Python 读取和写入文本文件（txt）、Excel 文件和 JSON 文件的基本方法
- [读取/写入 txt 文件](#读取/写入 txt 文件)
-
- 基本读取txt
-
- [读取 txt 文件](#读取 txt 文件)
- [写入 txt 文件](#写入 txt 文件)
- 按行读取复杂数据
- 处理大txt文本文件（逐行读取以节省内存）
- [读取/写入 Excel 文件](#读取/写入 Excel 文件)
-
- 基本读取
-
- [读取 Excel 文件](#读取 Excel 文件)
- [写入 Excel 文件](#写入 Excel 文件)
- [处理复杂 Excel 文件（多个工作表）](#处理复杂 Excel 文件（多个工作表）)
- [处理大 Excel 文件（使用 `pandas` 的 `chunksize` 参数）](#处理大 Excel 文件（使用
pandas的chunksize参数）)
- [读取/写入 JSON 文件](#读取/写入 JSON 文件)
-
- 基本读取
-
- [基本读取 JSON 文件](#基本读取 JSON 文件)
- [写入 JSON 文件](#写入 JSON 文件)
- 读取嵌套数据：
- 读取嵌套json文件：
-
-
- [写入嵌套 JSON 数据](#写入嵌套 JSON 数据)
-
- 复杂读取json文件
-
- [方法一：逐行读取并解析每行 JSON](#方法一：逐行读取并解析每行 JSON)
- [方法二：逐行读取并解析嵌套 JSON](#方法二：逐行读取并解析嵌套 JSON)
- [方法三：处理大 JSON 文件（分块读取）](#方法三：处理大 JSON 文件（分块读取）)
- [方法四：使用 `jsonlines` 库](#方法四：使用
jsonlines库)
Python 提供了多种方法来读取和写入不同类型的文件，包括文本文件（txt）、Excel 文件和 JSON 文件。以下是一些常用的方法和示例代码：
读取/写入 txt 文件
基本读取txt
读取 txt 文件
- 使用内置的
open函数
python
# 读取整个文件内容
with open('example.txt', 'r', encoding='utf-8') as file:
content = file.read()
print(content)
# 逐行读取文件内容
with open('example.txt', 'r', encoding='utf-8') as file:
for line in file:
print(line.strip())写入 txt 文件
- 使用内置的
open函数
python
# 写入文本到文件（覆盖模式）
with open('example.txt', 'w', encoding='utf-8') as file:
file.write('Hello, World!\n')
# 追加文本到文件
with open('example.txt', 'a', encoding='utf-8') as file:
file.write('Appending a new line.\n')按行读取复杂数据
- 逐行读取并处理每行数据
python
# 假设我们的文件内容如下：
# Name, Age, City
# Alice, 30, New York
# Bob, 25, Los Angeles
with open('example.txt', 'r', encoding='utf-8') as file:
header = file.readline().strip().split(', ')
data = []
for line in file:
values = line.strip().split(', ')
record = dict(zip(header, values))
data.append(record)
print(data)处理大txt文本文件（逐行读取以节省内存）
python
# 逐行读取大文件
with open('large_file.txt', 'r', encoding='utf-8') as file:
for line in file:
process_line(line) # 自定义的处理函数读取/写入 Excel 文件
基本读取
读取 Excel 文件
- 使用
pandas库
python
import pandas as pd
# 读取 Excel 文件
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
print(df)- 使用
openpyxl库（适用于 .xlsx 文件）
python
from openpyxl import load_workbook
# 读取 Excel 文件
wb = load_workbook('example.xlsx')
sheet = wb['Sheet1']
for row in sheet.iter_rows(values_only=True):
print(row)写入 Excel 文件
- 使用
pandas库
python
import pandas as pd
# 创建一个 DataFrame
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
# 写入 Excel 文件
df.to_excel('example.xlsx', sheet_name='Sheet1', index=False)- 使用
openpyxl库
python
from openpyxl import Workbook
# 创建一个新的 Excel 文件
wb = Workbook()
sheet = wb.active
sheet.title = 'Sheet1'
# 写入数据
sheet.append(['Name', 'Age'])
sheet.append(['Alice', 25])
sheet.append(['Bob', 30])
# 保存文件
wb.save('example.xlsx')处理复杂 Excel 文件（多个工作表）
- 使用
pandas读取多个工作表
python
import pandas as pd
# 读取 Excel 文件的所有工作表
xls = pd.ExcelFile('example.xlsx')
sheets = {}
for sheet_name in xls.sheet_names:
sheets[sheet_name] = pd.read_excel(xls, sheet_name=sheet_name)
print(f"Sheet: {sheet_name}")
print(sheets[sheet_name])- 使用
openpyxl逐行读取
python
from openpyxl import load_workbook
# 读取 Excel 文件
wb = load_workbook('example.xlsx')
for sheet_name in wb.sheetnames:
sheet = wb[sheet_name]
print(f"Sheet: {sheet_name}")
for row in sheet.iter_rows(values_only=True):
print(row)处理大 Excel 文件（使用 pandas 的 chunksize 参数）
python
import pandas as pd
# 逐块读取大 Excel 文件
chunk_size = 1000
for chunk in pd.read_excel('large_file.xlsx', sheet_name='Sheet1', chunksize=chunk_size):
process_chunk(chunk) # 自定义的处理函数读取/写入 JSON 文件
基本读取
基本读取 JSON 文件
- 使用内置的
json模块
python
import json
# 读取 JSON 文件
with open('example.json', 'r', encoding='utf-8') as file:
data = json.load(file)
print(data)写入 JSON 文件
- 使用内置的
json模块
python
import json
# 数据
data = {'name': 'Alice', 'age': 25}
# 写入 JSON 文件
with open('example.json', 'w', encoding='utf-8') as file:
json.dump(data, file, ensure_ascii=False, indent=4)读取嵌套数据：
读取嵌套json文件：
- 读取嵌套 JSON 数据
python
import json
# 假设我们的 JSON 文件内容如下：
# {
# "name": "Alice",
# "age": 30,
# "address": {
# "city": "New York",
# "zipcode": "10001"
# },
# "phones": ["123-456-7890", "987-654-3210"]
# }
with open('example.json', 'r', encoding='utf-8') as file:
data = json.load(file)
print(data)
# 访问嵌套数据
print(data['address']['city']) # 输出: New York
print(data['phones'][0]) # 输出: 123-456-7890写入嵌套 JSON 数据
python
import json
# 嵌套数据
data = {
"name": "Alice",
"age": 30,
"address": {
"city": "New York",
"zipcode": "10001"
},
"phones": ["123-456-7890", "987-654-3210"]
}
# 写入 JSON 文件
with open('example.json', 'w', encoding='utf-8') as file:
json.dump(data, file, ensure_ascii=False, indent=4)复杂读取json文件
按行读取 JSON 文件在处理大文件或流式处理数据时非常有用。以下是一些方法来按行读取 JSON 文件：
方法一：逐行读取并解析每行 JSON
如果 JSON 文件每行都是一个独立的 JSON 对象，可以逐行读取并解析每行：
python
import json
# 假设我们的 JSON 文件内容如下，每行是一个独立的 JSON 对象：
# {"name": "Alice", "age": 30}
# {"name": "Bob", "age": 25}
with open('example.json', 'r', encoding='utf-8') as file:
for line in file:
data = json.loads(line.strip())
print(data)方法二：逐行读取并解析嵌套 JSON
如果 JSON 文件是一个包含多个对象的数组，可以使用 ijson 库逐行解析嵌套 JSON 数据：
python
import ijson
# 假设我们的 JSON 文件内容如下：
# [
# {"name": "Alice", "age": 30},
# {"name": "Bob", "age": 25}
# ]
with open('example.json', 'r', encoding='utf-8') as file:
parser = ijson.parse(file)
for prefix, event, value in parser:
if prefix.endswith('.name') and event == 'string':
print(f"Name: {value}")
elif prefix.endswith('.age') and event == 'number':
print(f"Age: {value}")方法三：处理大 JSON 文件（分块读取）
对于非常大的 JSON 文件，可以考虑分块读取和处理：
python
import json
def process_chunk(chunk):
for line in chunk:
data = json.loads(line.strip())
print(data)
chunk_size = 1000 # 每次读取1000行
with open('large_file.json', 'r', encoding='utf-8') as file:
chunk = []
for line in file:
chunk.append(line)
if len(chunk) >= chunk_size:
process_chunk(chunk)
chunk = []
if chunk:
process_chunk(chunk)方法四：使用 jsonlines 库
jsonlines 库专门用于处理每行一个 JSON 对象的文件：
python
import jsonlines
# 假设我们的 JSON 文件内容如下，每行是一个独立的 JSON 对象：
# {"name": "Alice", "age": 30}
# {"name": "Bob", "age": 25}
with jsonlines.open('example.json') as reader:
for obj in reader:
print(obj)这些方法可以帮助你按行读取 JSON 文件，根据文件的具体结构和大小选择合适的方法来处理数据。
以上是一些常见的方法来读取和写入 txt、Excel 和 JSON 文件。每种方法都有其优缺点，选择哪种方法取决于具体的需求和使用场景。