python常用的读取文件函数有三种read()、readline()、readlines()

1、read() : 一次性读取所有文本

with open("1.txt", "r", encoding='utf-8') as f: #打开文本

data = f.read() #读取文本

print(data)

2、readline() : 读取行的内容

with open('1.txt', 'r', encoding='utf-8') as f:

data = f.readline()

print(data)

3、readlines():读取全部内容，以数列的格式返回结果,可以配合for循环使用。

with open('1.txt', 'r', encoding='utf-8') as f:

data = f.readlines()

print(data)

image.png

with open('1.txt', 'r', encoding='utf-8') as f:

for i in f.readlines():

i = ann.strip('\n') #去除文本中的换行符

print(i)

4、with open()写法与open()的区别

1666058828369926.png

image.png

open（）完成后必须调用close()方法关闭文件，因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件

数量也是有限的，由于文件读写时都有可能产生IOError，一旦出错，后面的f.close()就不会调用。with open()则可以避免这样的情况。

5、python文件读写模式

r : 读取文件，若文件不存在则会报错

w: 写入文件，若文件不存在则会先创建再写入，会覆盖原文件

a : 写入文件，若文件不存在则会先创建再写入，但不会覆盖原文件，而是追加在文件末尾

r+ : 可读、可写，文件不存在也会报错，写操作时会覆盖

w+ : 可读，可写，文件不存在先创建，会覆盖

a+ : 可读、可写，文件不存在先创建，不会覆盖，追加在末尾

rb：以二进制方式打开，只能读取文件。如果文件不存在，会发生异常

wb：以二进制方式打开，只能写入文件。如果文件不存在，创建该文件； 如果文件存在，会清空，在打开（覆盖）

rt：以文本读方式打开，只能读文件。不存在报错

wt：以文本写方式打开，只能写文件。 不存在创建；存在覆盖

rb+：以二进制方式打开，可读、写文件。如果文件不存在，会发生异常

wb+：以二进制方式打开，可读、写文件。如果文件不存在，创建该文件；如果文件存在，会清空，在打开（覆盖）

因此需要将docx中文本读取出来，然后保存为txt格式即可

需要的python模块为 python-docx ： https://python-docx.readthedocs.io/en/latest/index.html, 导入模块时候导入docx

（只能读取.docx文件，不能读取.doc文件）

注意，在PyPi里还有一个叫docx的库，已经停止更新，不建议使用）

http://www.cnblogs.com/geek-arking/p/9300617.html

上面的方法只能读取docx文件，如果读取doc会报错

结果报错：docx.opc.exceptions.PackageNotFoundError: Package not found。还是无法识别doc

“改变拓展名并没有改变其编码方式，因此无法读取文本内容，需将doc文件用word另存为docx后再用python-docx读取其内容”

对于要转换的doc文件，网上的资料都是使用win32，需要安装 pypiwin32

https://www.cnblogs.com/AlgorithmDot/p/3386918.html

通过上面的方法，有时可以直接将doc转换为txt文件，有时候会报错。

这里我们可以考虑将doc文件直接转换为docx然后再通过上面的方法读取为txt，如果手动将doc修改为txt或者docx，打开文件会显示乱码，但是可以用其提供的SaveAs方法将.doc文档利用手动的方式“另存为”.docx文档，就能够成功打开转化后的.docx文档，

doc.SaveAs(tmp +'.docx', 16)

其中16的含义如下：

利用win32com接口直接调用office API，好处是简单、兼容性好，只要office能处理的，python都可以处理，处理出来的结果和office word里面“另存为”一致。

下面是office 2007支持的全部文件格式对应表：

wdFormatDocument = 0 

wdFormatDocument97 = 0 

wdFormatDocumentDefault = 16 

wdFormatDOSText = 4 

wdFormatDOSTextLineBreaks = 5 

wdFormatEncodedText = 7 

wdFormatFilteredHTML = 10 

wdFormatFlatXML = 19 

wdFormatFlatXMLMacroEnabled = 20 

wdFormatFlatXMLTemplate = 21 

wdFormatFlatXMLTemplateMacroEnabled = 22 

wdFormatHTML = 8 

wdFormatPDF = 17 

wdFormatRTF = 6 

wdFormatTemplate = 1 

wdFormatTemplate97 = 1 

wdFormatText = 2 

wdFormatTextLineBreaks = 3 

wdFormatUnicodeText = 7 

wdFormatWebArchive = 9 

wdFormatXML = 11 

wdFormatXMLDocument = 12 

wdFormatXMLDocumentMacroEnabled = 13 

wdFormatXMLTemplate = 14 

wdFormatXMLTemplateMacroEnabled = 15 

wdFormatXPS = 18

照着字面意思应该能对应到相应的文件格式。

1、新建或打开文件。这个比较简单用docx的Document类，若指定路径则是打开文档；若没有指定路径则是新建文档

2、保存文件。有打开，就有保存。用Document类的save方法，其中参数是保存的文件路径，或者要保存的文件流。一般指定路径即可。

doc.save(path_or_stream)

3、对象集合。python-docx包含了word文档的相关对象集合。

4、插入段落。段落是word最基本的对象之一。

5、新增样式。这个帮助文档里面说得不仔细，而且还是英文的。我手头上的项目用到这个，就自己琢磨出怎么使用，如下。

6、应用字符样式。字符自然是在段落里面的，可以采用下面方法给段落追加文字和设置字符样式。

#插入一个空白段落

p = doc.add_paragraph('')

p.add_run('123', style="Heading 1 Char")

p.add_run('456')

p.add_run('789', style="Heading 2 Char")

#这样一个段落就应用了两个字符样式，中间“456”就没应用样式

printp.text#输出结果是u'123456789' 也还是连续的

7、设置字体。当然可以不用通过设置样式对某些字进行设置，也可以直接设置。

p = doc.add_paragraph('')

r = p.add_run('123')

r.font.bold =True#加粗

r.font.italic =True#倾斜 等等...

8、表格操作。表格也是经常用到的一种对象类型。

def updateFile(file,old_str,new_str):

with open(file, "r", encoding="utf-8") as f1,open("%s.bak" % file, "w", encoding="utf-8") as f2:

for line in f1:

f2.write(re.sub(old_str,new_str,line))

os.remove(file)

os.rename("%s.bak" % file, file)

updateFile(r"D:\zdz\myfile.txt", "zdz", "daziran")#将"D:\zdz\"路径的myfile.txt文件把所有的zdz改为daziran