7.1.4 文件的读取
当文件被打开后，根据打开方式的不同可以对文件进行相应的读写操作。当文件以文本文件方式打开时，读写按照字符串方式，采用当前计算机使用的编码或指定的编码。当文件以二进制文件方式打开时，读写按照字节流方式。Python提供了3个常用的文件内容读取方式，如表7-2所示。
表7-2 文件内容读取方式
将文件中的内容读出来，并打印。
方法一：一次读入，统一处理。
使用read（）函数，不给参数，则表示读取整个文档的内容，并将读取内容作为一个字符串返回。例如，要读取同目录中的文本文件poem.txt，一次读取的代码如下：
运行结果如下：
注意：在读文件内容时，碰到文件中换行的位置，会读取到换行符“\n”，当使用print打印时，会把“\n”当作换行打印。所以上面代码输出来，虽然读取时得到的是一个整的字符串，但是输出时会出现换行。
read（）方法的缺点在于：当读入文件非常大时，一次性将内容读取到列表中会占用很多内存，影响程序执行速度。
方法二：按量读入，逐步处理。
使用read（n），给出参数，参数值表示要读取字符的个数。如果要读完整个文档，需要跟循环相结合。例如，要读取同目录中的文本文件poem.txt，每次读9个字符，实现代码如下：
运行结果：
方法三：一次读入，分行处理。
使用readlines（）方法会按行读取文件中的内容，返回类型为列表，每一行为列表中的一个元素。如果不给参数，则读完整个文档。如果要输出文档中的内容，则用遍历列表的方式进行输出。代码如下：
运行结果：
注意：使用readlines（）方法读取的结果是一个列表。文件中的一行为列表中的一个元素。因而想输出所有内容，需要对列表进行遍历。
方法四：分行读入，逐行处理。
使用readlines（n）方法时，给出了参数n，表示一次读n行，返回值为列表，每行为列表中的一个元素。例如，读poem.txt中的内容时，一次只读一行的代码如下：
运行结果：
拓展：
除了使用open（）方法外，还可以使用“with open（）as变量名”这种方法。
使用with语句的好处就是到达语句末尾时会自动关闭文件，即使出现异常也会自动关闭文件。
运行结果：
【案例7-1】 文件读取举例：词频统计，以Hamlet为例。
在现实中常常会遇到这样的问题，一篇文章需要统计多次出现的词语，从而分析文章内容。在对网络信息进行自动检索和归档时，也会遇到这样的问题。
词频统计的本质就是词语数量的累加问题，对每一个词语设计一个计数器，每出现1次，相应的计数器就加1。因为一篇文章中的词语量比较大，为避免词语计数器发生混乱，可以将词语与相应的计数器组成键值对。
《哈姆雷特》代表着整个西方文艺复兴时期文学的最高成就，很多国内外的电影都是以此为原型的。
先获取《哈姆雷特》的文章内容，以hamlet.txt文本文件保存，该书可以在网络上找到并下载。
第一步，获取英文文本。内容存储在文本文件中，此处需要用到本章的文件打开与读取方法。打开文件：open（文件名，打开方式）。读取全文：read（）。
第二步，统一大小写。由于同一个单词会存在大小写不同的形式，但计数时不应该区分大小写，将它们归为一个单词。统一转换为小写：lower（）。
第三步，去掉标点符号。标点符号不参与计数，为避免标点符号对分词造成影响，需要将原文中的各类标点符号用replace（）方法替换成空格。
第四步，提取单词。利用相应的方法将单词进行分解并提取，英文文本以空格或标点符号来分隔词语，获得单词并统计数量相对容易。统一用空格来分离单词：split（）。
第五步，创建字典，用于存储词语及对应的计数器。
第六步，遍历文本，对计数器值进行修改。计数器值的变化就是对值进行修改，而修改是指在原有的基础上加1，则可以使用字典的“d.get（key，default）+1”方式来实现，如果词语在字典中存在，则获得原有值，在这个值的基础上进行修改，如果这个词语不存在，则将它的默认值设为0，表示第一次出现。
第七步，字典转换为列表，按词频排序。由于字典是无序的，因此想要显示词频最高的词语，需要先将其转换为序类型，才能实现排序。转换函数为list（），排序函数为sort（），字典转换为列表会是一个二元关系，即二维列表，排序需要使用key属性，使用lambda（）函数指定排序的依据。
第八步，遍历列表，输出词语及词频。按需要将前10个高频词及次数输出。
运行结果：
从运行结果可以看出，高频词语大多是冠词、代词、连接词等语法型词汇，并不能代表文章的含义。想要优化程序，可以采用集合类型构建一个排除词汇库excludes，在输出结果中将这个词库中的内容先排除掉。在原有的程序上添加代码，修改如下：
运行结果：
修改后的运行结果还是存在很多语法词汇，如果希望排除更多，可以在集合中继续增加内容，感兴趣的读者可以进一步完善该功能。