python读取文件最后一行两种方式

1）常规方法：从前往后依次读取

步骤：open打开文件。

读取文件，把文件所有行读入内存。

遍历所有行，提取指定行的数据。

优点：简单，方便

缺点：当文件大了以后时间太慢，无法忍受

2）推荐方法：

步骤：open打开日志文件。

移动文件读取指针到文件末尾。

从后往前移动指针直到合适的位置。

读取文件，提取指定行的数据。

优点：时间相对固定，适合处理大文件

代码实现

fname = 'test.html'

with open(fname, 'r', encoding='utf-8') as f: # 打开文件

lines = f.readlines() # 读取所有行

first_line = lines[0] # 取第一行

last_line = lines[-1] # 取最后一行

print('文件' + fname + '第一行为：'+ first_line)

print('文件' + fname + '最后一行为：' + last_line)

with open(fname, 'rb') as f: # 打开文件

# 在文本文件中，没有使用b模式选项打开的文件，只允许从文件头开始,只能seek(offset,0)

first_line = f.readline() # 取第一行

offset = -50 # 设置偏移量

while True:

"""

file.seek(off, whence=0)：从文件中移动off个操作标记（文件指针），正往结束方向移动，负往开始方向移动。

如果设定了whence参数，就以whence设定的起始位为准，0代表从头开始，1代表当前位置，2代表文件最末尾位置。

"""

f.seek(offset, 2) # seek(offset, 2)表示文件指针：从文件末尾(2)开始向前50个字符(-50)

lines = f.readlines() # 读取文件指针范围内所有行

if len(lines) >= 2: # 判断是否最后至少有两行，这样保证了最后一行是完整的

last_line = lines[-1] # 取最后一行

break

# 如果off为50时得到的readlines只有一行内容，那么不能保证最后一行是完整的

# 所以off翻倍重新运行，直到readlines不止一行

offset *= 2

print('文件' + fname + '第一行为：' + first_line.decode())

print('文件' + fname + '最后一行为：' + last_line.decode())

本文要点刚要：

（一）读文本文件格式的数据函数：read_csv,read_table

1.读不同分隔符的文本文件，用参数sep

2.读无字段名（表头）的文本文件 ，用参数names

3.为文本文件制定索引，用index_col

4.跳行读取文本文件，用skiprows

5.数据太大时需要逐块读取文本数据用chunksize进行分块。

（二）将数据写成文本文件格式函数：to_csv

范例如下：

（一）读取文本文件格式的数据集

1.read_csv和read_table的区别:

#read_csv默认读取用逗号分隔符的文件，不需要用sep来指定分隔符

import pandas as pd

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.csv')

#read_csv如果读的是用非逗号分隔符的文件，必须要用sep指定分割符，不然读出来的是原文件的样子，数据没被分割开

import pandas as pd

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt')

#与上面的例子可以对比一下区别

import pandas as pd

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|')

#read_table读取文件时必须要用sep来指定分隔符，否则读出来的数据是原始文件，没有分割开。

import pandas as pd

pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.csv')

#read_table读取数据必须指定分隔符

import pandas as pd

pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|')

2.读取文本文件时不用header和names指定表头时，默认第一行为表头

#用header=None表示数据集没有表头，会默认用阿拉伯数字填充表头和索引

pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|',header=None)

#用names可以自定义表头

pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|',

names=['x1','x2','x3','x4','x5'])

3.默认用阿拉伯数字指定索引；用index_col指定某一列作为索引

names=['x1','x2','x3','x4','x0']

pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|',

names=names,index_col='x0')

4.以下示例是用skiprows将hello对应的行跳过后读取其他行数据，不管首行是否作为表头，都是将表头作为第0行开始数

可以对比一下三个例子的区别进行理解

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data1.txt')

names=['x1','x2','x3','x4','x0']

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data1.txt',names=names,

skiprows=[0,3,6])

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data1.txt',

skiprows=[0,3,6])

pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data1.txt',header=None,

skiprows=[0,3,6])

5.分块读取，data1.txt中总共8行数据，按照每块3行来分，会读3次，第一次3行，第二次3行，第三次1行数据进行读取。

注意这里在分块的时候跟跳行读取不同的是，表头没作为第一行进行分块读取，可通过一下两个例子对比进行理解。

chunker = pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data1.txt',chunksize=3)

for m in chunker:

print(len(m))

print m

chunker = pd.read_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data1.txt',header=None,

chunksize=3)

for m in chunker:

print(len(m))

print m

（二）将数据写入文本格式用to_csv

以data.txt为例,注意写出文件时，将索引也写入了

data=pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|')

print data

#可以用index=False禁止索引的写入。

data=pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|')

data.to_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\outdata.txt',sep='!',index=False)

#可以用columns指定写入的列

data=pd.read_table('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\data.txt',sep='|')

data.to_csv('C:\Users\xiaoxiaodexiao\pythonlianxi\test0424\outdata2.txt',sep=',',index=False,

columns=['a','c','d'])