Python文件操作：read、readline、readlines读取方式对比

一、开篇：三种方式，各有场景

Python文件对象提供了三种读取方式：read()一次性全读、readline()逐行读、readlines()读成行列表。选择哪种方式取决于文件大小和后续处理需求。

⌨️ 先看三种方式的基本对比：

# 准备测试文件
with open("sample.txt", "w", encoding="utf-8") as f:
    f.write("第一行内容\n")
    f.write("第二行内容\n")
    f.write("第三行内容\n")

# === 方式一：read() ------ 读取全部 ===
with open("sample.txt", "r", encoding="utf-8") as f:
    all_content = f.read()
    print(f"read(): {repr(all_content)}")
    # '第一行内容\n第二行内容\n第三行内容\n'

# === 方式二：readline() ------ 读取一行 ===
with open("sample.txt", "r", encoding="utf-8") as f:
    line1 = f.readline()
    line2 = f.readline()
    print(f"readline(): {repr(line1)}, {repr(line2)}")
    # '第一行内容\n', '第二行内容\n'

# === 方式三：readlines() ------ 读取所有行到列表 ===
with open("sample.txt", "r", encoding="utf-8") as f:
    lines = f.readlines()
    print(f"readlines(): {lines}")
    # ['第一行内容\n', '第二行内容\n', '第三行内容\n']

二、read() ------ 一把梭

2.1 基本用法

# read(size) ------ 读取最多size个字符（文本模式）或字节（二进制模式）
# 不指定size或size=-1 → 读取全部

with open("sample.txt", "r", encoding="utf-8") as f:
    # 读取全部
    print("全部内容:")
    print(f.read())

# 分块读取
with open("sample.txt", "r", encoding="utf-8") as f:
    print("\n分块读取:")
    chunk = f.read(5)  # 一次读5个字符
    while chunk:
        print(f"  chunk: {repr(chunk)}")
        chunk = f.read(5)

# 💡 read()的特点：
# - 返回一个字符串（或bytes）
# - 适合小文件------一次加载到内存
# - size参数可以控制每次读取的量（处理大文件时有用）
# - 读到文件末尾时返回空字符串 ''

2.2 判断文件是否读完

# 文件对象的可读性判断
with open("sample.txt", "r", encoding="utf-8") as f:
    content = f.read()
    # 再次读取
    more = f.read()
    print(f"第二次读取: {repr(more)}")   # '' ------ 空字符串表示读完了
    print(f"长度为0: {len(more) == 0}")  # True

三、readline() ------ 逐行读

3.1 基本用法

# readline() ------ 读取一行（包括行尾的\n）
# 返回空字符串表示读完了

with open("sample.txt", "r", encoding="utf-8") as f:
    line = f.readline()
    while line:
        # strip()去掉换行符
        print(f"行内容: {line.rstrip()}")
        line = f.readline()

# 但更常见的做法是用for循环------文件对象本身就是可迭代的！
with open("sample.txt", "r", encoding="utf-8") as f:
    for line in f:  # 文件对象是行迭代器
        print(f"行: {line.rstrip()}")

# 💡 文件对象就是最好的"逐行读取器"------不需要显式调用readline()

3.2 读取指定大小

# readline(size) ------ 读取一行，但不超过size个字符

with open("sample.txt", "r", encoding="utf-8") as f:
    # 只读一行中的前3个字符
    partial = f.readline(3)
    print(f"读3个字符: {repr(partial)}")         # '第一'
    # 继续读这一行的剩余部分
    rest = f.readline()
    print(f"这一行剩余: {repr(rest)}")            # '行内容\n'

四、readlines() ------ 读成列表

4.1 基本用法

# readlines() ------ 返回包含所有行的列表，每行末尾保留\n

with open("sample.txt", "r", encoding="utf-8") as f:
    lines = f.readlines()
    print(f"行数: {len(lines)}")
    for i, line in enumerate(lines, 1):
        print(f"  第{i}行: {repr(line)}")

# ⚠️ readlines()会把整个文件加载到内存的列表中
# 大文件慎用！如果文件有1000万行，内存直接爆了

# 💡 什么时候用readlines()？
# 1. 文件很小（几十KB到几MB）
# 2. 需要对行做随机访问（通过索引跳转）
# 3. 需要多次遍历行

4.2 readlines() vs list(f)

# 两种方式获得行列表
with open("sample.txt", "r", encoding="utf-8") as f:
    lines1 = f.readlines()

with open("sample.txt", "r", encoding="utf-8") as f:
    lines2 = list(f)  # 等价于readlines()

print(lines1 == lines2)  # True

# 💡 list(f)更短，效果相同，都是把所有行读入列表

五、选择指南

5.1 按场景选方法

# 场景一：小文件（几MB以内） ------ read()或readlines()
def process_small_file(filepath):
    """处理小文件------一次全读"""
    with open(filepath, "r", encoding="utf-8") as f:
        content = f.read()
    return content.upper()  # 全文处理

# 场景二：大文件（几百MB~几GB） ------ for循环逐行读
def process_large_file(filepath):
    """处理大文件------逐行读取，不占内存"""
    line_count = 0
    with open(filepath, "r", encoding="utf-8") as f:
        for line in f:
            # 处理每一行
            if "ERROR" in line:
                line_count += 1
    return line_count

# 场景三：超大文件分块读取 ------ read(size)
def process_huge_file(filepath, chunk_size=8192):
    """处理超大文件------分块读取"""
    with open(filepath, "r", encoding="utf-8") as f:
        chunk = f.read(chunk_size)
        while chunk:
            # 处理这一块数据
            process_chunk(chunk)
            chunk = f.read(chunk_size)

# 场景四：需要带行号的处理
def process_with_line_numbers(filepath):
    """带行号的处理"""
    with open(filepath, "r", encoding="utf-8") as f:
        for line_num, line in enumerate(f, 1):
            print(f"第{line_num}行: {line.rstrip()}")

5.2 性能对比

import time

def benchmark_read_methods(filepath):
    """性能基准测试"""
    methods = {
        "read()": lambda f: f.read(),
        "readlines()": lambda f: f.readlines(),
        "for line in f": lambda f: [line for line in f],
        "readline() loop": lambda f: (lambda: [f.readline() for _ in iter(lambda: f.readline(), '')])(),
    }

    for name, method in methods.items():
        with open(filepath, "r", encoding="utf-8") as f:
            start = time.perf_counter()
            try:
                method(f)
            except:
                pass
            elapsed = time.perf_counter() - start
            print(f"{name}: {elapsed:.4f}秒")

# 典型结果（中等文件）：
# read()和for line in f通常最快
# readlines()差不多------它们都是C实现的
# readline()循环最慢------每次调用有函数开销

六、总结

三种读取方式各有最适合的场景。选择的标准不是"哪种更高级"，而是"哪种更适合你当前的需求"。

💡 快速决策：

文件大小	需求	推荐方式
小文件	全读入内存处理	read()
大文件	逐行处理	for line in f
超大文件	分块处理	read(chunk_size)
小文件	需要行列表	readlines() 或 list(f)

✅ 默认用for line in f------它是处理文件最Pythonic、最内存友好的方式。