Python read()函数：按字节（字符）读取文件

文件对象（open() 函数的返回值）提供了 read() 函数可以按字节或字符读取文件内容，到底是读取字节还是字符，取决于使用 open() 函数打开文件时，是否使用了 b 模式，如果使用了 b 模式，则每次读取一个字节；反之，则每次读取一个字符。

read() 函数的基本语法格式如下：

file.read([size])

其中，file 表示打开的文件对象；size 作为一个可选参数，用于指定要读取的字符个数，如果省略，则默认一次性读取所有内容。

【例 1】采用循环读取整个文件的内容。

#a.txt 文件内容为：C语言中文网
f = open("a.txt", 'r', True)
while True:
    # 每次读取一个字符
    ch = f.read(1)
    # 如果没有读到数据，跳出循环
    if not ch:
        break
    # 输出ch
    print(ch, end='')
f.close()

运行结果为：

C语言中文网

上面程序采用循环依次读取每一个字符（因为程序没有使用 b 模式），每读取到一个字符，程序就输出该字符。

正如从上面程序所看到的，当程序读写完文件之后，推荐立即调用 close() 方法来关闭文件，这样可以避免资源泄露（后续章节会详细介绍 close() 函数）。

注意，在调用 read() 函数读取文件内容时，成功读取的前提是在 open() 函数中使用 r 或 r+ 的模式打开文件，否则（比如将上面程序中 open(）的打开模式改为 w），程序会抛出io.UnsupportedOperation异常：

Traceback (most recent call last):
  File "C:\Users\mengma\Desktop\demo.py", line 4, in <module>
    ch = f.read(1)
io.UnsupportedOperation: not readable

【例 2】调用 read() 方法时不传入参数，该方法默认会读取全部文件内容。例如：

f = open("a.txt", 'r', True)
# 直接读取全部文件
print(f.read())
f.close()

运行结果为：

C语言中文网

read()函数抛出UnicodeDecodeError异常的解决方法

当使用 open() 函数打开文本文件时，默认会使用当前操作系统的字符集，比如 Windows 平台，open() 函数默认使用 GBK 字符集。因此，上面程序读取的 a.txt 也必须使用 GBK 字符集保存；否则，程序就会出现UnicodeDecodeError错误。

如果要读取的文件所使用的字符集和当前操作系统的字符集不匹配，则有两种解决方式：

1. 使用二进制模式读取，然后用 bytes 的 decode() 方法恢复成字符串。
2. 利用 codecs 模块的 open() 函数来打开文件，该函数在打开文件时允许指定字符集。

例如，下面程序使用二进制模式来读取文本文件：

# 指定使用二进制方式读取文件内容，a.txt 以 utf-8 编码存储
f = open("a.txt", 'rb', True)
# 直接读取全部文件，并调用bytes的decode将字节内容恢复成字符串
print(f.read().decode('utf-8'))
f.close()

上面程序在调用 open() 函数时，传入了 rb 模式，这表明采用二进制模式读取文件，此时文件对象的 read() 方法返回的是 bytes 对象，程序可调用 bytes 对象的 decode() 方法将它恢复成字符串。由于此时读取的 a.txt 文件是以 UTF-8 的格式保存的，因此程序需要使用 decode() 方法恢复字符串时显式指定使用 UTF-8 字符集。

下面程序使用 codes 模块的 open() 函数来打开文件，此时可以显式指定字符集：

import codecs
#指定使用utf-8 字符集读取文件内容
f = codecs.open("a.txt", 'r', 'utf-8', buffering=True)
while True:
    #每次读取一个字符
    ch = f.read(1)
    #如果没有读取到数据，则跳出循环
    if not ch : break
    #输出ch
    print (ch, end='')
f.close()

上面程序在调用 open() 函数时显式指定使用 UTF-8 字符集，这样程序在读取文件内容时就完全没有问题了。