

输出：

<class 'list'>
python
小红
{"name": "小明", "age": 18, "tags": ["python", "java"]}
18

json 是标准库，不用装。json.load 读回来就是 Python 的 dict/list，和第 6 课练的嵌套结构完全对上。

讲清楚要点

1. 永远 with open：with 依赖文件对象的上下文管理器协议，异常时也会关闭文件。裸 open 一旦异常就泄漏文件句柄，Windows 上还会导致文件被占用删不掉。
2. encoding="utf-8" 必须显式写：不写时 Python 用系统默认编码——Windows 上常是 GBK，跨机器运行就 UnicodeDecodeError。UTF-8 是事实标准，永远显式。
3. w 会清空文件：w 模式打开的瞬间原内容就没了，不是等 write 才清。只想加内容用 a；读文件写 r 可以省略（默认）。
4. 大文件用逐行遍历：for line in f 是惰性的，内存里永远只有一行；read() 和 readlines() 会把全部内容塞进内存，处理几百 MB 日志时会卡爆。
5. write 不自动换行：和 print 不同，f.write("abc") 不会补 \n，多行内容要自己写换行符。
6. pathlib 的 / 是路径拼接运算符：Path("a") / "b" / "c.txt"，自动处理 / 和 \ 的平台差异。判断存在用 exists()，建目录用 mkdir(parents=True, exist_ok=True)。
7. JSON 只支持基础类型：dict/list/str/int/float/bool/None 能转，tuple 会变 list，datetime 等对象要先转字符串（isoformat()）再存。

你可能会懵的地方

• 为什么我运行脚本时找不到刚才写的文件？ 相对路径基于「运行命令时所在的目录」，不是脚本文件所在目录。在 python-lab 目录外执行 python lab/files_demo.py，文件就写到了 python-lab 外面。解决：cd 到脚本目录再跑，或用 Path(__file__).parent 定位脚本目录。

• read() 和 readlines() 选哪个？ 小文件（几百 KB 内）随手用都行；日志、CSV 这类可能很大的文件一律逐行遍历 for line in f。原则：能惰性就不贪多。

• 文件不存在时报 FileNotFoundError 怎么优雅处理？ 读之前 Path(p).exists() 判断；或用 try/except 捕获 FileNotFoundError（第 11 课）。写模式下 w/a 会自动创建文件，不存在不用慌。

• 二进制文件（图片、PDF）怎么处理？ 模式加 b：with open("img.png", "rb") as f: data = f.read()，读到的是 bytes 不是 str。处理图片本身一般交给 Pillow 等库，脚本里常只做「复制、移动、上传」这类搬运。

• 追加写入后文件里全挤在一行？ a 模式从文件末尾续写，如果原文件最后一行没换行符，新内容会接在同一行。追加前先确认结尾：内容前手动补 \n 或写入时每条都带。

错法对照

错法	问题	正解
f = open(...) 手动 close	异常时 close 不会执行	with open(...) as f:
open 不写 encoding	Windows 默认 GBK，跨机乱码	显式 encoding="utf-8"
用 w 模式「接着写」	每次打开清空原内容	追加用 a 模式
大文件用 read() 一次读完	内存爆炸	for line in f 逐行处理
f.write("abc") 后想换行	write 不自动补 \n	写 "abc\n"
字符串 + 拼 Windows 路径	分隔符平台差异、易错	Path(a) / b / "c.txt"
json.dump 忘了 ensure_ascii=False	JSON 文件里中文变 \uXXXX	加 ensure_ascii=False

卡点急救

1. UnicodeDecodeError：文件实际编码和指定编码不符。先确认来源编码（Excel 导出常是 GBK），读取时对应传 encoding="gbk"；自己的文件统一存 UTF-8。
2. PermissionError：文件被别的程序占用（Excel 开着 CSV）、或目标目录只读。关掉占用程序；确认写入路径有权限。
3. 找不到写入的文件：相对路径相对「运行目录」而非「脚本目录」。用绝对路径或 Path(__file__).parent / "demo.txt"。
4. 读出来每行末尾多了 \n：正常，文件本身含换行符。line.strip() 或 line.rstrip("\n") 处理。
5. JSONDecodeError: Expecting value：JSON 文件格式坏（手工编辑弄坏的、或读的是空文件）。先 print(Path(p).read_text(encoding="utf-8")) 目检内容。
6. 写入后读不到最新内容：写文件的对象还没关闭（缓冲未刷盘）。确认 with 块已退出，或读之前 f.flush()。

面试常问

• with 语句的原理是什么？ 上下文管理器协议：对象实现 __enter__（进入时调用，返回值绑定给 as 变量）与 __exit__（离开时调用，无论是否异常都会执行）。文件对象在 __exit__ 里关闭自己。等价于 try/finally，但语义清晰。自定义类也可实现这两个方法支持 with。

• 如何读取一个 10GB 的日志文件？ 不能 read() 全量载入。逐行遍历（for line in f，惰性加载）；或 readline() 控制；或按块读二进制（f.read(chunk_size)）配合迭代。关键是内存中只保留一小部分。

• 文本模式和二进制模式的区别？ 文本模式做两件额外的事：解码（bytes→str，按 encoding）与换行符转换（\r\n ↔ \n）。二进制模式原样读写字节，不解码不转换。图片/网络数据用二进制，人类可读文本用文本模式并显式 encoding。

• r、w、a、x 模式的区别？ r 只读（不存在报错）；w 只写（清空或新建）；a 追加（不存在新建）；x 新建写（已存在报 FileExistsError，防覆盖）。加 + 可读写（如 r+）。另有 b 后缀进二进制。

• pathlib 相比 os.path 的优势？ 面向对象：路径是对象而非字符串，/ 运算符拼接跨平台正确；方法内聚（exists、glob、mkdir、read_text 直接在对象上）；与 f-string 配合表达清晰。新代码官方推荐 pathlib。

自测三问

1. w 和 a 模式打开同一个已存在文件，行为差在哪？
2. 为什么处理大文件必须用 for line in f 而不是 f.read()？写出逐行统计行数的代码。
3. Path("a") / "b" / "c.txt" 与 os.path.join 相比好在哪？mkdir 防报错的两个参数是什么？

小结一句话

文件操作三板斧：永远 with open、永远 encoding="utf-8"、大文件逐行读；再配上 pathlib 的 / 拼路径和 json 标准库，脚本就能真正把数据留在磁盘上了。

延伸

• 官方教程 — 读写文件
• pathlib 官方文档
• 下一课预告：模块与 pip——import 的机制、__name__ == "__main__" 的真相、虚拟环境与依赖管理。