在日常工作中，文件操作是最基础也是最常见的任务之一。无论是批量处理数据文件，还是整理工作文档，掌握高效的文件读写技巧都能极大提升工作效率。本文将介绍几种实用的Python文件操作方法，帮助你轻松应对各种文件处理需求。
使用pathlib库操作文件
传统的文件路径处理往往依赖于os和os.path模块，代码繁琐且平台兼容性差。而Python 3.4引入的pathlib库提供了面向对象的文件系统路径处理方式，使代码更简洁、更易读。
基本路径操作
from pathlib import Path# 创建路径对象
file_path = Path('工作报告.docx')
project_dir = Path('/Users/sunlei/projects')# 路径拼接（无需担心斜杠问题）
doc_path = project_dir / 'documents' / file_path
print(doc_path) # 输出: /Users/sunlei/projects/documents/工作报告.docx# 获取路径信息
print(doc_path.name) # 输出: 工作报告.docx
print(doc_path.suffix) # 输出: .docx
print(doc_path.stem) # 输出: 工作报告
print(doc_path.parent) # 输出: /Users/sunlei/projects/documents
文件重命名与删除
对文件进行重命名是常见的需求，通过pathlib库的Path.rename方法可以轻松实现对某文件的重命名操作。
from pathlib import Path
import datetime# 获取当前日期
today = datetime.date.today().strftime('%Y%m%d')# 批量重命名文件（添加日期前缀）
def rename_with_date(directory, pattern='*.txt'):dir_path = Path(directory)for file_path in dir_path.glob(pattern):# 构建新文件名new_name = f"{today}_{file_path.name}"new_path = file_path.with_name(new_name)# 执行重命名file_path.rename(new_path)print(f"已重命名: {file_path.name} -> {new_name}")# 使用示例
rename_with_date('./reports')
Path.unlink方法等价于os.remove方法，用于删除已存在的文件；Path.rmdir方法等价于os.rmdir方法，用于删除空的目录，如果目录非空，该方法会抛出异常。
# 安全删除文件
def safe_delete(file_path):path = Path(file_path)if path.exists():if path.is_file():path.unlink()print(f"已删除文件: {path}")elif path.is_dir() and not any(path.iterdir()):path.rmdir()print(f"已删除空目录: {path}")else:print(f"目录非空，无法删除: {path}")else:print(f"路径不存在: {path}")
文件查找与遍历
使用的listdir()函数返回的只是文件和子文件夹的名称，而pathlib的glob()函数返回的则是文件和子文件夹的完整路径对象，更加方便操作。
# 查找所有Excel文件并按修改时间排序
def find_excel_files(directory):dir_path = Path(directory)excel_files = list(dir_path.glob('**/*.xlsx')) + list(dir_path.glob('**/*.xls'))# 按修改时间排序excel_files.sort(key=lambda x: x.stat().st_mtime, reverse=True)print(f"找到 {len(excel_files)} 个Excel文件:")for file in excel_files[:5]: # 只显示前5个mod_time = datetime.datetime.fromtimestamp(file.stat().st_mtime)print(f"{file.name} - 修改时间: {mod_time.strftime('%Y-%m-%d %H:%M')}")return excel_files
文件读写操作
pathlib还提供了简便的文件读写方法，无需传统的open()函数：
# 读取文本文件
def read_log_file(log_path):path = Path(log_path)if path.exists() and path.is_file():# 直接读取文本内容content = path.read_text(encoding='utf-8')lines = content.split('\n')print(f"日志共 {len(lines)} 行")# 查找错误信息error_lines = [line for line in lines if 'ERROR' in line]if error_lines:print(f"发现 {len(error_lines)} 条错误记录:")for line in error_lines[:3]: # 只显示前3条print(f"- {line}")else:print(f"日志文件不存在: {path}")# 写入文本文件
def append_to_log(log_path, message):path = Path(log_path)timestamp = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')log_entry = f"[{timestamp}] {message}\n"# 追加内容到文件path.write_text(log_entry, encoding='utf-8') if not path.exists() else path.open('a', encoding='utf-8').write(log_entry)print(f"日志已更新: {path}")
使用zipfile、tarfile压缩解压文件
在处理大量文件时，压缩和解压是常见的需求。Python中提供了zipfile与tarfile内置库来分别实现对两种常见压缩文件格式的操作。
ZIP文件操作
import zipfile
from pathlib import Path
import os# 创建ZIP压缩文件
def create_zip_archive(directory, zip_name=None):dir_path = Path(directory)# 如果没有指定压缩包名称，使用目录名if zip_name is None:zip_name = f"{dir_path.name}.zip"zip_path = dir_path.parent / zip_name# 创建压缩文件with zipfile.ZipFile(zip_path, 'w', zipfile.ZIP_DEFLATED) as zipf:# 遍历目录下所有文件for file_path in dir_path.rglob('*'):if file_path.is_file():# 计算相对路径作为压缩包内路径rel_path = file_path.relative_to(dir_path.parent)zipf.write(file_path, rel_path)print(f"已添加: {rel_path}")print(f"压缩完成: {zip_path}，大小: {zip_path.stat().st_size / 1024:.2f} KB")return zip_path# 解压ZIP文件
def extract_zip_archive(zip_path, extract_to=None):zip_path = Path(zip_path)# 如果没有指定解压目录，使用当前目录if extract_to is None:extract_to = zip_path.parent / zip_path.stemextract_path = Path(extract_to)extract_path.mkdir(exist_ok=True)with zipfile.ZipFile(zip_path, 'r') as zipf:# 获取压缩包内文件列表file_list = zipf.namelist()print(f"压缩包内共 {len(file_list)} 个文件")# 解压所有文件zipf.extractall(extract_path)print(f"解压完成: {extract_path}")return extract_path
TAR文件操作
import tarfile
from pathlib import Path# 创建TAR压缩文件
def create_tar_archive(directory, tar_name=None, compression='gz'):dir_path = Path(directory)# 如果没有指定压缩包名称，使用目录名if tar_name is None:tar_name = f"{dir_path.name}.tar.{compression}"tar_path = dir_path.parent / tar_name# 设置压缩模式mode = f"w:{compression}" if compression else "w"# 创建压缩文件with tarfile.open(tar_path, mode) as tarf:# 添加整个目录tarf.add(dir_path, arcname=dir_path.name)print(f"已添加目录: {dir_path}")print(f"压缩完成: {tar_path}，大小: {tar_path.stat().st_size / 1024:.2f} KB")return tar_path# 解压TAR文件
def extract_tar_archive(tar_path, extract_to=None):tar_path = Path(tar_path)# 如果没有指定解压目录，使用当前目录if extract_to is None:extract_to = tar_path.parentextract_path = Path(extract_to)extract_path.mkdir(exist_ok=True)# 自动检测压缩格式with tarfile.open(tar_path, 'r:*') as tarf:# 获取压缩包内文件列表file_list = tarf.getnames()print(f"压缩包内共 {len(file_list)} 个文件/目录")# 解压所有文件tarf.extractall(extract_path)print(f"解压完成: {extract_path}")return extract_path
实际应用场景
场景一：日志文件自动归档
from pathlib import Path
import zipfile
import datetime
import shutildef archive_logs(log_dir, days_to_keep=30):"""自动归档超过指定天数的日志文件"""log_path = Path(log_dir)today = datetime.datetime.now()archive_dir = log_path / 'archives'archive_dir.mkdir(exist_ok=True)# 获取所有日志文件log_files = list(log_path.glob('*.log'))archived_count = 0for log_file in log_files:# 获取文件修改时间mtime = datetime.datetime.fromtimestamp(log_file.stat().st_mtime)days_old = (today - mtime).days# 如果文件超过保留天数，进行归档if days_old > days_to_keep:# 创建年月子目录year_month = mtime.strftime('%Y-%m')month_dir = archive_dir / year_monthmonth_dir.mkdir(exist_ok=True)# 创建压缩文件zip_name = f"{log_file.stem}_{mtime.strftime('%Y%m%d')}.zip"zip_path = month_dir / zip_namewith zipfile.ZipFile(zip_path, 'w', zipfile.ZIP_DEFLATED) as zipf:zipf.write(log_file, log_file.name)# 删除原日志文件log_file.unlink()archived_count += 1print(f"已归档: {log_file.name} -> {zip_path}")print(f"归档完成，共处理 {archived_count} 个日志文件")return archived_count
场景二：批量文件格式转换
from pathlib import Path
import csv
import jsondef convert_csv_to_json(csv_dir, output_dir=None):"""批量将CSV文件转换为JSON格式"""csv_path = Path(csv_dir)# 如果没有指定输出目录，在原目录创建json子目录if output_dir is None:output_dir = csv_path / 'json_output'output_path = Path(output_dir)output_path.mkdir(exist_ok=True)# 获取所有CSV文件csv_files = list(csv_path.glob('*.csv'))converted_count = 0for csv_file in csv_files:# 读取CSV文件data = []try:with open(csv_file, 'r', encoding='utf-8', newline='') as f:reader = csv.DictReader(f)for row in reader:data.append(row)# 创建对应的JSON文件json_file = output_path / f"{csv_file.stem}.json"with open(json_file, 'w', encoding='utf-8') as f:json.dump(data, f, ensure_ascii=False, indent=2)converted_count += 1print(f"已转换: {csv_file.name} -> {json_file.name}")except Exception as e:print(f"转换失败: {csv_file.name} - {str(e)}")print(f"转换完成，共处理 {converted_count} 个CSV文件")return converted_count
通过这些实用的代码示例，你可以轻松实现各种文件操作自动化，大幅提高工作效率。无论是日常的文件整理，还是批量的数据处理，这些技巧都能帮你节省大量时间。