open ()
, die den Dateipfad und einen Modus als Argumente nimmt. Let's explore reading and writing:Reading Files:
To read a file, you typically use the open()
function with the 'r' mode (read mode) and then use methods like read()
, readline()
, or readlines()
to access the file's Inhalte. End = & quot;) # end = & quot; & quot; Verhindert zusätzliche Neue. # Lesen Sie alle Zeilen in eine Listendatei.SEEK (0) Zeilen = Datei.Readlines () Print (Zeilen) Außer FilenotFoundError: print (& quot; Datei nicht gefunden. Iterieren mit für die Zeile in Datei
liest Zeile für Zeile und readlines ()
liest alle Zeilen in eine Liste. Das mit öffnen (...) als Datei:
Konstrukt stellt sicher, dass die Datei automatisch geschlossen wird, selbst wenn Fehler auftreten. Die Methode write ()
fügt der Datei Inhalte hinzu. Open (& quot; my_new_file.txt & quot; und scheitert, wenn man bereits existiert. Denken Sie daran, neue Zeilenzeichen ( \ n
) für ordnungsgemäße Zeilenpausen einzuschließen. Öffnet die Datei zum Lesen. Dies ist der Standardmodus. Ein Fehler tritt auf, wenn die Datei nicht vorhanden ist.
Diese Modi können kombiniert werden. Zum Beispiel öffnet & quot; Der robuste Code sollte diese anmutig verarbeiten. Der häufigste Ansatz ist die Verwendung von <code> Try-Except
Blöcken:
<code class="python"> try: with open (& quot; my_file.txt & quot; & quot; w & quot;) AS Datei: Datei.Write ("Datei erstellt. oder Seien Sie immer spezifisch, wenn möglich, um Fehler effektiv zu behandeln. Hier sind einige Best Practices: <ul> <li> <strong> Iterate -Zeile für Zeile: </strong> Vermeiden Sie das Laden der gesamten Datei gleichzeitig in Speicher. Iterieren Sie die Dateizeile mit einem <code> für </code> Schleife durch Zeile durch, wie im ersten Beispiel gezeigt. Dies ist für große Dateien signifikant speichereffizienter. Generatoren können die Gedächtniseffizienz weiter verbessern. Generatoren erzeugen Werte auf Bedarf und vermeiden das Laden der gesamten Datei in den Speicher. Dies minimiert den Speicherverbrauch und ermöglicht Fortschrittsaktualisierungen. Dies karten einen Teil der Datei in den Speicher, der einen effizienten Zugriff auf bestimmte Teile ermöglicht, ohne die gesamte Datei zu laden. Chunk: Break #process Das Chunk #... #Memory Mapping -Beispiel mit Open (& quot; larg; large_file.txt & quot; auf die spezifische Anwendung und wie auf die Datei zugegriffen wird. Für die sequentielle Verarbeitung reicht die Iterationszeile durch Leitung oder die Verwendung gepufferter E/A normalerweise aus. Für den Zufallszugriff kann die Speicherzuordnung besser geeignet sein. Für extrem große Dateien, die den verfügbaren RAM überschreiten, sollten Sie spezialisierte Bibliotheken wie <code> Dask </code> oder <code> vaex </code> verwenden, die außerhalb der Kernberechnung verarbeiten. </li> </ul></code>
Das obige ist der detaillierte Inhalt vonWie lese und schreibe ich Dateien in Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!