Lire des fichiers

Le pont vers le disque

Les programmes qui ne calculent qu’avec ce que l’utilisateur tape sont encagés en mémoire. Les fichiers ouvrent la porte : un fichier est une séquence de lignes, et le lire, c’est marcher sur cette séquence. Le premier pas est open(), qui renvoie un objet fichier collé à la porte :

f = open("data.txt", "r")  # mode lecture
content = f.read()
f.close()  # fermez toujours quand c'est fini !

"r" veut dire lecture seule. Et la discipline est lourde : close() doit courir quand vous avez fini, sinon le descripteur fuit, le fichier reste tenu longtemps après que vous avez cessé d’en avoir besoin. L’oublier, c’est la première génération de bugs de fichiers.

L’instruction with : fermer comme une promesse

with rend la fermeture automatique, même quand une erreur fait irruption au milieu :

with open("data.txt") as f:
    content = f.read()
# le fichier est fermé ici

Le bloc with déclare un contrat : ouvrez-le ici, et il sera fermé quand ce bloc se terminera, normalement ou par exception. La vie du descripteur est encadrée dans le bloc, donc il ne reste rien à oublier.

Stratégies de lecture

Un fichier, trois appétits :

# Lire le fichier entier comme une chaîne
with open("data.txt") as f:
    text = f.read()

# Lire ligne par ligne (économe en mémoire pour les gros fichiers)
with open("data.txt") as f:
    for line in f:
        print(line.rstrip())  # retire le saut de ligne final

# Lire toutes les lignes dans une liste
with open("data.txt") as f:
    lines = f.readlines()  # inclut \n dans chaque chaîne

f.read() prend tout d’un coup ; readlines() scinde en une liste ; et itérer for line in f avance dans le fichier une ligne à la fois, ne retenant que la ligne courante en mémoire. Le dernier est la prescription pour un fichier trop grand pour tenir : traitez chaque ligne et passez, sans jamais rassembler le tout.

Pathlib : des chemins avec un vocabulaire

La concaténation de chemins avec + se lit comme de l’archéologie. pathlib vous tend un Path dont les méthodes disent ce qu’elles font :

from pathlib import Path

p = Path("data") / "scores.txt"    # Path('data/scores.txt')
text = p.read_text()               # lit tout le fichier
lines = p.read_text().splitlines() # lignes sans \n

p.exists()   # True/False
p.is_file()  # True/False
p.suffix     # '.txt'
p.stem       # 'scores'

La / joint des morceaux en un chemin comme le système de fichiers joint des dossiers ; exists, is_file, suffix et stem interrogent ce que le chemin est. Les chemins deviennent des données avec des réponses plutôt que des chaînes à éplucher.

Encodage : le contrat des lettres

Le texte est des octets jusqu’à ce qu’une convention les interprète. Épinglez cette convention pour la portabilité entre machines :

with open("data.txt", encoding="utf-8") as f:
    text = f.read()

Sans encoding, Python retombe sur le défaut du système, qui varie selon la plateforme, le même fichier, illisible sur une machine Windows et propre sur Linux. Déclarer utf-8 fait signifier aux octets les mêmes lettres partout.

Un exemple travaillé : le fichier de notes, ligne par ligne

La marche sûre en mémoire, accumuler sans jamais tenir le fichier entier :

with open("scores.txt", encoding="utf-8") as f:
    total = 0
    count = 0
    for line in f:
        total += int(line.strip())
        count += 1

print(f"Avg: {total / count}")

Chaque ligne est lue, débarrassée de son saut de ligne, convertie et lâchée avant l’arrivée de la suivante, le fichier s’écoule sans jamais se rassembler entier. La promesse de with ferme le fichier quand le bloc se termine, normalement ou par exception.

Pièges courants

• Oublier with. Les descripteurs fuient quand rien ne les ferme ; laissez le bloc posséder la vie du fichier.
• Avaler des fichiers énormes. f.read() sur un gros fichier peut épuiser la mémoire, itérez for line in f à la place.
• Ignorer l’encodage. Les lettres non-ASCII deviennent des hiéroglyphes quand la convention est laissée au hasard.
• Chemins codés en dur. pathlib.Path fait marcher le même code sur chaque système d’exploitation.
• Un fichier consommé se lit vide. Après f.read(), la position est à la fin ; une deuxième lecture renvoie '' et readlines() renvoie []. Lisez une fois, ou rouvrez.