|
使用 open 函數(shù)去讀取文件，似乎是所有 Python 工程師的共識。
今天明哥要給大家推薦一個比 open 更好用、更優(yōu)雅的讀取文件方法 -- 使用 fileinput
fileinput 是 Python 的內(nèi)置模塊，但我相信，不少人對它都是陌生的。今天我把 fileinput 的所有的用法、功能進行詳細的講解，并列舉了一些非常實用的案例，對于理解和使用它可以說完全沒有問題。
1. 從標準輸入中讀取
當你的 Python 腳本沒有傳入任何參數(shù)時，fileinput 默認會以 stdin 作為輸入源
# demo.py
import fileinput
for line in fileinput.input():
print(line)
效果如下，不管你輸入什么，程序會自動讀取并再打印一次，像個復讀機似的。
$ python demo.py
hello
hello
python
python
2. 單獨打開一個文件
單獨打開一個文件，只需要在 files 中輸入一個文件名即可
import fileinput
with fileinput.input(files=('a.txt',)) as file:
for line in file:
print(f'{fileinput.filename()} 第{fileinput.lineno()}行: {line}', end='')
其中 a.txt 的內(nèi)容如下
hello
world
執(zhí)行后就會輸出如下
$ python demo.py
a.txt 第1行: hello
a.txt 第2行: world
需要說明的一點是，fileinput.input() 默認使用 mode='r' 的模式讀取文件，如果你的文件是二進制的，可以使用mode='rb' 模式。fileinput 有且僅有這兩種讀取模式。
3. 批量打開多個文件
從上面的例子也可以看到，我在 fileinput.input 函數(shù)中傳入了 files 參數(shù)，它接收一個包含多個文件名的列表或元組，傳入一個就是讀取一個文件，傳入多件就是讀取多個文件。
import fileinput
with fileinput.input(files=('a.txt', 'b.txt')) as file:
for line in file:
print(f'{fileinput.filename()} 第{fileinput.lineno()}行: {line}', end='')
a.txt 和 b.txt 的內(nèi)容分別是
$ cat a.txt
hello
world
$ cat b.txt
hello
python
運行后輸出結果如下，由于 a.txt 和 b.txt 的內(nèi)容被整合成一個文件對象 file ，因此 fileinput.lineno() 只有在讀取一個文件時，才是原文件中真實的行號。
$ python demo.py
a.txt 第1行: hello
a.txt 第2行: world
b.txt 第3行: hello
b.txt 第4行: python
如果想要在讀取多個文件的時候，也能讀取原文件的真實行號，可以使用 fileinput.filelineno() 方法
import fileinput
with fileinput.input(files=('a.txt', 'b.txt')) as file:
for line in file:
print(f'{fileinput.filename()} 第{fileinput.filelineno()}行: {line}', end='')
運行后，輸出如下
$ python demo.py
a.txt 第1行: hello
a.txt 第2行: world
b.txt 第1行: hello
b.txt 第2行: python
這個用法和 glob 模塊簡直是絕配
import fileinput
import glob
for line in fileinput.input(glob.glob("*.txt")):
if fileinput.isfirstline():
print('-'*20, f'Reading {fileinput.filename()}...', '-'*20)
print(str(fileinput.lineno()) + ': ' + line.upper(), end="")
運行效果如下
$ python demo.py
-------------------- Reading b.txt... --------------------
1: HELLO
2: PYTHON
-------------------- Reading a.txt... --------------------
3: HELLO
4: WORLD
4. 讀取的同時備份文件
fileinput.input 有一個 backup 參數(shù)，你可以指定備份的后綴名，比如 .bak
import fileinput
with fileinput.input(files=("a.txt",), backup=".bak") as file:
for line in file:
print(f'{fileinput.filename()} 第{fileinput.lineno()}行: {line}', end='')
運行的結果如下，會多出一個 a.txt.bak 文件
$ ls -l a.txt*
-rw-r--r-- 1 MING staff 12 2 27 10:43 a.txt
$ python demo.py
a.txt 第1行: hello
a.txt 第2行: world
$ ls -l a.txt*
-rw-r--r-- 1 MING staff 12 2 27 10:43 a.txt
-rw-r--r-- 1 MING staff 42 2 27 10:39 a.txt.bak
5. 標準輸出重定向替換
fileinput.input 有一個 inplace 參數(shù)，表示是否將標準輸出的結果寫回文件，默認不取代
請看如下一段測試代碼
import fileinput
with fileinput.input(files=("a.txt",), inplace=True) as file:
print("[INFO] task is started...")
for line in file:
print(f'{fileinput.filename()} 第{fileinput.lineno()}行: {line}', end='')
print("[INFO] task is closed...")
運行后，會發(fā)現(xiàn)在 for 循環(huán)體內(nèi)的 print 內(nèi)容會寫回到原文件中了。而在 for 循環(huán)體外的 print 則沒有變化。
$ cat a.txt
hello
world
$ python demo.py
[INFO] task is started...
[INFO] task is closed...
$ cat a.txt
a.txt 第1行: hello
a.txt 第2行: world
利用這個機制，可以很容易的實現(xiàn)文本替換。
import sys
import fileinput
for line in fileinput.input(files=('a.txt', ), inplace=True):
#將Windows/DOS格式下的文本文件轉(zhuǎn)為Linux的文件
if line[-2:] == "\r\n":
line = line + "\n"
sys.stdout.write(line)
附：如何實現(xiàn) DOS 和 UNIX 格式互換以供程序測試，使用 vim 輸入如下指令即可
DOS轉(zhuǎn)UNIX：:setfileformat=unix
UNIX轉(zhuǎn)DOS：:setfileformat=dos
6. 不得不介紹的方法
如果只是想要 fileinput 當做是替代 open 讀取文件的工具，那么以上的內(nèi)容足以滿足你的要求。
fileinput.filenam()
返回當前被讀取的文件名。在第一行被讀取之前，返回 None。
fileinput.fileno()
返回以整數(shù)表示的當前文件“文件描述符”。當未打開文件時（處在第一行和文件之間），返回 -1。
fileinput.lineno()
返回已被讀取的累計行號。在第一行被讀取之前，返回 0。在最后一個文件的最后一行被讀取之后，返回該行的行號。
fileinput.filelineno()
返回當前文件中的行號。在第一行被讀取之前，返回 0。在最后一個文件的最后一行被讀取之后，返回此文件中該行的行號。
但若要想基于 fileinput 來做一些更加復雜的邏輯，也許你會需要用到如下這幾個方法
fileinput.isfirstline()
如果剛讀取的行是其所在文件的第一行則返回 True，否則返回 False。
fileinput.isstdin()
如果最后讀取的行來自 sys.stdin 則返回 True，否則返回 False。
fileinput.nextfile()
關閉當前文件以使下次迭代將從下一個文件（如果存在）讀取第一行；不是從該文件讀取的行將不會被計入累計行數(shù)。直到下一個文件的第一行被讀取之后文件名才會改變。在第一行被讀取之前，此函數(shù)將不會生效；它不能被用來跳過第一個文件。在最后一個文件的最后一行被讀取之后，此函數(shù)將不再生效。
fileinput.close()
關閉序列。
7. 進階一點的玩法
在 fileinput.input() 中有一個 openhook 的參數(shù)，它支持用戶傳入自定義的對象讀取方法。
若你沒有傳入任何的勾子，fileinput 默認使用的是 open 函數(shù)。
圖片
fileinput 為我們內(nèi)置了兩種勾子供你使用
fileinput.hook_compressed(*filename*, *mode*)
使用 gzip 和 bz2 模塊透明地打開 gzip 和 bzip2 壓縮的文件（通過擴展名 '.gz' 和 '.bz2' 來識別）。如果文件擴展名不是 '.gz' 或 '.bz2'，文件會以正常方式打開（即使用 open() 并且不帶任何解壓操作）。使用示例: fi = fileinput.FileInput(openhook=fileinput.hook_compressed)
fileinput.hook_encoded(*encoding*, *errors=None*)
返回一個通過 open() 打開每個文件的鉤子，使用給定的 encoding 和 errors 來讀取文件。使用示例: fi = fileinput.FileInput(openhook=fileinput.hook_encoded("utf-8", "surrogateescape"))
如果你自己的場景比較特殊，以上的三種勾子都不能滿足你的要求，你也可以自定義。
這邊我舉個例子來拋磚引玉下
假如我想要使用 fileinput 來讀取網(wǎng)絡上的文件，可以這樣定義勾子。
先使用 requests 下載文件到本地
再使用 open 去讀取它
def online_open(url, mode):
import requests
r = requests.get(url)
filename = url.split("/")[-1]
with open(filename,'w') as f1:
f1.write(r.content.decode("utf-8"))
f2 = open(filename,'r')
return f2
直接將這個函數(shù)傳給 openhook 即可
import fileinput
file_url = 'https://www.csdn.net/robots.txt'
with fileinput.input(files=(file_url,), openhook=online_open) as file:
for line in file:
print(line, end="")
運行后按預期一樣將 CSDN 的 robots 的文件打印了出來
User-agent: *
Disallow: /scripts
Disallow: /public
Disallow: /css/
Disallow: /images/
Disallow: /content/
Disallow: /ui/
Disallow: /js/
Disallow: /scripts/
Disallow: /article_preview.html*
Disallow: /tag/
Disallow: /*?*
Disallow: /link/
Sitemap: https://www.csdn.net/sitemap-aggpage-index.xml
Sitemap: https://www.csdn.net/article/sitemap.txt
8. 列舉一些實用案例
案例一：讀取一個文件所有行
import fileinput
for line in fileinput.input('data.txt'):
print(line, end="")
案例二：讀取多個文件所有行
import fileinput
import glob
for line in fileinput.input(glob.glob("*.txt")):
if fileinput.isfirstline():
print('-'*20, f'Reading {fileinput.filename()}...', '-'*20)
print(str(fileinput.lineno()) + ': ' + line.upper(), end="")
案例三：利用fileinput將CRLF文件轉(zhuǎn)為LF
import sys
import fileinput
for line in fileinput.input(files=('a.txt', ), inplace=True):
#將Windows/DOS格式下的文本文件轉(zhuǎn)為Linux的文件
if line[-2:] == "\r\n":
line = line + "\n"
sys.stdout.write(line)
案例四：配合 re 做日志分析：取所有含日期的行
#--樣本文件--：error.log
aaa
1970-01-01 13:45:30 Error: **** Due to System Disk spacke not enough...
bbb
1970-01-02 10:20:30 Error: **** Due to System Out of Memory...
ccc
#---測試腳本---
import re
import fileinput
import sys
pattern = '\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}'
for line in fileinput.input('error.log',backup='.bak',inplace=1):
if re.search(pattern,line):
sys.stdout.write("=> ")
sys.stdout.write(line)
#---測試結果---
=> 1970-01-01 13:45:30 Error: **** Due to System Disk spacke not enough...
=> 1970-01-02 10:20:30 Error: **** Due to System Out of Memory...
案例五：利用fileinput實現(xiàn)類似于grep的功能
import sys
import re
import fileinput
pattern= re.compile(sys.argv[1])
for line in fileinput.input(sys.argv[2]):
if pattern.match(line):
print(fileinput.filename(), fileinput.filelineno(), line)
$ ./demo.py import.*re *.py
#查找所有py文件中，含import re字樣的
addressBook.py 2 import re
addressBook1.py 10 import re
addressBook2.py 18 import re
test.py 238 import re
9. 寫在最后
fileinput 是對 open 函數(shù)的再次封裝，在僅需讀取數(shù)據(jù)的場景中， fileinput 顯然比 open 做得更專業(yè)、更人性，當然在其他有寫操作的復雜場景中，fileinput 就無能為力啦，本身從 fileinput 的命名上就知道這個模塊只專注于輸入（讀）而不是輸出（寫）。
 |
