Thư viện chuẩn Python: file, lưu trữ, nén, định dạng dữ liệu
Bài 7/12 · Chương 27
Tra cứu thư viện chuẩn
- 10 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 13
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 |
|---|---|---|---|---|---|
| đường dẫn dạng object |
|
| chạy | |
| đường dẫn dạng chuỗi |
|
| chạy | |
| chép, tìm, tạo file tạm |
|
| chạy | |
| bảng dạng văn bản |
|
| chạy | |
| dữ liệu trao đổi với web |
|
| chạy | |
| lưu object Python nguyên dạng |
|
| chạy | |
| cơ sở dữ liệu trong một file |
|
| chạy | |
| đọc ghi XML |
|
| chạy | |
| file cấu hình |
|
| chạy | |
| đọc file cấu hình |
|
| chạy | trang này |
| file nén |
|
| chạy | |
| nén |
|
| chạy | trang này |
| nén |
|
| chạy | trang này |
| file nằm trong bộ nhớ |
|
| chạy | trang này |
| file |
|
| chạy | trang này |
| so sánh file, đọc dòng qua nhiều file | — | — | chạy | trang này |
| file ánh xạ vào bộ nhớ, âm thanh WAV | — | — | chạy | trang này |
| 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:
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".
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.
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.
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'
True2.100 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:
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.
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.
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 giây8.000 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:
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
Sau
import io, đoạnb = io.BytesIO(); b.write(b"Hue"); print(b.read())in gì?b''b'Hue'Hue
Với
tomllib, những câu nào đúng?tomllib.load()cần file mở bằng"rb"tomllib.loads()nhận một chuỗistrtomllib.dump()ghi một dict ra file.toml- Bảng
[chi_nhanh.hue]thành một khóa tên"chi_nhanh.hue"
Hai file cùng cỡ, cùng giờ sửa nhưng khác một chữ số.
filecmp.cmp(a, b)không truyềnshallowtrả về gì?TrueFalse- Python báo lỗi
ValueError
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_banlà nội dung một file TOML. Mỗi chi nhánh là một bảng[chi_nhanh.<tên>]có khóaso_ban. Trả về tổng số bàn của mọi chi nhánh, chỉ tính các bảng trongchi_nhanh. Không có chi nhánh nào thì trả về0.giai_nen(du_lieu):du_lieulà bytes đã nén bằngbz2hoặclzma(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.
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 nàyTóm tắt
tomllibđọc TOML:loads()nhận chuỗi,load()nhận file mở bằng"rb", và không có hàm ghi.io.StringIO,io.BytesIOlà file trong bộ nhớ; sau khi ghi,seek(0)hoặcgetvalue()mới đọc được.bz2,lzmanén.bz2,.xz, và từ Python 3.14compression.zstdnén.zst, với cùngcompress(),decompress()nhưgzip.filecmp.cmp()cầnshallow=Falseđể chắc chắn so cả nội dung.fileinput,linecache,mmap,wave,plistlibchạy được trên trang, còndbmthì 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
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.