El archivo como fuente de datos

from pathlib import Path

ruta = Path("contactos_origen.csv")

print("existe:", ruta.exists())
print("nombre:", ruta.name)
print("extension:", ruta.suffix)
print("tamano:", ruta.stat().st_size, "bytes")

# with cierra el archivo pase lo que pase: al terminar, o si algo falla en el
# medio. Sin el, un error deja el archivo abierto.
with open(ruta, encoding="utf-8") as f:
    primeras = [next(f) for _ in range(3)]

print()
for linea in primeras:
    print(repr(linea))

print()
print("Fijate en el \\n al final de cada linea: open devuelve el salto")
print("incluido. Es la fuente de la mitad de los errores de comparacion")
print("cuando se lee un archivo a mano.")

import locale
import os
import sys
from pathlib import Path

ruta = Path("contactos_origen.csv")

with open(ruta, encoding="utf-8") as f:
    contenido = f.read()

crudo = ruta.read_bytes()

print("bytes en disco   :", len(crudo))
print("caracteres leidos:", len(contenido))
print()

# La diferencia tiene DOS causas, y conviene separarlas.
acentuados = [c for c in contenido if ord(c) > 127]
finales = crudo.count(b"\r\n")
print("1) cada acento ocupa 2 bytes en UTF-8 ->", len(acentuados), "acentos")
print("2) el archivo termina las lineas con CR LF y open descarta el CR ->",
      finales, "lineas")
print("  ", len(crudo), "-", len(acentuados), "-", finales, "=",
      len(crudo) - len(acentuados) - finales)

print()
print("caracteres no ASCII distintos:", sorted(set(acentuados)))

print()
try:
    with open(ruta, encoding="ascii") as f:
        f.read()
except UnicodeDecodeError as error:
    print("leido como ascii ->", type(error).__name__)
    print(str(error))

# latin-1 NO falla nunca: cualquier byte es un caracter valido para el.
# Por eso es el error peligroso, el que no avisa.
mal = crudo.decode("latin-1")
print()
print("leido como latin-1 -> no hay excepcion, pero:")
print("  ", mal.splitlines()[2][:34])

print()
print("Sin encoding=, open usa el del sistema. En una instalacion tipica de")
print("Windows eso es cp1252, no UTF-8, y el mismo programa anda en una")
print("maquina y falla en otra.")
print()
print("codificacion por defecto aca:", locale.getpreferredencoding(False))
print("modo UTF-8 activado         :", bool(sys.flags.utf8_mode))
print("PYTHONUTF8                  :", os.environ.get("PYTHONUTF8", "(sin definir)"))
print()
print("Esta corrida tiene PYTHONUTF8=1, que fuerza UTF-8 en todos lados: por")
print("eso dice utf-8. Sin esa variable, en Windows diria cp1252.")
print("Escribir encoding= es lo que hace que no dependa de nada de esto.")

from pathlib import Path

ruta = Path("estudiantes_notas.csv")

# 1. read(): todo el archivo en una cadena. Comodo y caro.
with open(ruta, encoding="utf-8") as f:
    todo = f.read()
print("read()       ->", len(todo), "caracteres en memoria")

# 2. readlines(): una lista con todas las lineas. Igual de caro.
with open(ruta, encoding="utf-8") as f:
    lineas = f.readlines()
print("readlines()  ->", len(lineas), "lineas en memoria")

# 3. Recorrer el archivo: una linea por vez, sin cargarlo entero.
total = 0
with open(ruta, encoding="utf-8") as f:
    for linea in f:
        total += 1
print("for linea in f ->", total, "lineas, UNA en memoria por vez")

print()
print("Con 41 lineas da igual. Con un log de 4 GB, las dos primeras no")
print("entran en memoria y la tercera anda igual de bien.")

print()
# Path tiene atajos para los casos chicos.
print("Path.read_text() hace lo mismo que la primera, en una linea:")
print(len(ruta.read_text(encoding="utf-8")), "caracteres")

import os
from pathlib import Path

print("directorio de trabajo:", Path.cwd().name)

relativa = Path("contactos_origen.csv")
print()
print("ruta relativa:", relativa)
print("a que apunta :", relativa.resolve().name)
print("existe       :", relativa.exists())

print()
print("Esa ruta NO se busca al lado del archivo .py: se busca en el")
print("directorio de trabajo, que es desde donde se ejecuto el programa.")
print("Es el error mas comun al correr algo desde el depurador (leccion 0.1).")

print()
# La forma robusta: una ruta relativa AL ARCHIVO de codigo.
aqui = Path(__file__).resolve().parent
print("carpeta de este .py:", aqui.name)
print("asi se arma una ruta que no depende del directorio de trabajo:")
print("   Path(__file__).resolve().parent / 'datos' / 'archivo.csv'")

print()
# Y las rutas se arman con /, no pegando cadenas: funciona en los tres
# sistemas operativos y no hay que acordarse de las barras.
carpeta = Path("datos")
print("carpeta / 'sub' / 'archivo.csv' ->",
      (carpeta / "sub" / "archivo.csv").as_posix())
print("os.sep en esta maquina:", repr(os.sep))