python常用的文件读写

基础：.txt文件的读写

• 读文件
  filename.txt如下：
  张三 男 20
  李四 男 25
  赵五 女 18

按行读取 readline()

with open('filename.txt', 'r') as f:
    while True:
        content = f.readline()  # 按行读
        
        if content == '':
            break
        
    	content = content.strip().split()
    	name = content[0]  # 张三 李四 赵五

读取所有 readlines()

with open('filename.txt', 'r', encoding='utf8') as file:
 	
	content = file.readlines()
	
	for line in content:
		print(line) # 张三 男 20
		name = line[0]  # 张三

两种读法各有利弊，根据具体情况选用。

• 写文件

with open('filename.txt', 'w', encoding='utf8') as file:
    
	file.writelines('序号'+ '\t' + '姓名' + '\t' + '年龄' + '\n')
	file.writelines('1'+ '\t' + '张三' + '\t' + '20' + '\n')

进阶：用xlrd和xlwt对.xls文件进行读写

• xlrd模块
  xlrd模块用来读取.xls文件

import xlrd
	 
# 打开一个.xls文件
workbook = xlrd.open_workbook('filename.xls')
	
# 文件的第一个sheet
sheet = workbook.sheet_by_index(0)
	
# 文件的总行数
nrows = sheet.nrows
	
# 按行查询文件内容
for i in range(1, nrows):
	row = sheet.row_values(i)  # 第i行的所有信息
	content = row[0]  #  第i行第0列的内容

• xlwt模块
  xlwt模块可以将数据写入.xls文件

import xlwt
	
# 创建一个xls文件
file = xlwt.Workbook(encoding='utf-8')
	
#新建一个sheet，并且给它命名
table = file.add_sheet('rules')
	
#在这个sheet下，用write填写，第一个参数是行，第二个是列，第三个是单元格内容
table.write(0, 0, '序号')
table.write(0, 1, '姓名')
table.write(1, 0, '1')
table.write(1, 0, '张三')
	
# 保存文件
file.save('filaname.xls')

所以上面的例子可以生成：

序号	姓名
1	张三

注意，xlrd可以读取.xls和.xlsx类型的文件。
但是xlwt只能生成.xls类型的文件，不能生成.xlsx类型的文件，会报错。

再进阶：利用pandas进行文件的读取

pandas非常之好用，可以读取txt, csv等各种类型的文件，再加上pandas自带的各种功能，对数据进行统计、分析就变得简单了。
read_table

df = pd.read_table('filename.txt', header=None, names=['name', 'gender', 'age'])
	
# 统计
print(df.age.value_counts())  # 数一下同一个年龄的有多少人
print(df.groupby(['age']).size())  # 也是统计age列的个数
print(df.groupby(['age', 'gender']).size()  # 高级的地方在于可以安排多个列排序
# 相当于先按照age排序，然后age相同的再用gender区分。和excel的高级筛选差不多。

read_csv

df = pd.read_csv('filaname.csv')

如果仅仅是需要读文件中的内容，前两个就够用了。但侧重点在读取数据后，还需要对数据进行修改、删除、统计、归类等等操作，那就非常推荐pandas啦。

再进阶：用docx模块对.doc文件进行读写

我使用的是docx第三方库

• 读取文件

from docx import Document

doc = Document('filename.docx')

for paragraph in doc.paragraphs:  # 按段落读取文件内容
	print(paragraph.text)

"""
output：
	这是文章的第一段。
	这是文章的第二段
"""

关于docx文件的读写，有个很重要的概念需要理解一下，就是run。

txt文件可以整篇读取，然后按行迭代读取，最小切分单位为一行（当然还可以用split继续划分，这里就不说了）。
excel文件按照sheet - 行 - 列的顺序迭代，最小切分单位为一个单元格。

对于.docx文件来说，第一步是按照段落，在每一段里继续划分可以分为很多run。这个run可以理解为.docx文件的一次保存，可能是用户自己点击的保存按钮，也可能是文档的自动保存，总之是把用户写在内存里的文字提交，写入磁盘。所以.docx文件的最小切分单位为一run。
所以对于上面的读取文件的代码，还可以继续切分。（当然，切分完的结果很可能不是一个完整的句子）

from docx import Document

doc = Document('filename.docx')

for paragraph in doc.paragraphs:  # 按段落读取文件内容
	for run in paragraph.runs:  # 按run读取
		print(run.text)
		
"""
output：
	这是文章的
	第一段。
	这是
	文章的第二
	段
"""
# 这代表第一段里有两个run，第二段里有三个run。

文档的简单读取，按段落读取就足够了。按run读取用于更高级的识别，比如对于文档格式（颜色、高亮、字体等）的读写等。

• 写入文件

from docx import Document

doc = Document()

para1 = doc.add_paragraph()  # 添加段落
para1.add_run('这是第一句，')  # 在添加的时候，文字也是按run添加的。
para1.add_run('这是第二句。')

para2 = doc.add_paragraph()  # 添加第二段
para2.add_run('这是第三句')


doc.save('new.docx')

生成的文档截图如下。

• 文字高亮
  高亮大家在word中肯定都用过，可以标记或者突出部分文字。这个用python可以实现自动高亮啦。效果就像下图这样：
  

未完待续……