企业官网建设流程全解析

从“python 文件”这个标题说起，它其实比字面上要宽泛得多。我见过太多人第一次接触Python，第一个动作就是建一个.py文件，然后开始写print("hello")；也有不少人卡在“文件读不进去”“Excel导出只有65536行”“打包exe失败”这类跟文件打交道的问题上。这篇文章就围绕Python文件操作的方方面面，从最基础的文件读写，到环境变量、打包发布，再到真实场景里的批处理脚本，把我踩过的坑和验证过的方案一次说清楚。适合刚入门的新手，也适合已经在写脚本但总被文件编码、路径坑到的人。

1. 内容整体设计与思路拆解

1.1 为什么文件操作是Python的第一道门槛

Python这两年能火遍各个领域，一个重要原因就是它处理文件特别顺手。爬虫爬下来的数据要写进文件，数据分析要读CSV、Excel，运维要批量重命名日志，开发要解析配置文件，甚至打包成exe可执行文件本质上也是在处理文件。可以说，Python跟文件的关系就像切菜刀跟厨师的关系——你绕不开，而且越早掌握，后面越省心。

我见过很多初学者，一开始觉得文件操作不就是open()然后read()嘛，结果一写就崩。编码不对、路径写错、文件被占用、读完没关闭、跨平台换行符不一样……这些问题单独看都不难，但串在一起就特别打击信心。所以我这篇内容的整体思路是：先把最核心的读写模型讲透，再往文件形态的上下游延伸——生成文件的数据处理、运行文件的工程环境、打包文件的可执行交付，最后用一套实战脚本收尾。

1.2 方案选型：用标准库还是第三方库

很多教程一上来就叫人装pandas，我反倒觉得没必要。处理简单文本、配置文件、批量复制重命名，Python标准库就够了，os、shutil、glob、csv、json这些模块都是自带，不需要装任何东西。等数据量大了、要处理Excel样式了，再上openpyxl、pandas这类第三方库，这才是合理的演进路线。

选型逻辑很简单：文件操作的第一原则是“你的项目需要跑多久、跑在哪里”。如果你只想把日志里的关键字抽出来，用open()配合循环就完事了。要是你需要对几万行的Excel做汇总透视，再考虑pandas。如果一上来就引一堆依赖，回头打包exe的时候文件体积直接奔着150MB去了，那才是给自己找麻烦。

1.3 从文件到工程：一条完整的学习路径

我给新手的建议是，不要只盯着“读写”两个字。一个完整的Python文件项目，通常要经历这四个阶段：

• 阶段一：读写单文件，搞清楚路径、编码、关闭。
• 阶段二：批量操作多文件，用glob和shutil搞定自动化。
• 阶段三：处理结构化数据文件，比如CSV、Excel、JSON。
• 阶段四：把脚本变成一个环境独立、可执行、可交付的产物，也就是虚拟环境和exe打包。

这篇文章的结构就是按这条路来的。每一步我都会把“为什么这么干”讲清楚，不讲废话。

2. 核心细节解析与实操要点

2.1 路径处理：反斜杠、绝对路径和相对路径的坑

先解决一个最基础但最容易翻车的问题：路径。Windows上路径长这样：C:\Users\me\data\file.txt。但Python字符串里\是转义符，所以直接写open('C:\Users\me\data.txt')大概率报错，因为\U被当成Unicode转义。

解决办法有三个层次：

1. 用原始字符串：r'C:\Users\me\data.txt'
2. 把反斜杠换成斜杠：'C:/Users/me/data.txt'，Windows和Linux都能识别
3. 用pathlib模块（我推荐这个）

from pathlib import Path data_dir = Path(r"C:/Users/me/data") file_path = data_dir / "file.txt" # 用 / 拼接，跨平台安全

为什么推荐pathlib？因为它把路径当成对象处理，exists()、read_text()、write_text()都是方法，不用反复去import os再拼字符串。Python 3.6以后自带，完全够用。

还有个概念必须分清楚：当前工作目录。脚本所在的目录不一定是运行命令时的目录。你在命令行敲python C:\project\run.py，但当前目录是C:\project外的某个位置，Python的相对路径就是基于那个“当前位置”算的，不是基于脚本位置。如果你不确定，最好在脚本开头加上：

import os os.chdir(os.path.dirname(os.path.abspath(__file__)))

这句会把当前工作目录切到脚本所在目录。当然，如果你的脚本将来要被别人用包管理器安装执行，可能更希望用绝对的pathlib逻辑。但开发阶段，这个习惯能救你很多次。

2.2 文本文件读写：用with而不是open后close

我们最常用的读文件方式，很多老手也会写：

f = open("data.txt", "r", encoding="utf-8") content = f.read() f.close()

这样写有个隐患：如果f.read()中间抛了异常，close()就不会执行，文件句柄一直被占着。在Windows上，文件可能被锁定，后续你想删除或重命名它就报“另一个程序正在使用此文件”。

正确姿势是上下文管理器：

with open("data.txt", "r", encoding="utf-8") as f: content = f.read() # 无论有没有异常，with块结束后文件都会自动关闭

在with块里，你也可以一行一行读：

with open("access.log", "r", encoding="utf-8") as f: for line in f: print(line.strip())

文件对象本身是迭代器，直接for line in f不会一次性把整个文件加载进内存，适合处理大日志文件。这是新手最容易忽略的点：read()是全文读入，readlines()也是，如果文件几个GB，内存直接爆掉。

写文件同样要用with，并且注意模式：

• "w"覆盖写，文件不存在会创建
• "a"追加写，文件指针在末尾
• "x"独占创建，文件已存在会报错
• "+"可读可写，比如"r+"

一个小小的实用技巧：如果你不确定文件是否存在，用"x"模式可以安全地避免覆盖已有文件。

2.3 编码问题：utf-8不是唯一的答案

Python 3里，open()默认编码是locale.getpreferredencoding()，在Windows中文系统上通常是gbk。这就产生一个经典报错：

UnicodeDecodeError: 'gbk' codec can't decode byte 0x... in position ...: illegal multibyte sequence

原因就是文件本身是utf-8编码，但你用gbk去解码。所以我的建议是：任何文件读写，都显式指定encoding="utf-8"，并且保证文件本身真是utf-8。如果你接手的是老系统导出的GBK文件，那就反过来用encoding="gbk"，或者更保险一点：

with open("data.csv", "r", encoding="gbk", errors="ignore") as f: content = f.read()

errors="ignore"会静默忽略非法字节，代价是可能丢内容，所以只适合你想先看看情况的时候。真正要处理多来源文件，用chardet或charset-normalizer库自动检测编码：

pip install charset-normalizer

from charset_normalizer import from_path best = from_path("data.csv").best() print(best.encoding)

编码是文件操作里最隐蔽的坑，尤其当你把代码从一个平台拉到另一个平台（比如Windows写的脚本放到Linux服务器上跑），必须显式指定，不能指望系统默认。

2.4 二进制文件：图片、压缩包和专用格式

文本文件之外，还有一大类二进制文件。读取二进制要用"rb"模式，写用"wb"。二进制文件不能按行读，通常是一次性读入或分段读取：

with open("image.png", "rb") as f: data = f.read() # bytes对象

复制二进制文件最稳妥的方式是分块复制，避免大文件全载入内存：

with open("source.zip", "rb") as src, open("target.zip", "wb") as dst: while chunk := src.read(4096): dst.write(chunk)

这里用到了海象运算符:=，意思是“读取一块，如果非空就写出去”。4096字节是经典的缓冲区大小，你也可以用shutil.copyfile()一行搞定，标准库已经帮你封装好了：

import shutil shutil.copyfile("source.zip", "target.zip")

如果只是复制文件，shutil永远是首选，不要自己手写循环。只有需要读取文件内容做二次处理（比如给图片加缩放、解析压缩包里的某些字节）时，才用二进制读写。

3. 实操过程与核心环节实现

3.1 安装Python与环境变量：跨平台的实际操作

网上搜索“python安装教程”的热度一直不减，很多问题其实不是Python本身的问题，而是环境变量没配好。Windows安装Python时，第一步就有一个勾选项“Add Python to PATH”，这个一定要勾上。如果忘了勾，安装完成后python命令会提示“不是内部或外部命令”。

这时候可以手动配：右键“此电脑” → 属性 → 高级系统设置 → 环境变量，在“系统变量”的Path里加入Python安装目录和它的Scripts子目录。安装目录通常是C:\Users\你的用户名\AppData\Local\Programs\Python\Python311\和同一路径下的Scripts\。

在Linux或者macOS上，一般系统自带Python，但咱自己开发建议用python3命令来区分系统其他脚本。如果你需要管理多个Python版本，推荐用pyenv（Linux/macOS）或Windows上的pylauncher。在Windows里，py -3.10可以指定使用3.10版本解释器。

装完Python，紧接着要会创建虚拟环境。为什么要虚拟环境？因为你不同的项目可能依赖不同版本的三方库，比如项目A需要pandas 1.5，项目B需要pandas 2.0，装在一起就打架。虚拟环境就是给每个项目单独开一个“文件柜”。

# Windows python -m venv venv venv\Scripts\activate # Linux/macOS python3 -m venv venv source venv/bin/activate

激活后命令提示符会多一个(venv)前缀，这时候你pip install的东西都只在这个环境里生效。退出用deactivate。

这里有个高频搜索词“npm : 无法加载文件 ... npm.ps1，因为在此系统上禁止运行脚本”，其实跟Python关系不大，但经常在同一个终端里出现。这是PowerShell的执行策略限制，不是npm或Python坏了。解决办法有两种：

• 当前会话临时放开：Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process
• 永久放开（注意安全）：管理员身份执行Set-ExecutionPolicy RemoteSigned

后面这个策略的意思是，本机脚本可以运行，从网络下载的脚本需要签名。国内很多用Windows做开发的都被这个坑过，知道原因后其实不难。

3.2 VSCode配置Python环境的正确姿势

VSCode是目前最流行的Python编辑器，但很多人装完插件却没法跑，核心问题还是环境没选对。你需要做几步：

1. 安装官方Python扩展（微软出的那个）。
2. 按Ctrl+Shift+P，输入“Python: Select Interpreter”，选择你虚拟环境里的python.exe。
3. 配置好.vscode/launch.json，一般第一次按F5运行时会提示你选环境，选“Python File”就行。

我见过很多同学在VSCode里写代码写得好好的，一运行就报“ModuleNotFoundError: No module named 'pandas'”。原因往往是：VSCode里右下角选择的解释器是全局Python，不是你的虚拟环境。而你在终端里明明pip install pandas成功。解决办法就是确认解释器路径和环境一致。

还有一个很冷门但很实用的设置：VSCode的集成终端默认使用PowerShell，如果执行策略禁止脚本，那么你激活虚拟环境的activate.ps1也会报错。你可以把VSCode默认终端切换成Command Prompt，或者干脆按上面说的设置执行策略。切换方法：Ctrl+Shift+P→ “Terminal: Select Default Profile” → 选“Command Prompt”。

3.3 用PyInstaller把Python脚本打包成exe文件

“python转exe文件”也是搜索热词。很多人写了个小工具，想发给没有Python环境的同事用，就希望打包成一个双击就能跑的文件。最成熟的方案是PyInstaller。

安装很简单：

pip install pyinstaller

打包单文件：

pyinstaller -F your_script.py

-F表示生成单个exe文件，好处是分发方便，坏处是启动慢（因为运行时需要解压）。如果不加-F，会生成一个目录，里面包含exe和依赖的dll、pyd，启动更快，但分发时要整个目录打包。

打包的时候要注意几点：

• 不要直接打包命令行输入交互的程序，你同事双击exe会看到黑框，建议用input()也好、GUI也好，先想清楚交互方式。
• 程序里如果引用了图片、配置文件等资源文件，默认不会自动被你打包进去。要用--add-data参数：

pyinstaller -F --add-data "assets;assets" your_script.py

Windows上用;分隔源和目标，Linux/macOS用:。

• 如果程序用了pathlib读取相对路径，打包后的exe工作目录通常是exe所在目录，不是程序原来的目录。最好在代码里显式获取exe运行时的目录：

import sys import os from pathlib import Path if getattr(sys, 'frozen', False): base_dir = Path(sys.executable).resolve().parent else: base_dir = Path(__file__).resolve().parent

sys.frozen是PyInstaller运行时的标志，用它判断是在源码环境还是exe环境，然后分别定位基础目录。我踩过这个坑，打包出来exe在别的文件夹里双击，结果找不到同目录的data.csv，最后才反应过来是工作目录切换的问题。

PyInstaller还有一个常见坑：杀毒软件误报。因为Python的exe启动时会释放临时文件，有些杀毒软件会认为是可疑行为。这个没有特别好的根治办法，通常可以换个打包参数，或者用UPX压缩，但误报依然存在。所以如果是正式分发给很多人的工具，还是要做好代码签名，这个就比较深了。

3.4 结构化文件：CSV、Excel和65536行问题

接下来是很多数据分析场景绕不开的：CSV和Excel文件。先说CSV，它本质是文本文件，所以也可以用open读，但用csv模块更安全，因为它处理逗号、引号、换行都很规矩：

import csv with open("data.csv", "r", encoding="utf-8", newline="") as f: reader = csv.DictReader(f) for row in reader: print(row["name"], row["age"])

注意newline=""这个参数，特别是在Windows上，如果省略，写CSV的时候可能会多出空行，这是Python文档明确建议的。

Excel文件就麻烦一点，xls是老格式，需要xlrd来读，但新版本xlrd只支持xls，不支持xlsx；读取xlsx推荐用openpyxl或者直接用pandas。而写Excel时，如果用到xlwt或者某些旧库，会遇到一个经典限制：最多只能写65536行。这个数字大家很熟，因为老版Excel 2003的.xls格式，工作表上限就是65536行。

如果你用pandas.to_excel()默认引擎，它写的是xlsx，没有这个限制，行数上限是1048576。但如果你用了ExcelWriter并指定了engine="xlwt"，就会撞上65536。解决办法很简单：改用engine="openpyxl"或者直接输出为.xlsx。

import pandas as pd df.to_excel("output.xlsx", index=False, engine="openpyxl")

这段代码的意思是：把DataFrame写入Excel文件，不写索引。engine指定为openpyxl，就不会出现行数截断。如果你真的需要写超过一百万行，建议导出成CSV，那对行数没有任何限制，Excel也能打开一部分。

处理Excel还要留意单元格样式。如果只是写入数据，pandas加openpyxl够了。如果还要设置字体、合并单元格、加筛选，那就直接用openpyxl操作：

from openpyxl import Workbook from openpyxl.styles import Font wb = Workbook() ws = wb.active ws["A1"] = "标题" ws["A1"].font = Font(bold=True) ws.append(["姓名", "分数"]) ws.append(["张三", 88]) wb.save("report.xlsx")

我从实际项目中的体会是：大批量数据处理交给pandas，精细样式调整交给openpyxl，两者可以配合使用，但是别混在同一个循环里反复读写Excel，性能很差。宁可先把数据整理好，最后一次写入。

3.5 批量文件处理：重命名、移动和备份

文件操作最有爽感的场景是批处理。比如你手里有几百个文件名带乱码的图片，或者日志按日期命名但格式不统一，手工改能改到怀疑人生。用Python写一个脚本只需要几十行。

先看一个批量重命名的例子。假设目录./logs/下有这些文件：

access-20240101.log access-20240102.log access-20240103.log

你想把里面的日期改成2024-01-01这种格式。你可以这样写：

import os import re from pathlib import Path log_dir = Path("./logs") for f in log_dir.glob("access-*.log"): new_name = f"access-{f.stem[-8:]}.log" f.rename(f.parent / new_name)

注意我用f.stem[-8:]取了文件名中后8位日期，然后重新命名。用Path.rename比os.rename更面向对象，也更少出现拼路径错的问题。

再比如你要把某类文件移动到归档目录：

import shutil from pathlib import Path source = Path("./downloads") target = Path("./archive") target.mkdir(exist_ok=True) for f in source.glob("*.pdf"): shutil.move(str(f), str(target / f.name))

这里的mkdir(exist_ok=True)很关键，如果目录不存在会先创建。shutil.move既能移动文件，也能重命名。

实际批处理时，我强烈建议先打印出将要执行的操作，确认无误后再真正执行：

for f in source.glob("*.pdf"): dst = target / f.name print(f"移动 {f} -> {dst}") # shutil.move(str(f), str(dst)) # 确认后再取消注释

这种“先dry-run，再执行”的习惯，能避免很多灾难。我自己有一次脚本里正则写错了，差一点把几十个文件的版本号全部洗掉，还好先跑了一遍print。

4. 常见问题与排查技巧实录

4.1 文件不存在的报错与检查思路

Python报FileNotFoundError，最常规的排查三步：

1. 确认路径是否真的存在，最好用Path.exists()先检查一下。
2. 确认文件名的大小写，在Linux上区分大小写，Windows上不区分。
3. 确认路径中的目录层级是否完整，别少写了一层。

还有一个隐藏问题：中文文件名或路径。Windows上用中文路径经常遇到编码问题，Python 3通常没问题，但如果调用一些老库或者子进程，可能会乱。最稳妥的办法是尽量用英文路径。如果你被迫处理中文目录，可以用pathlib来处理，它在底层已经做了Unicode处理。

4.2 文件内容读写乱码的排查

如果读出来是乱码，大概率是编码没对上。用编辑器打开原文件，看看右下角显示的编码，然后显式用那个编码读。还有一个技巧：用requests或open从网络上拿文件时，有些网站返回的是utf-8，有些是gbk，所以用response.encoding先判断一下：

import requests r = requests.get("https://example.com/data.csv") r.encoding = "utf-8" print(r.text)

如果本地文件测试乱码，可以试试：

with open("data.csv", "rb") as f: raw = f.read() print(raw[:100])

打印前100个字节，看是不是有\xff\xfe（UTF-16 BOM）、\xef\xbb\xbf（UTF-8 BOM）这些标志，帮你确认编码。

4.3 文件被占用：Windows专属的“另一个程序正在使用”

Windows用户经常遇到：程序运行一半报错“PermissionError: [Errno 13] Permission denied: 'xxx.xlsx'”，原因通常是这个文件在Excel里打开着，或者上一个脚本进程没有释放句柄。

排查办法：

• 关掉所有可能打开该文件的程序，尤其是Excel、Notepad。
• 检查任务管理器里是不是还有残留的python.exe进程，杀掉。
• 如果是自己代码写的，检查是不是用了open()但没关闭，没有用with。

另外，如果你在脚本里多次打开同一个Excel文件，注意workbook.save之后，如果还持有workbook对象，文件句柄可能不会立即释放，最好workbook.close()。

4.4 环境相关命令找不到的问题汇总

热词里有一个很典型的：“git : 无法将‘git’项识别为 cmdlet、函数、脚本文件或可运行程序的名称”。这类问题跟python环境配置是同一个逻辑：你的命令目录不在PATH环境变量里。Python也一样，如果你装了Python但是运行python没反应，八成也是PATH问题。

快速诊断方法：在命令行里输入where python（Windows）或which python3（Linux/macOS），能看到当前使用的是哪个解释器。如果没任何输出，说明PATH里没加。

这里我顺便说一个比较隐蔽的情况：你明明设置了PATH，但还是找不到Python，那是因为安装时选的是“仅当前用户”，PATH变量存在于用户变量里，而不是系统变量。这种情况换个用户登录就失效。我一般建议直接装在系统层面，或者至少确保用户变量和系统变量都包含Python路径。

4.5 防止脚本误操作：备份和权限控制

最后一条排查技巧，其实也是预防技巧。批量改文件之前，先做一个备份副本，或者把所有文件复制到一个临时目录实验。如果是写文件操作，最好先用只读模式打开确认数据，再加"w"模式写。如果你只是要做数据清洗，不建议直接覆盖原文件，而是生成一个新文件。这样做的好处是：万一清洗逻辑写错了，原文件还在，你能很快回滚。

我们写批处理脚本时很推荐这个模式：

from pathlib import Path src = Path("raw_data.txt") dst = Path("cleaned_data.txt") with src.open("r", encoding="utf-8") as f: lines = f.readlines() cleaned_lines = [line.strip() for line in lines if line.strip()] with dst.open("w", encoding="utf-8") as f: f.writelines("\n".join(cleaned_lines))

同样的“不直接修改原文件”原则，对于Excel、JSON、配置文件都适用。

5. 实战：我写的一个文件批处理小工具的全过程

5.1 需求描述与设计

为了把这些知识点串起来，我拿一个近期做过的小工具举例。需求是这样的：我有一堆运营导出的CSV文件，每个文件里有几千行数据，需要把里面某一列的日期从yyyyMMdd转成yyyy-MM-dd，然后按月份拆分成多个CSV文件，最后把结果打包成一个zip。

这个场景非常典型，涉及读CSV、按条件筛选、批量生成文件、打包压缩。我用标准库加一点pandas就能搞定。

先看目录结构：

raw_data/ 20240101_export.csv 20240102_export.csv ... output/ (待生成) tool.py

5.2 第一步：读取并校验文件

我先写一个函数，遍历raw_data下所有CSV，用pandas读取，同时打印每个文件的行数和列名，确认日期列的格式。

import pandas as pd from pathlib import Path import zipfile RAW_DIR = Path("raw_data") OUT_DIR = Path("output") def load_all_files(): all_frames = [] for csv_file in RAW_DIR.glob("*.csv"): df = pd.read_csv(csv_file, dtype={"date": str}) print(f"读取 {csv_file.name}: {df.shape}") all_frames.append(df) if not all_frames: raise FileNotFoundError("raw_data目录下没有CSV文件") return pd.concat(all_frames, ignore_index=True)

这里用dtype={"date": str}把日期列强制当作字符串读，防止pandas把它自动解析成时间类型，后面处理会省去很多格式问题。print一下形状，方便确认数据量。

5.3 第二步：清洗并标准化日期

日期列可能是20240101格式，也可能已经有2024-01-01，为了统一，我写一个小函数：

import datetime as dt def normalize_date(value): try: if "-" in value: return dt.datetime.strptime(value, "%Y-%m-%d").strftime("%Y-%m-%d") return dt.datetime.strptime(value, "%Y%m%d").strftime("%Y-%m-%d") except ValueError: # 无法解析就保留原值，并打日志 print(f"无法解析日期: {value}") return value

然后在DataFrame里应用：

df["date"] = df["date"].apply(normalize_date)

这一步注意：strptime后面跟着strftime，其实等效于重新格式化。如果你最后只需要字符串类型，这没问题。如果需要年月日分列，就用dt.year、dt.month。

5.4 第三步：按月分组并导出csv

把标准化后的数据按yyyy-MM取前7位，生成月份列，再groupby拆分，最后写入output目录。

df["month"] = df["date"].str[:7] OUT_DIR.mkdir(exist_ok=True) for month, group_df in df.groupby("month"): month_file = OUT_DIR / f"data_{month}.csv" group_df.drop(columns=["month"]).to_csv(month_file, index=False, encoding="utf-8-sig") print(f"已生成 {month_file.name}: {len(group_df)} 行")

这里有个细节：写CSV时我用了encoding="utf-8-sig"，而不是utf-8。为什么？因为在Windows上，Excel打开一个不带BOM的UTF-8文件会乱码。utf-8-sig就是带BOM的UTF-8，微软的Excel能正确识别。如果是给普通程序读，用utf-8更通用。这个细节我在实际交付时被业务同事反馈过，改完之后就没再出问题。

5.5 第四步：打包成zip

最终交付给运营时，他们不想一个一个下载CSV，所以我把output目录打包成zip。

zip_path = Path("delivery.zip") with zipfile.ZipFile(zip_path, "w", zipfile.ZIP_DEFLATED) as zf: for f in OUT_DIR.glob("*.csv"): zf.write(f, arcname=f.name)

arcname参数可以控制zip里的文件名，这里只保留文件名不带目录，避免解压后多一层文件夹。ZIP_DEFLATED表示压缩，CSV文件一般能压到原大小的30%左右。

5.6 整体脚本与运行效果

把上面几段组合进一个main()函数，并在__main__里调用：

def main(): df = load_all_files() df["date"] = df["date"].apply(normalize_date) df["month"] = df["date"].str[:7] OUT_DIR.mkdir(exist_ok=True) for month, group_df in df.groupby("month"): group_df.drop(columns=["month"]).to_csv(OUT_DIR / f"data_{month}.csv", index=False, encoding="utf-8-sig") print(f"已生成 {month}.csv") with zipfile.ZipFile("delivery.zip", "w", zipfile.ZIP_DEFLATED) as zf: for f in OUT_DIR.glob("*.csv"): zf.write(f, arcname=f.name) print("全部完成") if __name__ == "__main__": main()

运行输出类似：

读取 20240101_export.csv: (5120, 8) 读取 20240102_export.csv: (3890, 8) 已生成 data_2024-01.csv 已生成 data_2024-02.csv 全部完成

整个脚本四五十行，但覆盖了文件遍历、批量读取、转化、导出和压缩。用到的一切都是pandas、pathlib、zipfile。

6. 给新手的几个文件操作小技巧

6.1 用tempfile处理临时文件

写脚本的时候，有时候需要生成中间文件，用完就扔。如果自己随便建一个tmp.txt，最后还得记得删，很麻烦。标准库的tempfile可以帮你自动处理：

import tempfile from pathlib import Path with tempfile.TemporaryDirectory() as tmpdir: tmp = Path(tmpdir) / "temp.csv" tmp.write_text("hello", encoding="utf-8") # 处理完之后目录自动清理

这个模式在做数据处理流水线时特别方便，不用操心垃圾文件残留。

6.2 用fileinput快速修改多个文件

如果你想在多个文件里做原地替换，不想手动先读后写，可以用fileinput模块：

import fileinput for line in fileinput.input("*.txt", inplace=True, backup=".bak", encoding="utf-8"): print(line.replace("old", "new"), end="")

这个脚本会让*.txt文件里的“old”全部替换成“new”，同时备份为.bak。虽然我其实很少推荐原地改文件，但如果你明确要做批量修改，fileinput确实是最短方案。

6.3 用pathlib统一处理目录时的小坑

Path.glob默认不会递归到子目录，想递归要用rglob。比如找出所有子目录下的.py文件：

for f in Path(".").rglob("*.py"): print(f)

另外，Path(".")是当前目录，但Path("~")并不代表用户目录，要用Path.home()。写脚本的时候顺手导入Path，能少掉很多路径字符串拼接的麻烦。

6.4 检查文件是否为空

判断一个文件是否为空，别用os.path.getsize()硬记，用Path.stat().st_size：

from pathlib import Path p = Path("data.csv") if p.stat().st_size > 0: # 非空 pass

如果你做的是流式处理，还可以先判断文件头几行是否为空再走逻辑，避免往下执行一堆无意义操作。

7. 常见问题速查表

这张表我建议直接存下来，遇到同类问题先对着排查，比盲目去翻StackOverflow快得多。

从我个人的经验来说，Python文件操作的核心不难，难的是你总觉得它简单，然后忽略边界情况。路径、编码、句柄、环境，这四件事处理好了，绝大多数脚本都能稳稳跑起来。以后你再写点什么爬虫、数据处理、自动化工具，先把地基打好，真的能少吃很多苦。