文件操作基础：读写、路径、异常处理全总结

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。

前言

做AI开发、数据处理、自动化脚本，绕不开一件事：文件操作。

不管你是读数据集、写模型日志、保存训练权重、处理配置文件，还是做批量数据清洗，本质上都是在和「文件」打交道。很多新手刚入门时，觉得文件读写就是几行open、read、write，随便写写就能跑。结果一上生产环境，各种坑接踵而至：路径找不到、编码乱码、文件忘关导致句柄泄漏、并发读写冲突、权限不够、大文件内存爆炸……

我做了22年开发，从早期本地AI模型训练，到2026年现在云原生+本地轻量化模型并行部署，见过太多项目因为文件操作不规范翻车：日志写崩、数据丢失、服务卡死、甚至线上故障。

这篇文章，我用最通俗、带点段子的方式，把文件读写、路径处理、异常处理三大核心模块一次性讲透，全部基于2026年最新Python规范与最佳实践，不搞过时套路，不写玄学代码，小白也能直接照抄用，老鸟也能查漏补缺。全文干货拉满，建议直接收藏，以后写文件操作直接翻这一篇就够。

一、先搞懂：Python文件操作的核心逻辑

很多人上来就写open("a.txt")，但根本不知道底层发生了什么。我打个比方：

文件操作 = 去图书馆借书还书

• open()：拿借书证，申请打开这本书
• read()/write()：翻书看、写笔记
• close()：还书，归还资源

你只借书不还书，图书馆（操作系统）的资源就被你占满了，最后谁都借不了——这就是文件句柄泄漏。

2026年的Python生态里，with open已经是绝对标准，没人再手动open+close，因为with会自动帮你“还书”，哪怕中间报错也能安全关闭。这是底线，记住：凡是手动open不写with的，都是在埋雷。

二、文件读写：从基础到实战，一次全学会

2.1 最基础：文本文件读写（r、w、a模式）

文件操作第一步，先分清三种最常用模式，别搞混，搞混就删数据：

1. r：只读，文件不存在直接报错
2. w：只写，文件不存在创建，存在则清空重写（高危！）
3. a：追加写，文件不存在创建，存在则在末尾加内容

我给你们写最稳的模板，直接复制用：

# 读文件withopen("test.txt","r",encoding="utf-8")asf:content=f.read()print(content)# 写文件（清空）withopen("test.txt","w",encoding="utf-8")asf:f.write("Hello AI 2026\n")f.write("文件操作基础教程\n")# 追加写withopen("test.txt","a",encoding="utf-8")asf:f.write("追加一行内容\n")

重点强调（2026年必记）：

• 必须带encoding="utf-8"
• Windows默认GBK，Linux/mac是UTF-8，不指定编码必出乱码
• 这是跨平台最稳写法，没有之一

2.2 按行读取：处理大文件不爆内存

很多新手犯傻：用read()一次性读10GB数据集，结果内存直接炸掉。

正确做法：逐行迭代，文件对象本身就是可迭代对象，一次只读一行，内存占用极低。

# 逐行读取（推荐！大文件专用）withopen("ai_dataset.txt","r",encoding="utf-8")asf:forlineinf:line=line.strip()# 去掉换行、空格ifline:# 跳过空行print(line)

做AI数据清洗、日志分析，这是标配写法。2026年哪怕你用Gemma 4、Qwen3本地推理，处理大语料集也必须这么写。

2.3 读写多行：readlines()与writelines()

# 一次性读所有行（返回列表）withopen("test.txt","r",encoding="utf-8")asf:lines=f.readlines()# 写入多行lines_to_write=["第一行\n","第二行\n","AI开发2026\n"]withopen("test.txt","w",encoding="utf-8")asf:f.writelines(lines_to_write)

注意：writelines不会自动加换行符，要自己加\n。

2.4 二进制文件读写：图片、模型、音频

AI开发里经常要读图片、读.pth/.bin模型文件、音频、视频，这些都是二进制文件，要用rb、wb、ab模式，不能加encoding。

# 读取图片（二进制）withopen("ai_image.jpg","rb")asf:img_data=f.read()# 写入模型文件withopen("model_2026.bin","wb")asf:f.write(model_bytes_data)

小口诀：

• 文本：r/w/a+encoding="utf-8"
• 非文本：rb/wb/ab，不加编码

三、路径处理：2026年最稳方案（pathlib）

过去大家爱用os.path，但2026年还在用os.path的，基本都是老顽固。

现代Python标准：pathlib，面向对象，跨平台无敌，代码更短更清晰。

我直接给你最实用的用法，全是AI开发高频场景。

3.1 基础路径创建与拼接

frompathlibimportPath# 当前目录current_dir=Path(".")# 拼接路径（自动适配系统）file_path=Path("dataset")/"2026"/"ai_data.txt"

/符号直接拼接，Windows自动变\，Linux/mac自动变/，完美跨平台。

3.2 常用路径判断

p=Path("test.txt")print(p.exists())# 是否存在print(p.is_file())# 是否是文件print(p.is_dir())# 是否是文件夹print(p.absolute())# 绝对路径print(p.parent)# 父目录print(p.name)# 文件名print(p.stem)# 文件名（无后缀）print(p.suffix)# 后缀（.txt）

做AI项目时，判断数据集是否存在、创建输出目录，全靠这几行。

3.3 目录创建（安全写法）

# 创建目录，不存在则创建，已存在不报错Path("output/model_2026").mkdir(parents=True,exist_ok=True)

parents=True：递归创建多级目录
exist_ok=True：目录已存在不抛异常

这是生产环境标准写法，避免因为目录已存在导致程序崩溃。

3.4 遍历目录：批量处理AI文件

# 遍历当前目录所有txt文件forfileinPath(".").glob("*.txt"):print(file)# 递归遍历所有子目录forfileinPath("dataset").rglob("*.jpg"):print(file)

做图像数据集、语音数据集批量处理，这是最常用代码。

四、异常处理：文件操作的“保命符”

不做异常处理的代码，只能在自己电脑跑，一上测试/生产必崩。

文件操作最常见4类异常：

1. FileNotFoundError：文件不存在
2. PermissionError：权限不足
3. IsADirectoryError：把目录当文件打开
4. UnicodeDecodeError：编码错误

我给你写工业级异常处理模板，直接套用到任何文件读写代码：

frompathlibimportPathdefsafe_read_file(file_path:str,encoding:str="utf-8")->str:"""安全读取文件，带完整异常处理"""p=Path(file_path)try:withopen(p,"r",encoding=encoding)asf:returnf.read()exceptFileNotFoundError:print(f"错误：文件不存在 ->{file_path}")return""exceptPermissionError:print(f"错误：没有权限读取 ->{file_path}")return""exceptIsADirectoryError:print(f"错误：{file_path}是目录，不是文件")return""exceptUnicodeDecodeError:print(f"错误：编码错误，尝试用 encoding={encoding}失败")return""exceptExceptionase:print(f"未知错误：{str(e)}")return""# 使用content=safe_read_file("ai_config.txt")

同样，安全写入模板：

defsafe_write_file(file_path:str,content:str,encoding:str="utf-8")->bool:"""安全写入文件，自动创建目录"""p=Path(file_path)try:# 先创建目录p.parent.mkdir(parents=True,exist_ok=True)withopen(p,"w",encoding=encoding)asf:f.write(content)returnTrueexceptExceptionase:print(f"写入失败：{str(e)}")returnFalse

2026年任何正规AI项目，文件读写都必须带类似封装，别写裸奔代码。

五、高级实战：2026年AI开发必备文件技巧

5.1 大文件分块读写（超大型数据集）

如果你处理几十GB的AI训练集，不能一次读入内存，必须分块：

defread_large_file(file_path,chunk_size=1024*1024):withopen(file_path,"rb")asf:whilechunk:=f.read(chunk_size):# 处理分块process_chunk(chunk)

:=海象运算符，Python3.8+支持，2026年已是常规操作。

5.2 JSON配置文件读写（AI项目标配）

几乎所有AI项目都有config.json，标准写法：

importjsonfrompathlibimportPathdefload_config(config_path="config.json"):p=Path(config_path)withopen(p,"r",encoding="utf-8")asf:returnjson.load(f)defsave_config(config,config_path="config.json"):p=Path(config_path)p.parent.mkdir(parents=True,exist_ok=True)withopen(p,"w",encoding="utf-8")asf:json.dump(config,f,ensure_ascii=False,indent=4)

ensure_ascii=False：保证中文不转义
indent=4：格式化，方便人类阅读

5.3 CSV/TSV文件极简读写（数据集常用）

2026年推荐用内置csv模块或pandas，这里给轻量版：

importcsv# 读CSVwithopen("ai_data.csv","r",encoding="utf-8",newline="")asf:reader=csv.DictReader(f)forrowinreader:print(row["name"],row["value"])# 写CSVwithopen("output.csv","w",encoding="utf-8",newline="")asf:writer=csv.DictWriter(f,fieldnames=["name","value"])writer.writeheader()writer.writerow({"name":"Gemma4","value":"2026"})

5.4 文件复制、移动、删除（pathlib版）

frompathlibimportPathimportshutil# 复制文件shutil.copy2("src.txt","dst.txt")# 移动/重命名Path("old.txt").rename("new.txt")# 删除文件Path("temp.txt").unlink(missing_ok=True)# 不存在不报错# 删除目录（递归）shutil.rmtree("temp_dir")

unlink(missing_ok=True)是Python3.8+，2026年毫无压力。

六、最容易踩的10个坑（我22年踩出来的血泪史）

1. 不用with，手动open不close→ 文件句柄泄漏
2. 不指定编码→ Windows/Linux乱码，线上必炸
3. 用w模式不小心覆盖重要文件→ 数据直接没了
4. 大文件read()一次性读入→ OOM内存溢出
5. 路径拼接用字符串相加→ 跨平台崩溃
6. 不判断文件是否存在→ 直接抛异常
7. 不创建目录直接写文件→ FileNotFoundError
8. 二进制文件加encoding→ 直接报错
9. 异常只抓Exception不细分→ 无法定位问题
10. Windows路径写死\→ 放到Linux直接跑路

这些坑，我见过无数实习生、甚至工作几年的开发者反复踩。你把这篇文章里的模板背下来，直接避开99%的坑。

七、总结：一张脑图记住所有文件操作核心

• 读写：with open+r/w/a/rb/wb/ab+utf-8
• 路径：pathlib>os.path，用/拼接，mkdir(parents=True, exist_ok=True)
• 异常：捕获FileNotFound、Permission、UnicodeDecodeError
• 大文件：逐行 / 分块读取
• 配置：JSON读写标配ensure_ascii=False, indent=4
• 生产原则：绝不裸奔，必封装，必判断，必异常处理

文件操作是AI开发、Python开发最基础的基本功，看着简单，实则决定项目稳不稳定。2026年的AI开发，模型越来越强，但底层基础越不能丢。你把文件操作写得干净、稳健、安全，你的代码质量就已经超过80%的人。

后面我会继续写《2026年AI开发工程化最佳实践》《数据集处理高阶技巧》《模型保存与加载避坑指南》，关注我，不迷路。

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。