在日常工作和学习中，我们经常需要处理文本文件（.txt）。Python强大的文本处理能力使得我们可以轻松地进行读取、对比、过滤、合并、转换格式、提取数据、统计词频以及生成报告等操作。
本文将分享10个使用Python编写的自动化脚本，帮助新手更好地理解这些功能。
1. 读取文本文件
# 读取文本文件
def read_file(file_path):
with open(file_path, 'r', encoding='utf-8') as file:
content = file.read()
return content
file_content = read_file('example.txt')
print(file_content)解释
这个脚本读取一个名为example.txt的文本文件，并打印出文件内容。对于程序员来说，这是一项基本技能；而对于普通用户，比如在工作中需要查阅某些文档时，这样的脚本非常实用。
2. 文本文件对比
# 对比两个文本文件是否相同
def compare_files(file1, file2):
with open(file1, 'r', encoding='utf-8') as f1, open(file2, 'r', encoding='utf-8') as f2:
return f1.read() == f2.read()
are_equal = compare_files('file1.txt', 'file2.txt')
print(f"两个文件是否相同: {are_equal}")解释
这个脚本比较了两个文本文件的内容是否相同。对于开发者来说，确保不同版本的文档或代码不发生意外更改十分重要；对普通用户而言，如检查备份文件是否一致也是一项常见需求。
3. 过滤特定内容
# 过滤掉包含特定单词的行
def filter_lines(file_path, keyword):
with open(file_path, 'r', encoding='utf-8') as file:
lines = [line for line in file if keyword not in line]
return lines
filtered_lines = filter_lines('example.txt', '不需要的内容')
print("过滤后的内容：")
for line in filtered_lines:
print(line.strip())解释
这个脚本从文本文件中筛选出不包含特定关键词的行。例如，如果你正在处理一个长长的日志文件，想要排除掉某些无关记录，使用这个脚本可以高效完成。
4. 合并多个文本文件
# 合并多个文本文件
def merge_files(output_file, *input_files):
with open(output_file, 'w', encoding='utf-8') as outfile:
for file_name in input_files:
with open(file_name, 'r', encoding='utf-8') as infile:
outfile.write(infile.read() + "\n")
merge_files('merged.txt', 'file1.txt', 'file2.txt', 'file3.txt')
print("文件合并成功！")解释
这个脚本将多个文本文件合并成一个新的文件。在实际应用中，比如收集多个项目的进度报告，将它们整合为一个文档，这个脚本非常有用。
5. 转换文件编码
# 转换文本文件编码
def convert_encoding(input_file, output_file, target_encoding='utf-8'):
with open(input_file, 'r', encoding='gbk') as infile:
content = infile.read()
with open(output_file, 'w', encoding=target_encoding) as outfile:
outfile.write(content)
convert_encoding('old_file.txt', 'new_file.txt', 'utf-8')
print("文件编码转换成功！")解释
该脚本将文件从一种编码格式（如GBK）转换为另一种（如UTF-8）。对于程序员来说，处理国际化文本时经常需要考虑编码问题；而普通用户在打开某些特殊格式文档时也可能遇到编码错误。
6. 提取特定数据
# 提取以特定标记开头的行
def extract_data(file_path, prefix):
with open(file_path, 'r', encoding='utf-8') as file:
extracted = [line for line in file if line.startswith(prefix)]
return extracted
data_lines = extract_data('example.txt', '重要信息:')
print("提取的数据：")
for line in data_lines:
print(line.strip())解释
此脚本从文本文件中提取所有以“重要信息:”开头的行。这在分析结构化数据时特别有用，比如从配置文件中获取设置。
7. 统计词频
from collections import Counter
# 统计文件中的词频
def count_words(file_path):
with open(file_path, 'r', encoding='utf-8') as file:
words = file.read().split()
return Counter(words)
word_count = count_words('example.txt')
print("词频统计：")
for word, count in word_count.items():
print(f"{word}: {count}")解释
该脚本统计文本文件中每个单词出现的次数。在撰写文章或分析文本时，了解常用词汇能够帮助我们优化表述。
8. 生成报告
# 生成简单的文本报告
def generate_report(data, report_file):
with open(report_file, 'w', encoding='utf-8') as file:
file.write("文本分析报告\n")
file.write("=====================\n")
for item in data.items():
file.write(f"{item[0]}: {item[1]}\n")
report_data = {'项目A': 10, '项目B': 15}
generate_report(report_data, 'report.txt')
print("报告生成成功！")解释
该脚本创建一个文本报告，列出项目及其对应的数据。这对任何需要总结信息的人来说都是很有用的，比如在团队会议上提供进展报告。
9. 替换文本内容
# 替换文本文件中的指定内容
def replace_text(file_path, old_string, new_string):
with open(file_path, 'r', encoding='utf-8') as file:
content = file.read()
new_content = content.replace(old_string, new_string)
with open(file_path, 'w', encoding='utf-8') as file:
file.write(new_content)
replace_text('example.txt', '旧内容', '新内容')
print("文本内容替换成功！")解释
这个脚本将example.txt中所有的“旧内容”替换为“新内容”。在实际工作中，比如更新文档或修正信息时，这个功能非常方便。对于开发者而言，需要对代码中的某些字符串进行批量修改时，这也是一种常见操作。
10. 按行号提取数据
# 按指定行号提取内容
def extract_lines_by_numbers(file_path, line_numbers):
with open(file_path, 'r', encoding='utf-8') as file:
lines = file.readlines()
extracted_lines = [lines[i - 1].strip() for i in line_numbers if 0 < i <= len(lines)]
return extracted_lines
line_indices = [1, 3, 5] # 提取第1、3、5行
extracted_content = extract_lines_by_numbers('example.txt', line_indices)
print("提取的行内容：")
for line in extracted_content:
print(line)解释
该脚本根据给定的行号从文本文件中提取相应的行内容。
例如，如果需要查看一份报告的特定页码的信息，可以使用这个脚本快速获取。对于用户和开发者来说，按行号提取内容是一种非常直观且有用的方法。
以上就是10个实用的Python自动化脚本示例，希望能帮助你在日常工作中提高效率！通过这些简单的例子，你可以看到Python处理文本文件的强大能力，也希望能激发你进一步探索的兴趣。