文字檔案處理 ECCH7

導入 你將會學到什麼？

在真實的程式開發中，資料往往不是「直接在程式內寫死」，而是儲存在不同的檔案之中，例如：

• 文字檔案：逐行記錄日誌、留言、清單、設定。
• CSV：用定界符號把資料分成欄，常見於成績表、統計表、匯出資料。
• JSON：用結構化方式保存資料，適合題庫、設定、清單、物件資料。

本章以「輸入－處理－輸出周期」為主線：先從檔案讀入資料（輸入），再用程式整理與計算（處理），最後輸出成新的檔案或報告（輸出）。

課題 1 檔案與資料格式：文字檔案、CSV、JSON

重點

• 文字檔案以「字元」為單位保存內容；讀取後通常以「字串」處理。
• CSV 以「定界符號」分隔欄位，最常見的定界符號是逗號。
• JSON 以結構化方式保存資料，適合表示巢狀資料（例如清單內再包含清單）。
• 同一份資料可以用不同格式保存；選擇格式時要考慮可讀性、可移植性與處理難度。

教學：在 Python 寫入文字檔案（建立示例資料）

寫入文字檔案的基本流程是：以 with open(...) 開啟檔案（常用 w 覆蓋寫入）、指定 encoding="utf-8"，再逐行寫入並自行加入換行符號 \\n。

lines = ["Amy 78", "Ben 92", "Cathy 85"]
with open("scores.txt", "w", encoding="utf-8") as f:
    for line in lines:
        f.write(line + "\n")

Amy 78
Ben 92
Cathy 85

name,score
Amy,78
Ben,92
Cathy,85

[
  {"name": "Amy", "score": 78},
  {"name": "Ben", "score": 92},
  {"name": "Cathy", "score": 85}
]

當你面對一個「資料檔案」，第一步不是立即寫程式，而是先判斷資料的結構：是自由文字？是表格？還是有巢狀的欄位？結構越清晰，你寫出的算法就越簡潔，也更不容易出錯。

文字檔案最彈性，但也最容易「規則不一」。CSV 對表格非常友好，適合快速整理與統計。JSON 則適合保存更複雜的資料，例如「題目」包含「選項陣列」、「答案」與「解釋」等多層資料。

在本章的後續課題，你會先學會如何讀寫文字檔案，再逐步把讀入的內容轉成「陣列」或其他資料結構，最後輸出成你需要的格式。

為何應從文字檔案讀取資料？

• 資料重用：同一批資料可在不同程式或多次執行中重複使用，避免每次重新輸入。
• 準確性：先把資料整理在檔案內，可降低人手輸入造成的錯字、漏輸或格式不一致。
• 自動化：面對大量資料（例如全班 30 位同學的中英數學成績），以檔案輸入更適合做批次統計、篩選與輸出報表。

Python 練習

以下練習提供「檔案檢視器」，以左右兩欄顯示文本檔案原本與目前內容。你可直接在右欄修改檔案內容，再執行程式觀察結果；如需還原，請按「重設文本檔案」。

課題 2 讀取文字檔案：逐行讀取與資料清洗

重點

• open() 用於打開檔案；常用模式是 r（讀取）。
• 使用 with 語句可確保檔案在使用後自動關閉，減少錯誤。
• read()、readline()、readlines() 的行為不同：要按需要選擇。
• 讀入後通常需要清洗：移除換行、忽略空行、去除多餘空白。

教學：在 Python 寫入文字檔案（輸出清洗後的結果）

讀取檔案後通常要清洗資料（例如去除空白與空行）。最簡潔的做法是「邊讀邊寫」：讀入一行就清洗一行，並立即寫到新檔案。

with open("raw.txt", "r", encoding="utf-8") as fin, \
     open("clean.txt", "w", encoding="utf-8") as fout:
    for line in fin:
        s = line.strip()
        if s:
            fout.write(s + "\n")

with open("data.txt", "r", encoding="utf-8") as f:
    text = f.read()
# 離開區塊後，檔案會自動關閉

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

with open("data.txt", "r", encoding="utf-8") as f:
    line = f.readline()

with open("data.txt", "r", encoding="utf-8") as f:
    for line in f:
        line = line.strip()
        if line:
            print(line)

處理文字檔案時，最常見的資料單位是「一行」。一行可能代表一條記錄（例如一位同學），也可能代表一個設定（例如 theme=dark）。因此，逐行讀取通常最自然：你可以在每次讀到一行時立即清洗與解析。

在讀入資料之後，請先把「非資料」清走，例如多餘空白、換行、空行，然後再把內容轉成你需要的資料結構，例如把每行拆成欄位，再放入陣列。這樣做的好處是：後面的計算與輸出會更穩定，較少出現「資料長度不一致」的錯誤。

良好的讀取策略也與檔案大小有關。小檔案用 read() 可以快速完成；大檔案建議逐行處理，讓程式保持流暢並降低記憶體壓力。

Python 練習：開啟檔案與讀取方法

本節會透過多個練習，讓你比較 read()、readline() 與 readlines() 在「文字檔案串流（text file stream）」中的行為差異。

課題 3 檔案開啟模式（WAX）：w／a／x 的用途與差異

重點

• 常用的三種文字檔案開啟模式：w（Write，覆寫寫入）、a（Append，附加寫入）、x（eXclusive create，只在檔案不存在時建立）。
• write() 只接受字串；寫入數字前通常要先轉換成字串。
• 控制換行很重要：文字檔案通常以 \\n 分隔每一行。
• 輸出檔案是「讓結果可保存、可分享、可再次處理」的關鍵一步。

教學：WAX 模式快速比較（w 覆寫、a 附加、x 建立新檔）

選擇正確的開啟模式非常重要：

• w：清空舊內容後再寫入，適合「重新生成」一份完整報告。
• a：在檔案末端附加內容，適合日誌或逐次追加紀錄。
• x：只在檔案不存在時建立新檔；若已存在會報錯，用於防止覆蓋舊資料。

# w：覆寫（會清空原內容）
with open("report.txt", "w", encoding="utf-8") as f:
    f.write("班別：3A\n")
    f.write("平均分：78.5\n")

# a：附加（保留原內容，從檔尾加入）
with open("log.txt", "a", encoding="utf-8") as f:
    f.write("2026-01-08 18:30 完成統計\n")

# x：建立新檔（已存在會報錯，避免覆蓋）
try:
    with open("new_report.txt", "x", encoding="utf-8") as f:
        f.write("第一次建立成功\n")
except FileExistsError:
    print("檔案已存在：請改用 w 或 a")

with open("report.txt", "w", encoding="utf-8") as f:
    f.write("班別：3A\\n")
    f.write("平均分：78.5\\n")

with open("report.txt", "w", encoding="utf-8") as f:
    print("班別：3A", file=f)
    print("平均分：78.5", file=f)

當你完成資料整理與計算之後，若只把結果顯示在畫面上，資料很容易在關閉程式後消失。把結果輸出成檔案，等於為你的處理流程加上「可保存」與「可追蹤」的能力。

寫入時，最需要小心的是檔案模式：w 會覆蓋舊內容，適合生成全新報告；a 會附加內容，適合記錄日誌或追加紀錄；x 只在檔案不存在時建立新檔，用於避免不小心覆蓋舊資料。只要模式選對，你的輸出就會更符合需要。

另外，輸出格式應該「為下一步服務」。例如你要把報告再匯入試算表，就用 CSV；若要讓另一個程式讀取，就考慮 JSON；若只求易讀，就輸出成文字報告。

Python 練習：WAX 模式（先 w，再 a，再 x）

本部分練習會依序安排：w 示範 → w 練習 → a 示範 → a 練習 → x 示範 → x 練習。建議你先執行示範題觀察效果，再在練習題中補上少量程式碼，完成同類型操作。

課題 4 CSV 處理：由文字到表格資料

重點

• CSV 以「定界符號」分隔欄位；最常見是逗號，但也可能是分號或 Tab。
• 處理 CSV 的核心是：逐行讀取 → 按定界符號拆分 → 把每欄轉成合適的資料類型。
• 處理數值時常需要「轉換數據類型」，例如把字串轉為整數。
• 完成解析後，可進一步做統計（例如平均數），這類運算常可視為「集合函數」。

教學：在 Python 寫入文字檔案（輸出 CSV）

輸出 CSV 時建議使用 csv 模組，並在開檔時加入 newline=""（特別是在 Windows）以避免多餘空行。

import csv

rows = [
    ["name", "score"],
    ["Amy", 78],
    ["Ben", 92],
]

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

line = "Amy,78"
parts = line.split(",")   # parts = ["Amy", "78"]
name = parts[0]
score = int(parts[1])

scores = []
with open("marks.csv", "r", encoding="utf-8") as f:
    next(f)  # 跳過表頭
    for line in f:
        parts = line.strip().split(",")
        scores.append(int(parts[1]))

avg = sum(scores) / len(scores)
print(avg)

CSV 的優勢在於它非常像表格：每行是一筆記錄，每個欄位都對應到清楚的意義。你可以先用最基本的拆分方式理解其運作，然後再進一步使用標準模組處理更複雜的情況。

當你把 CSV 解析成陣列或其他資料結構後，就可以把「檔案」問題轉成「資料結構」問題：例如對分數做排序法、找最高最低、計算平均數或中位數。這也是把資料處理流程變得可重用的關鍵。

真正困難的部分往往不是公式，而是資料品質。你需要在解析時加入有效性檢驗：例如欄位是否足夠、分數是否為數字、是否在合理範圍。這會在課題 6 進一步討論。

Python 練習：資料處理（搜尋／分拆／替換／篩選）

本節練習會使用文字處理技巧（例如 split、replace、條件篩選），並示範若要把處理結果寫回檔案，必須以合適模式重新開啟檔案。

課題 5 JSON 處理：結構化資料的讀寫

重點

• JSON 適合保存結構化資料，例如「題目清單」或「設定」。
• 常用函數：json.load() / json.dump()（讀寫檔案），以及 json.loads() / json.dumps()（讀寫字串）。
• JSON 讀入後常會變成「陣列」與「鍵值配對」的組合，再用算法逐步處理。
• 輸出 JSON 時可加 indent 令檔案更易讀。

教學：在 Python 寫入文字檔案（輸出 JSON）

輸出 JSON 時可用 json.dump() 直接寫入檔案，並配合 ensure_ascii=False 保留中文、indent 令檔案更易讀。

import json

data = [
    {"name": "Amy", "score": 78},
    {"name": "Ben", "score": 92},
]

with open("scores.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

[
  {"name": "Amy", "score": 78},
  {"name": "Ben", "score": 92}
]

import json, random

with open("questions.json", "r", encoding="utf-8") as f:
    bank = json.load(f)          # bank 通常是陣列

q = random.choice(bank)
print(q["question"])

JSON 的價值在於「結構」。當資料不再只是兩欄三欄的表格，而是每筆資料都有多個屬性，甚至包含另一個陣列（例如選項列表），JSON 會比 CSV 更容易表達，也更容易擴充。

在處理 JSON 時，做法往往是：先把 JSON 讀入成資料結構，再使用算法逐步操作，例如遍歷陣列、用鍵取值、篩選、統計與重組。當你能熟練這套流程，就能把「題庫小測」、「設定檔」、「簡易資料庫」等需求快速實作。

輸出 JSON 時，建議使用縮排（例如 indent=2）以提升可讀性。這不會影響程式讀取，但會令你和同學在檢查檔案時更容易找到問題。

Python 練習：讀寫 JSON（查詢／更新／刪除紀錄）

你將把 JSON 檔案讀入為 list / dict，完成查詢統計、更新指定 id，以及刪除指定紀錄後寫回檔案。

課題 6 有效性檢驗與異常處理：讓程式更可靠

重點

• 資料不一定乾淨：可能缺欄、空值、亂碼、超出範圍，因此要做「有效性檢驗」。
• 「異常處理」用於處理不可預期情況，例如檔案不存在或轉換數據類型失敗。
• 常見做法是：先用 if 做基本檢查，再以 try/except 捕捉例外。
• 錯誤訊息要「有用」：能指出哪一行、哪一欄出錯，並提供合理的處理策略。

教學：在 Python 寫入文字檔案（錯誤記錄 log）

可靠的程式會把錯誤「說清楚、記下來」。遇到例外時可把錯誤訊息附加寫入 log 檔，方便日後追查與修正資料。

try:
    score = int("abc")  # 示意：可能失敗的轉型
except ValueError as e:
    with open("error.log", "a", encoding="utf-8") as f:
        f.write(f"[ValueError] {e}\n")

try:
    score = int(text)
except ValueError:
    score = None

errors = []
scores = []

for idx, line in enumerate(lines, start=1):
    parts = line.strip().split(",")
    if len(parts) < 2:
        errors.append(f"第 {idx} 行：欄位不足")
        continue

    name = parts[0].strip()
    try:
        score = int(parts[1])
    except ValueError:
        errors.append(f"第 {idx} 行：分數不是整數")
        continue

    if not (0 <= score <= 100):
        errors.append(f"第 {idx} 行：分數超出範圍")
        continue

    scores.append(score)

現實世界的資料往往不完美。即使同一份表格，也可能出現漏填、手誤、格式不一致等問題。因此，寫出「能跑」的程式只是第一步；更重要的是寫出「遇到壞資料也不會崩潰」的程式。

有效性檢驗的重點是先定規則：例如分數一定是整數、範圍是 0–100、每行至少兩欄。當規則清楚，你就能在讀入後立刻檢查，並決定如何處理：跳過、修正、或終止。

異常處理則是在程式執行中提供「安全網」。遇到檔案不存在、轉換失敗等情況時，程式不應直接終止，而應給出清晰訊息，讓使用者知道下一步怎樣做。

Python 練習：資料驗證與例外處理

本節練習會加入不完整或不合理資料，讓你練習以 try...except 處理錯誤，並以規則驗證後再寫入檔案。

課題 7 迷你專題：成績報告（CSV → 統計 → 輸出）

重點

• 把成績 CSV 讀入後轉成資料結構（例如陣列），再進行統計與排序法。
• 輸出時要考慮用途：給人閱讀可用文字報告；給軟件處理可用 CSV 或 JSON。
• 統計運算（例如平均數、最高分）可視為常見的「集合函數」應用。
• 專題重點是建立一條可重用的資料流程，而非只完成一次性的計算。

教學：在 Python 寫入文字檔案（輸出成績報告）

完成統計後可把結果輸出成報告檔。建議在報告中清楚列出來源、時間與統計方法，並以固定格式逐行寫入。

from datetime import date

with open("report.txt", "w", encoding="utf-8") as f:
    f.write(f"生成日期：{date.today()}\n")
    f.write("班別：3A\n")
    f.write("平均分：78.5\n")
    f.write("最高分：96\n")

讀入 marks.csv
跳過表頭
對每一行：
  拆分欄位
  把分數轉成整數
  若分數無效，記錄錯誤並跳過
  保存（姓名, 分數）
計算平均數、最高分、最低分
輸出 report.txt（包含統計與錯誤清單）

# 示意程式（重點是流程）
rows = []
errors = []

with open("marks.csv", "r", encoding="utf-8") as f:
    next(f)
    for idx, line in enumerate(f, start=2):
        parts = line.strip().split(",")
        if len(parts) < 2:
            errors.append(f"第 {idx} 行：欄位不足")
            continue
        name = parts[0].strip()
        try:
            score = int(parts[1])
        except ValueError:
            errors.append(f"第 {idx} 行：分數不是整數")
            continue
        if not (0 <= score <= 100):
            errors.append(f"第 {idx} 行：分數超出範圍")
            continue
        rows.append((name, score))

scores = [s for _, s in rows]
avg = sum(scores) / len(scores) if scores else 0

with open("report.txt", "w", encoding="utf-8") as out:
    out.write(f"人數：{len(scores)}\\n")
    out.write(f"平均分：{avg:.1f}\\n")
    out.write(f"最高分：{max(scores) if scores else 0}\\n")
    out.write(f"最低分：{min(scores) if scores else 0}\\n")
    if errors:
        out.write(\"\\n錯誤清單：\\n\")
        for e in errors:
            out.write(e + \"\\n\")

專題的目標不是把所有功能一次做完，而是建立一條「可持續擴充」的資料流程。先做到最基本的版本：讀入、計算平均分、輸出報告；然後再加入錯誤清單、等級判斷、排序法、分佈統計等功能。

當你能把流程拆成清晰的步驟，你就能很自然地把每一步變成子程式，令程式更易測試與除錯，也更容易與同學分工。

下一課題會把 JSON 題庫應用在「題庫小測」專題，並示範如何把作答結果輸出為檔案，形成一個完整的輸入－處理－輸出周期。

Python 練習：正確更新檔案內容

你將練習「讀取 → 修改 → 寫回」的正確流程，並理解為何不建議直接手動改動文字檔案（容易破壞格式、難以追蹤與重現）。

課題 8 迷你專題：題庫小測（JSON → 出題 → 輸出成績）

重點

• 題庫可以用 JSON 保存：題目、選項陣列、答案與解釋。
• 出題流程：讀入題庫 → 隨機抽題 → 記錄作答 → 計分。
• 把結果輸出成 CSV 可方便匯入試算表；輸出成 JSON 則方便程式再次處理。
• 專題重點是「資料結構設計」：你要決定題庫與作答紀錄如何表示。

教學：在 Python 寫入文字檔案（記錄作答結果）

題庫練習常需要把作答紀錄輸出，便於分析與重溫。最簡單的方法是把每次作答寫成 CSV 的一行並使用 a 模式附加。

from datetime import datetime

qid = "cp8_q01"
choice = "B"
is_correct = True
ts = datetime.now().isoformat(timespec="seconds")

line = f"{ts},{qid},{choice},{int(is_correct)}\n"
with open("attempts.csv", "a", encoding="utf-8") as f:
    f.write(line)

讀入 questions.json
隨機抽出 5 題
對每題：
  顯示題目與選項
  讀入使用者答案
  若正確，分數 +1
  記錄（題目, 使用者答案, 是否正確）
輸出 result.csv（包含分數與每題結果）

# 示意程式（重點是資料結構）
import json, random

with open("questions.json", "r", encoding="utf-8") as f:
    bank = json.load(f)

picked = random.sample(bank, k=5)
records = []
score = 0

for q in picked:
    print(q["question"])
    for i, c in enumerate(q["choices"], start=1):
        print(i, c)

    ans = input("你的答案（輸入選項號碼）：").strip()
    correct = str(q["answer"])
    is_ok = (ans == correct)
    if is_ok:
        score += 1
    records.append((q["question"], ans, correct, is_ok))

with open("result.csv", "w", encoding="utf-8") as out:
    out.write("question,answer,correct,is_correct\\n")
    for r in records:
        out.write(f\"{r[0]},{r[1]},{r[2]},{r[3]}\\n\")
    out.write(f\"score,{score},5,\\n\")

題庫小測專題能把你在本章學到的技能串連起來：你需要設計題庫的 JSON 結構，讀入後抽題，運用循環逐題處理，再把作答結果輸出成檔案。整個過程既是算法訓練，也是資料結構訓練。

如果你希望小測更「可用」，可以加入更多欄位，例如作答時間、題目主題、錯題清單，甚至為每題附上提示。當資料保存得越完整，你就越容易從中看見自己的學習進度。

在最後的練習區，你將看到 20 條「偽代碼 → Python」挑戰題。這些題目聚焦於「把文字資料整理成結構」，讓你用程式把概念真正做出來。

Python 練習：綜合應用

本節把前面技巧整合起來，包括讀取／寫入／更新檔案、以及完成後關閉檔案（close）的重要性。

Python 額外練習（20 題）

以下 20 題為本章延伸練習，重點集中在文字檔案（.txt）的讀取（read / readline / readlines）以及寫入模式（w / a / x）。每題都設有「文件檢視器」（左右兩欄：原本／目前），方便你觀察程式執行前後檔案內容的變化。