Bỏ qua đến nội dung chính
Mục lục

Thư viện chuẩn Python: file, lưu trữ, nén, định dạng dữ liệu

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 7/12 · Chương 27

Tra cứu thư viện chuẩn

  • 10 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Thư viện chuẩn Python có sẵn cả một nhóm module cho file và lưu trữ dữ liệu: đọc ghi CSV, JSON, cơ sở dữ liệu SQLite, nén, file cấu hình, âm thanh WAV. Trang này gom chúng vào một bảng tra, phần lớn các hàng kèm một ví dụ ngắn, rồi đi kỹ vào các module chưa có bài riêng như tomllib, io, bz2, lzma, filecmp.

Cần biết trước: pathlib, module json và zipfile, gzip, tarfile.

Bảng tra nhanh: module file và lưu trữ

Mỗi hàng là một module, dùng sau import <tên module>. Cột "Trang" đo trên trình chạy Pyodide 3.14 của trang ngày 15/11/2026. Trang chạy được các module cần file, vì mỗi lần bấm Chạy có một thư mục trống riêng.

Module

Làm gì

Ví dụ

Kết quả

Trang

Bài

pathlib

đường dẫn dạng object

pathlib.Path("menu/do-uong.csv").parts

('menu', 'do-uong.csv')

chạy

pathlib

os.path

đường dẫn dạng chuỗi

os.path.split("menu/do-uong.csv")

('menu', 'do-uong.csv')

chạy

os.path

shutil, glob, tempfile

chép, tìm, tạo file tạm

glob.glob("*.khong-co")

[]

chạy

shutil, glob, tempfile

csv

bảng dạng văn bản

next(csv.reader(["Huế,12"]))

['Huế', '12']

chạy

đọc CSV

json

dữ liệu trao đổi với web

json.loads('{"so_ban": 12}')

{'so_ban': 12}

chạy

module json

pickle

lưu object Python nguyên dạng

pickle.loads(pickle.dumps({1, 2}))

{1, 2}

chạy

pickle

sqlite3

cơ sở dữ liệu trong một file

sqlite3.connect(":memory:").execute("SELECT 2 + 3").fetchone()

(5,)

chạy

sqlite3

xml.etree.ElementTree

đọc ghi XML

ElementTree.fromstring("<mon gia='32000'/>").attrib

{'gia': '32000'}

chạy

XML

configparser

file cấu hình .ini

configparser.ConfigParser().sections()

[]

chạy

đọc file cấu hình

tomllib

đọc file cấu hình .toml

tomllib.loads("so_ban = 12")

{'so_ban': 12}

chạy

trang này

zipfile, tarfile, gzip

file nén .zip, .tar, .gz

gzip.decompress(gzip.compress(b"Hue"))

b'Hue'

chạy

zipfile, gzip, tarfile

bz2, lzma

nén .bz2, .xz

bz2.compress(b"x")[:3]

b'BZh'

chạy

trang này

compression.zstd

nén .zst, từ Python 3.14

compression.zstd.decompress(compression.zstd.compress(b"Hue"))

b'Hue'

chạy

trang này

io

file nằm trong bộ nhớ

io.StringIO("Huế\nĐà Lạt\n").readlines()

['Huế\n', 'Đà Lạt\n']

chạy

trang này

plistlib

file .plist của macOS

plistlib.loads(plistlib.dumps({"so_ban": 12}))

{'so_ban': 12}

chạy

trang này

filecmp, fileinput, linecache

so sánh file, đọc dòng qua nhiều file

—

—

chạy

trang này

mmap, wave

file ánh xạ vào bộ nhớ, âm thanh WAV

—

—

chạy

trang này

dbm

kho khóa và giá trị trên đĩa

—

—

không có

trang này

Đoạn sau in lại cột kết quả. Hàng compression.zstd chỉ có từ Python 3.14 và ba hàng cuối cần file thật, cả bốn có ví dụ riêng bên dưới:

python
import pathlib, os.path, glob, csv, json, pickle, sqlite3
import configparser, tomllib, gzip, bz2, io, plistlib
from xml.etree import ElementTree
print(pathlib.Path("menu/do-uong.csv").parts)
print(os.path.split("menu/do-uong.csv"), glob.glob("*.khong-co"))
print(next(csv.reader(["Huế,12"])), json.loads('{"so_ban": 12}'))
print(pickle.loads(pickle.dumps({1, 2})))
db = sqlite3.connect(":memory:")
print(db.execute("SELECT 2 + 3").fetchone())
print(ElementTree.fromstring("<mon gia='32000'/>").attrib)
print(configparser.ConfigParser().sections())
print(tomllib.loads("so_ban = 12"), bz2.compress(b"x")[:3])
print(gzip.decompress(gzip.compress(b"Hue")))
print(io.StringIO("Huế\nĐà Lạt\n").readlines())
print(plistlib.loads(plistlib.dumps({"so_ban": 12})))

KẾT QUẢ

('menu', 'do-uong.csv')
('menu', 'do-uong.csv') []
['Huế', '12'] {'so_ban': 12}
{1, 2}
(5,)
{'gia': '32000'}
[]
{'so_ban': 12} b'BZh'
b'Hue'
['Huế\n', 'Đà Lạt\n']
{'so_ban': 12}

Đổi "so_ban = 12" thành "so_ban = [12, 8]" rồi chạy lại: dòng thứ tám in {'so_ban': [12, 8]} b'BZh', vì mảng TOML thành list. Nén .zip, .tar, .gz là việc của bài mẹ, zipfile, gzip, tarfile. Trang này thêm các kiểu nén còn lại của thư viện chuẩn: bz2, lzma, và compression.zstd mới có ở Python 3.14.

Đọc file cấu hình TOML: tomllib

TOML là định dạng cấu hình của pyproject.toml: khóa = giá trị, và bảng con viết trong ngoặc vuông. tomllib có từ Python 3.11, chỉ đọc chứ không ghi. loads() nhận một chuỗi, load() nhận một file đã mở ở chế độ nhị phân "rb".

python
import tomllib
with open("quan.toml", "w", encoding="utf-8") as f:
    f.write('ten = "AIDev Coffee"\n[chi_nhanh.hue]\nso_ban = 12\n')
with open("quan.toml", "rb") as f:
    cau_hinh = tomllib.load(f)
print(cau_hinh["ten"], cau_hinh["chi_nhanh"]["hue"]["so_ban"])
print(cau_hinh)

KẾT QUẢ

AIDev Coffee 12
{'ten': 'AIDev Coffee', 'chi_nhanh': {'hue': {'so_ban': 12}}}

[chi_nhanh.hue] thành hai dict lồng nhau. Giới hạn: muốn ghi file TOML thì cần gói ngoài như tomli-w, cài bằng python -m pip install tomli-w (macOS/Linux: python3 -m pip install tomli-w). File .ini kiểu cũ thì dùng configparser, có ở bài đọc file cấu hình.

File nằm trong bộ nhớ: io.StringIO, io.BytesIO

Nhiều hàm chỉ nhận một file, như csv.reader() hay tomllib.load(). io.StringIO là một file văn bản nằm trong bộ nhớ, io.BytesIO là file nhị phân, dùng được ở mọi chỗ cần file mà không ghi gì ra đĩa. getvalue() lấy toàn bộ nội dung.

python
import io, csv
bang = io.StringIO("ten,so_ban\nHuế,12\nĐà Lạt,8\n")
for dong in csv.DictReader(bang):
    print(dong["ten"], dong["so_ban"])
ra = io.StringIO()
ra.write("Huế: 12 bàn\n")
print(repr(ra.getvalue()))

KẾT QUẢ

Huế 12
Đà Lạt 8
'Huế: 12 bàn\n'

Giới hạn: mọi thứ nằm trong RAM, nên đừng dùng cho dữ liệu cỡ hàng trăm MB.

Nén .bz2 và .xz: bz2, lzma

bz2 và lzma có cùng hai hàm compress() và decompress() như gzip, chỉ khác thuật toán. lzma ghi định dạng .xz. Mỗi định dạng mở đầu bằng vài byte cố định, nên nhìn đầu dữ liệu là biết kiểu nén.

python
import bz2, lzma
du_lieu = "cà phê sữa 29000\n".encode() * 100
nen_bz2, nen_xz = bz2.compress(du_lieu), lzma.compress(du_lieu)
print(len(du_lieu), len(nen_bz2), len(nen_xz))
print(nen_bz2[:3], nen_xz[:6])
print(lzma.decompress(nen_xz) == du_lieu)

KẾT QUẢ

2100 94 104
b'BZh' b'\xfd7zXZ\x00'
True

2.100 byte còn chưa tới 110 byte, vì một dòng lặp 100 lần. Với dữ liệu lớn, .xz thường nhỏ nhất nhưng nén chậm nhất. Giới hạn: bz2.decompress() gặp dữ liệu không phải .bz2 thì báo OSError, nên kiểm tra mấy byte đầu trước.

Python 3.14 thêm gói compression, trong đó compression.zstd nén theo chuẩn Zstandard (PEP 784), cùng hai hàm compress() và decompress(). Python 3.13 trở về trước không có gói này, nên đoạn sau bắt ModuleNotFoundError:

python
try:
    from compression import zstd
    print(zstd.decompress(zstd.compress(b"Hue")))
except ModuleNotFoundError as loi:
    print(loi)

KẾT QUẢ

b'Hue'

Python 3.13 trở về trước in No module named 'compression'. Bản Python 3.14 dựng không kèm thư viện libzstd thì in No module named '_zstd'.

So sánh và đọc file theo dòng: filecmp, fileinput, linecache

filecmp.cmp(a, b) cho biết hai file có giống nhau không. fileinput.FileInput() đọc lần lượt từng dòng qua nhiều file như một file dài. linecache.getline(ten, n) lấy dòng thứ n, đếm từ 1, và trả về '' khi dòng không có.

python
import filecmp, fileinput, linecache
for ten, noi_dung in [("a.txt", "Huế 12\nĐà Lạt 8\n"),
                      ("b.txt", "Huế 12\nĐà Lạt 8\n"),
                      ("c.txt", "Huế 12\n")]:
    with open(ten, "w", encoding="utf-8") as f:
        f.write(noi_dung)
print(filecmp.cmp("a.txt", "b.txt", shallow=False))
hai_file = ["a.txt", "c.txt"]
with fileinput.FileInput(hai_file, encoding="utf-8") as ds:
    for dong in ds:
        print(ds.filename(), ds.lineno(), dong.strip())
print(repr(linecache.getline("a.txt", 2)))

KẾT QUẢ

True
a.txt 1 Huế 12
a.txt 2 Đà Lạt 8
c.txt 3 Huế 12
'Đà Lạt 8\n'

lineno() đếm tiếp qua các file, filelineno() mới đếm lại từ 1 cho mỗi file. Giới hạn: linecache nhớ file sau lần đọc đầu, sửa file rồi thì gọi linecache.checkcache().

Ánh xạ bộ nhớ, âm thanh và kho khóa: mmap, wave, dbm

mmap cho đọc một file lớn bằng chỉ số như bytes mà không nạp cả file. wave đọc và ghi âm thanh .wav. plistlib ở bảng trên làm việc với file .plist, dạng cấu hình của macOS, theo cách của json.

python
import io, mmap, wave
with open("log.txt", "wb") as f:
    f.write(b"don 1: bac xiu\ndon 2: tra dao\n")
with open("log.txt", "rb") as f:
    m = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)
    print(m[:5], m.find(b"tra"))
    m.close()
am = io.BytesIO()
with wave.open(am, "wb") as w:
    w.setnchannels(1); w.setsampwidth(2); w.setframerate(8000)
    w.writeframes(b"\x00\x00" * 8000)
am.seek(0)
with wave.open(am, "rb") as w:
    print(w.getnframes() / w.getframerate(), "giây")

KẾT QUẢ

b'don 1' 22
1.0 giây

8.000 khung ở tần số 8.000 khung mỗi giây là 1 giây im lặng. dbm lưu các cặp khóa và giá trị dạng bytes thẳng xuống đĩa, như một dict không mất khi tắt chương trình. Trang không có dbm, nên đoạn sau chạy trên máy với Python 3.14:

python
import dbm
with dbm.open("so-ban", "c") as kho:
    kho["hue"] = "12"
    kho["da-lat"] = "8"
with dbm.open("so-ban", "r") as kho:
    print(kho["hue"], sorted(kho.keys()))

KẾT QUẢ

b'12' [b'da-lat', b'hue']

Chạy trên máy của bạn · Đoạn này cần Python cài trên máy, trang không chạy được.

Bấm Chạy đoạn này trên trang thì gặp lỗi ModuleNotFoundError, vì bản Python của trang không kèm dbm. Muốn lưu object Python bất kỳ theo khóa thì dùng shelve, xây trên dbm, nên chỉ chạy trên máy, còn dữ liệu cần truy vấn thì sqlite3 hợp hơn.

Kiểm tra nhanh

  1. Sau import io, đoạn b = io.BytesIO(); b.write(b"Hue"); print(b.read()) in gì?

    • b''
    • b'Hue'
    • Hue
  2. Với tomllib, những câu nào đúng?

    • tomllib.load() cần file mở bằng "rb"
    • tomllib.loads() nhận một chuỗi str
    • tomllib.dump() ghi một dict ra file .toml
    • Bảng [chi_nhanh.hue] thành một khóa tên "chi_nhanh.hue"
  3. Hai file cùng cỡ, cùng giờ sửa nhưng khác một chữ số. filecmp.cmp(a, b) không truyền shallow trả về gì?

    • True
    • False
    • Python báo lỗi ValueError
Đúng hết lần đầu +15 XP

Bài tập

Viết hàm đọc cấu hình TOML và giải nén

Viết thân hai hàm cho chương trình đồng bộ của chuỗi quán, mỗi hàm cần một hay hai module của trang, bạn tự chọn:

  • tong_so_ban(van_ban): van_ban là nội dung một file TOML. Mỗi chi nhánh là một bảng [chi_nhanh.<tên>] có khóa so_ban. Trả về tổng số bàn của mọi chi nhánh, chỉ tính các bảng trong chi_nhanh. Không có chi nhánh nào thì trả về 0.

  • giai_nen(du_lieu): du_lieu là bytes đã nén bằng bz2 hoặc lzma (định dạng .xz), nội dung gốc là văn bản UTF-8. Trả về văn bản gốc.

Trả về: tong_so_ban trả về một int, giai_nen trả về một str.

python
import bz2
import lzma
import tomllib


def tong_so_ban(van_ban):
    pass  # Viết thân hàm thay cho dòng này


def giai_nen(du_lieu):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • tomllib đọc TOML: loads() nhận chuỗi, load() nhận file mở bằng "rb", và không có hàm ghi.

  • io.StringIO, io.BytesIO là file trong bộ nhớ; sau khi ghi, seek(0) hoặc getvalue() mới đọc được.

  • bz2, lzma nén .bz2, .xz, và từ Python 3.14 compression.zstd nén .zst, với cùng compress(), decompress() như gzip.

  • filecmp.cmp() cần shallow=False để chắc chắn so cả nội dung.

  • fileinput, linecache, mmap, wave, plistlib chạy được trên trang, còn dbm thì không.

Câu hỏi thường gặp

Module zipfile và tarfile trong Python khác nhau thế nào?

zipfile làm việc với file .zip, nén từng file riêng và mở được trên mọi hệ điều hành. tarfile gom nhiều file thành một .tar, thường nén thêm thành .tar.gz hay .tar.xz, hay gặp trên Linux. Cả hai cùng cách mở bằng with, có ở bài zipfile, gzip, tarfile.

Nên lưu dữ liệu bằng module json, csv hay sqlite3?

Dữ liệu dạng bảng, mở bằng Excel được, thì dùng csv. Dữ liệu lồng nhau, trao đổi với web, thì dùng json. Dữ liệu nhiều, cần tìm, lọc, sửa từng dòng, thì dùng sqlite3, bắt đầu từ bài sqlite3.

Thư viện lưu trữ Python có đọc được file Excel không?

Thư viện chuẩn không đọc được .xlsx. Cài gói openpyxl bằng python -m pip install openpyxl (macOS/Linux: python3 -m pip install openpyxl), hoặc lưu file Excel thành .csv rồi đọc bằng csv. Cách đọc CSV có ở bài đọc CSV.

Chủ đề

thư viện lưu trữ python

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập