Dateien lesen und schreiben

Dateien sind das Tor zur Außenwelt. Sobald dein Programm Daten behalten soll – über das Ende der Ausführung hinaus – brauchst du Dateien. Konfigurationen einlesen, Berichte schreiben, CSV-Daten verarbeiten, Logs anlegen, JSON von einer API speichern – das ist Brot-und-Butter-Arbeit für jeden Programmierer.

Python macht es dabei extra einfach: eine einzige Funktion (open) und ein wunderschönes Sprach-Konstrukt (with) reichen für 95% aller Datei-Operationen. In dieser Lektion lernst du wie man Text- und Binärdateien liest und schreibt, sicher mit Ressourcen umgeht und die wichtigsten Spezialformate (CSV, JSON) verarbeitet.

1) Das Grundprinzip: open, lesen/schreiben, close

Eine Datei zu nutzen folgt immer dem gleichen Muster: öffnen → benutzen → schließen. Wenn du das Schließen vergisst, bleiben Datei-Handles im System hängen (Resource Leak) und im schlimmsten Fall werden Daten nicht auf die Festplatte geschrieben (sie hängen im Puffer):

Datei-Lebenszyklus – jeder Schritt erklärt

Schritt 1

open()

→

Schritt 2

read/write

→

Schritt 3

close()

← Klick auf einen Schritt für Details.

Aber Vorsicht: was wenn zwischen open und close ein Fehler passiert? Dann wird close NIE aufgerufen – Resource Leak! Genau dafür hat Python das eingebaute with-Statement, das wir gleich kennenlernen. Es garantiert das Schließen – auch wenn ein Fehler auftritt.

2) Das with-Statement: niemals close vergessen

Das with-Statement ist Pythons Lösung für „Ressourcen die nach Gebrauch freigegeben werden müssen". Du öffnest die Datei in einem with-Block – Python kümmert sich um den Rest, auch wenn ein Fehler auftritt:

with vs. manuell

❌ Manuell (fehleranfällig)

f = open("daten.txt", "r")
inhalt = f.read()
# Wenn hier ein Fehler kommt,
# wird close NIE aufgerufen!
f.close()

✓ Mit with (pythonic)

with open("daten.txt", "r") as f:
inhalt = f.read()
# Hier ist die Datei garantiert
# geschlossen – Fehler oder nicht.

Das with-Statement ist ein Context Manager: beim Eintreten wird ein Setup-Code ausgeführt (Datei öffnen), beim Verlassen ein Teardown-Code (Datei schließen) – egal ob durch normales Ende, return oder Exception. Genau wie finally aus Lektion 7, aber kompakter. Faustregel: Datei-Operationen IMMER mit with.

3) Die Datei-Modi im Überblick

Der zweite Parameter von open() entscheidet was du mit der Datei machen kannst. Achtung: "w" löscht den existierenden Inhalt – das ist eine häufige Falle:

Die wichtigsten Modi

"r"

Read – nur lesen. Default, falls weggelassen.

FileNotFoundError wenn Datei fehlt

"w"

Write – schreiben, ÜBERSCHREIBT existierende Datei!

⚠ Inhalt geht verloren

"a"

Append – am Ende hinzufügen. Datei wird erstellt falls nicht da.

"x"

Exclusive – erstellen, aber NUR wenn die Datei noch nicht existiert.

FileExistsError wenn schon da

"r+"

Read + Write. Datei muss existieren.

"rb" / "wb"

Binär-Modus für Bilder, Audio, Excel-Dateien etc.

Beim Text-Modus (Default) konvertiert Python automatisch zwischen Plattform-spezifischen Zeilenumbrüchen (\r\n auf Windows, \n auf Mac/Linux). Beim Binär-Modus passiert das nicht. Wichtig: beim Lesen von Textdateien IMMER die Kodierung angeben – sonst gibt's mit Umlauten Probleme: open("datei.txt", "r", encoding="utf-8"). UTF-8 ist heute Standard.

4) Eine Datei lesen – drei Wege

Es gibt drei verschiedene Arten Inhalte aus einer Datei zu holen. Welche du nutzt hängt davon ab WAS du brauchst und WIE GROSS die Datei ist:

# Weg 1: alles auf einmal with open("daten.txt", "r", encoding="utf-8") as f: text = f.read() # gesamter Inhalt als ein String # Weg 2: Zeile für Zeile als Liste with open("daten.txt", "r", encoding="utf-8") as f: zeilen = f.readlines() # Liste von Strings (mit \n am Ende) # Weg 3: iterieren (am SPARSAMSTEN bei großen Dateien!) with open("daten.txt", "r", encoding="utf-8") as f: for zeile in f: print(zeile.strip()) # strip entfernt \n am Ende

Bei einer 10-MB-Logdatei: read() lädt 10 MB in den Speicher. readlines() auch (als Liste). Die for-Schleife liest dagegen nur jeweils eine Zeile ein und gibt sie wieder frei – auch eine 10-GB-Datei klappt damit. Für große Dateien also IMMER die Schleifen-Variante. Mehr zum Thema „Streams" und Generatoren in K41b.

5) Schreiben in eine Datei

Schreiben funktioniert mit .write() oder .writelines(). Wichtig: write fügt KEINE Zeilenumbrüche automatisch hinzu – du musst sie selbst setzen wenn du Zeilen willst:

# Eine Liste in eine Datei schreiben (eine Zeile pro Eintrag) namen = ["Anna", "Bob", "Carla"] with open("namen.txt", "w", encoding="utf-8") as f: for name in namen: f.write(name + "\n") # \n nicht vergessen! # Alternative: writelines (auch ohne Auto-\n) with open("namen.txt", "w", encoding="utf-8") as f: f.writelines(name + "\n" for name in namen) # Anhängen statt überschreiben mit Modus "a" with open("log.txt", "a", encoding="utf-8") as f: f.write(f"[{datetime.now()}] Programm gestartet\n")

Stilfrage: "\n".join(...) ist oft eleganter als manuelles Anhängen von \n – siehe Strings-Lektion: f.write("\n".join(namen)).

6) Mehrere Dateien gleichzeitig

Klassisches Beispiel: eine Datei lesen und in eine andere schreiben (z.B. filtern, transformieren). Du kannst beide gleichzeitig im with-Block öffnen:

# Alle Zeilen mit "ERROR" in eine separate Datei kopieren with open("log.txt", "r", encoding="utf-8") as quelle, \ open("errors.txt", "w", encoding="utf-8") as ziel: for zeile in quelle: if "ERROR" in zeile: ziel.write(zeile)

Der Backslash am Zeilenende erlaubt das Aufteilen einer langen Zeile. Beide Dateien werden am Ende automatisch geschlossen.

7) CSV-Dateien lesen mit dem csv-Modul

CSV (Comma-Separated Values) ist ein simples Tabellen-Format, das von Excel, Google Sheets und Datenbank-Exporten verwendet wird. Python hat dafür ein eingebautes Modul. Klar, du könntest auch einfach mit .split(",") arbeiten – aber das geht schief sobald Werte selbst Kommas enthalten oder mit Anführungszeichen quotiert sind:

import csv # CSV als Liste von Listen lesen with open("kunden.csv", "r", encoding="utf-8", newline="") as f: reader = csv.reader(f) for zeile in reader: print(zeile) # ['ID', 'Name', 'Email'], ['1', 'Anna', ...] # Besser: als Liste von Dicts (mit Header) with open("kunden.csv", "r", encoding="utf-8", newline="") as f: reader = csv.DictReader(f) for zeile in reader: print(zeile["Name"], zeile["Email"]) # CSV schreiben with open("export.csv", "w", encoding="utf-8", newline="") as f: writer = csv.writer(f) writer.writerow(["Name", "Note"]) writer.writerows([["Anna", 1], ["Bob", 2]])

Für ernsthafte Datenanalyse mit großen CSV-Dateien (Millionen Zeilen) lohnt sich später pandas – siehe K41b.

8) JSON: das Web-Datenformat

JSON (JavaScript Object Notation) ist das Standardformat für API-Antworten, Konfig-Dateien und Daten-Austausch. Die Struktur passt zu Python-Dicts und -Listen – die Konvertierung ist mit dem eingebauten json-Modul ein Einzeiler:

import json # Dict in JSON-Datei schreiben config = { "name": "Mein Projekt", "version": "1.0", "users": ["Anna", "Bob"] } with open("config.json", "w", encoding="utf-8") as f: json.dump(config, f, indent=2, ensure_ascii=False) # JSON-Datei zurück in dict laden with open("config.json", "r", encoding="utf-8") as f: daten = json.load(f) print(daten["name"]) # Mein Projekt print(daten["users"][0]) # Anna # Bonus: aus String konvertieren statt aus Datei text = '{"x": 5, "y": 10}' d = json.loads(text) # s = string

Vier Funktionen merken: json.dump (in Datei), json.dumps (in String – mit s wie String), json.load (aus Datei), json.loads (aus String). Bei deutschen Umlauten ensure_ascii=False nicht vergessen, sonst werden sie als \u00e4 kodiert.

9) Pfade richtig handhaben – pathlib

Datei-Pfade als Strings zu basteln führt zu Bugs (Windows verwendet \, Linux /). Modernes Python nutzt das pathlib-Modul – objektorientierte Pfade die auf allen Systemen funktionieren:

from pathlib import Path # Pfad zusammenbauen – plattformunabhängig ordner = Path("daten") datei = ordner / "export.txt" # Slash-Operator! # Bestehende Datei lesen inhalt = datei.read_text(encoding="utf-8") # Schnell schreiben datei.write_text("Hallo Welt", encoding="utf-8") # Praktische Properties datei.exists() # True / False datei.name # "export.txt" datei.suffix # ".txt" datei.stem # "export" datei.parent # Path("daten") # Alle .txt-Dateien in einem Ordner finden for p in ordner.glob("*.txt"): print(p)

10) Robustes Datei-Handling – immer Fehler einplanen

Datei-Operationen schlagen oft fehl: Datei fehlt, keine Rechte, Festplatte voll, falsche Kodierung. Wer Datei-Code ohne try-except schreibt, baut sich Stolpersteine ein:

from pathlib import Path konfig_pfad = Path("config.json") try: with konfig_pfad.open("r", encoding="utf-8") as f: config = json.load(f) except FileNotFoundError: print("Konfigurations-Datei nicht gefunden – nutze Defaults") config = {"default": True} except json.JSONDecodeError as e: print(f"Datei ist kein gültiges JSON: {e}") config = {} except PermissionError: print("Keine Leseberechtigung für Datei") config = {}

Zusammenfassung

open(pfad, modus, encoding="utf-8") öffnet Datei. Immer mit with – Datei schließt automatisch. Modi: "r" lesen (Default), "w" schreiben (überschreibt!), "a" anhängen, "x" exklusiv erstellen, +"b" für binär. Lesen: .read() (alles), .readlines() (Liste), for line in f: (speichersparend). Schreiben: .write(text) – \n manuell setzen. Spezial-Module: csv für Tabellen (DictReader/DictWriter), json mit dump/load/dumps/loads. Pfade modern: pathlib.Path mit /-Operator und read_text/write_text. IMMER encoding="utf-8" und FileNotFoundError/PermissionError mit try-except behandeln.