کار با فایل‌ها

برنامه‌های واقعی نیاز به ذخیره و خواندن داده دارند. در این فصل با کار با فایل‌های متنی، CSV، JSON و pathlib مدرن آشنا می‌شویم.

تابع open()

# ساختار کلی
file = open("filename.txt", mode="r", encoding="utf-8")
# ... کار با فایل
file.close()    # حتماً ببندید!

# روش بهتر: with statement
with open("filename.txt", "r", encoding="utf-8") as file:
    content = file.read()
# فایل به‌صورت خودکار بسته می‌شود

حالت‌های (mode) باز کردن

خواندن فایل

# خواندن کل فایل
with open("notes.txt", "r", encoding="utf-8") as f:
    content = f.read()
    print(content)

# خواندن خط به خط (حلقه)
with open("notes.txt", "r", encoding="utf-8") as f:
    for line in f:
        print(line.rstrip())    # rstrip حذف n انتها

# خواندن یک خط
with open("notes.txt", "r", encoding="utf-8") as f:
    first_line = f.readline()

# خواندن همه خطوط در لیست
with open("notes.txt", "r", encoding="utf-8") as f:
    lines = f.readlines()
    print(lines)    # ['خط اولn', 'خط دومn', ...]

# خواندن فقط N کاراکتر
with open("notes.txt", "r", encoding="utf-8") as f:
    chunk = f.read(100)    # 100 کاراکتر اول

نوشتن فایل

# نوشتن (با w محتوای قبلی پاک می‌شود!)
with open("output.txt", "w", encoding="utf-8") as f:
    f.write("سلام دنیاn")
    f.write("خط دومn")
    f.write("خط سومn")

# نوشتن چند خط
lines = ["خط ۱n", "خط ۲n", "خط ۳n"]
with open("output.txt", "w", encoding="utf-8") as f:
    f.writelines(lines)

# اضافه کردن (بدون پاک کردن قبلی)
with open("log.txt", "a", encoding="utf-8") as f:
    f.write(f"n[{datetime.now()}] رویداد جدید")

# نوشتن لیست با خط جدید
items = ["سیب", "موز", "پرتقال"]
with open("fruits.txt", "w", encoding="utf-8") as f:
    f.write("n".join(items))

کار با CSV

CSV (Comma-Separated Values) فرمت پرکاربرد برای داده‌های جدولی:

خواندن CSV

import csv

# خواندن ساده
with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)    # ['ali', '25', 'Tehran']

# با هدر
with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.reader(f)
    header = next(reader)    # خط اول
    print("ستون‌ها:", header)
    for row in reader:
        print(row)

# DictReader - دسترسی با اسم ستون (بهتر!)
with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row["name"], row["age"])

نوشتن CSV

import csv

# نوشتن با writer
data = [
    ["نام", "سن", "شهر"],
    ["علی", 25, "کاشان"],
    ["زهرا", 30, "تهران"],
    ["محمد", 28, "اصفهان"],
]

with open("output.csv", "w", encoding="utf-8", newline="") as f:
    writer = csv.writer(f)
    writer.writerows(data)

# DictWriter - با کلید (بهتر!)
records = [
    {"name": "علی", "age": 25, "city": "کاشان"},
    {"name": "زهرا", "age": 30, "city": "تهران"},
]

with open("users.csv", "w", encoding="utf-8", newline="") as f:
    fieldnames = ["name", "age", "city"]
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerows(records)

with open("file.csv", "w", encoding="utf-8-sig", newline="") as f: ...

کار با JSON

JSON فرمت استاندارد تبادل داده در API و وب است:

import json

# تبدیل dict پایتون به رشته JSON
data = {
    "name": "محمدعلی",
    "age": 35,
    "skills": ["Python", "Django"],
    "is_active": True,
    "balance": None
}

# dumps - تبدیل به رشته
json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)

# loads - تبدیل رشته به dict
parsed = json.loads(json_str)
print(parsed["name"])

# نوشتن در فایل
with open("user.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

# خواندن از فایل
with open("user.json", "r", encoding="utf-8") as f:
    loaded = json.load(f)
print(loaded["skills"])

پارامترهای مهم json.dump

json.dump(data, f, 
    ensure_ascii=False,    # ← مهم برای فارسی!
    indent=2,              # تورفتگی برای خوانایی
    sort_keys=True,        # مرتب کردن کلیدها
)

نگاشت نوع داده

pathlib – راه مدرن

pathlib (از Python 3.4) جایگزین مدرن و شیءگرای os.path است:

from pathlib import Path

# مسیر جاری
current = Path.cwd()
print(current)

# مسیر home
home = Path.home()

# ساخت مسیر (cross-platform!)
config = Path("data") / "config" / "settings.json"
print(config)    # data/config/settings.json (لینوکس)
                 # dataconfigsettings.json (ویندوز)

# اطلاعات مسیر
p = Path("/home/ali/project/file.txt")
print(p.name)        # file.txt
print(p.stem)        # file (بدون پسوند)
print(p.suffix)      # .txt
print(p.parent)      # /home/ali/project
print(p.parts)       # ('/', 'home', 'ali', 'project', 'file.txt')

# بررسی وجود
print(p.exists())
print(p.is_file())
print(p.is_dir())

# ساخت پوشه
Path("data/cache").mkdir(parents=True, exist_ok=True)

# لیست محتوای پوشه
for item in Path(".").iterdir():
    print(item)

# جستجوی glob
for py_file in Path(".").glob("*.py"):
    print(py_file)

# جستجوی recursive
for txt in Path(".").rglob("*.txt"):
    print(txt)

# خواندن/نوشتن مستقیم!
content = Path("notes.txt").read_text(encoding="utf-8")
Path("output.txt").write_text("سلام", encoding="utf-8")

# حذف
Path("temp.txt").unlink()           # فایل
Path("empty_dir").rmdir()           # پوشه خالی

مثال‌های واقعی

لاگ کردن رویدادها

from datetime import datetime

def log(message):
    timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
    with open("app.log", "a", encoding="utf-8") as f:
        f.write(f"[{timestamp}] {message}n")

log("شروع برنامه")
log("کاربر ali وارد شد")
log("درخواست API ارسال شد")

شمارش کلمات در فایل

from collections import Counter
from pathlib import Path

text = Path("article.txt").read_text(encoding="utf-8")
words = text.split()
counts = Counter(words)

print("۱۰ کلمه پرتکرار:")
for word, count in counts.most_common(10):
    print(f"{word}: {count}")

پشتیبان‌گیری دیتا

import json
from datetime import datetime
from pathlib import Path

def backup_data(data, base_name="backup"):
    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
    filename = f"{base_name}_{timestamp}.json"
    
    Path("backups").mkdir(exist_ok=True)
    backup_path = Path("backups") / filename
    
    with open(backup_path, "w", encoding="utf-8") as f:
        json.dump(data, f, ensure_ascii=False, indent=2)
    
    print(f"پشتیبان ذخیره شد: {backup_path}")

users = [{"name": "علی", "age": 25}]
backup_data(users, "users")

تبدیل CSV به JSON

import csv
import json

def csv_to_json(csv_path, json_path):
    with open(csv_path, "r", encoding="utf-8") as f:
        reader = csv.DictReader(f)
        data = list(reader)
    
    with open(json_path, "w", encoding="utf-8") as f:
        json.dump(data, f, ensure_ascii=False, indent=2)
    
    print(f"تبدیل شد: {csv_path} → {json_path}")

csv_to_json("users.csv", "users.json")

تمرین فصل

جمع‌بندی

• تابع open() با حالت‌های مختلف
• الزام encoding="utf-8" برای فارسی
• استفاده از with برای بستن خودکار
• خواندن: read، readline، readlines، حلقه
• نوشتن: write، writelines
• CSV با csv.DictReader و csv.DictWriter
• JSON با json.dump و json.load + ensure_ascii=False
• pathlib.Path – روش مدرن کار با مسیرها