Python 怎么批量处理文本文件：读取、替换、合并和导出
围绕批量文本处理的真实场景，讲清 Python 如何遍历文件夹、读取文本、替换内容、合并文件、处理编码和避免覆盖原文件。
相关工具
批量处理文本文件适合解决什么问题
如果你只有一个文本文件，手动打开、查找、替换就够了。但当你有几十个文案、上百个日志、很多 Markdown 文档、批量导出的字幕文件时，手工处理就很容易出错。Python 适合做这类重复工作：遍历文件夹、读取内容、替换某些词、清理空行、合并文件、输出新文件。
常见场景包括：把一批文章里的旧品牌名替换成新品牌名；批量删除文案里的多余空行；把多个 txt 合并成一个文件；统计每个文件字数；把日志里包含某个关键词的行提取出来；把 Markdown 文件里的某段固定说明统一更新。
这类任务的关键不是写出多高级的代码，而是保证安全。批量脚本一旦写错，可能一次性改坏很多文件。所以第一原则是：先读不写，先输出到新目录，不要直接覆盖原文件。确认结果没问题后，再决定是否替换原文件。
遍历文件夹并读取文本
Python 的 pathlib 很适合处理文件路径。比如读取 input 目录下所有 txt 文件：
from pathlib import Path
input_dir = Path('input')
for path in input_dir.glob('*.txt'):
text = path.read_text(encoding='utf-8')
print(path.name, len(text))glob('*.txt') 只匹配当前目录下的 txt 文件。如果要包含子目录，可以用 rglob('*.txt')。读取时指定 encoding 很重要。现在推荐 UTF-8，但有些旧文件可能是 GBK。如果遇到 UnicodeDecodeError，可以先尝试 encoding='gbk'，或者在读取前确认文件来源。
不要一开始就写回文件。先打印文件名和长度，确认脚本确实读到了你想处理的文件。批量处理里，路径写错比代码语法错更危险。比如你以为处理的是测试目录，实际却扫到了正式资料目录。
批量替换内容并输出到新目录
最安全的做法是把处理结果写到 output 目录，保留原文件。示例：
from pathlib import Path
input_dir = Path('input')
output_dir = Path('output')
output_dir.mkdir(exist_ok=True)
for path in input_dir.glob('*.txt'):
text = path.read_text(encoding='utf-8')
new_text = text.replace('旧品牌名', '新品牌名')
target = output_dir / path.name
target.write_text(new_text, encoding='utf-8')这段代码做了三件事：读取 input 里的文件；用 replace 替换文本；把结果写入 output。原文件不会被改动。你可以打开 output 里的几个文件抽查，确认替换符合预期。
如果替换规则很多，可以用一个字典：
rules = {
'旧品牌名': '新品牌名',
'旧网址': '新网址',
}
for old, new in rules.items():
text = text.replace(old, new)替换前要想清楚是否需要大小写区分、是否只替换完整词、是否会误伤其他内容。简单 replace 是全文替换，适合明确固定文本；复杂规则可以考虑正则。
用正则处理空行、空格和固定格式
文本清洗经常要处理多余空行、行尾空格、重复符号。Python 的 re 模块可以完成：
import re
text = re.sub(r'[ \t]+\n', '\n', text)
text = re.sub(r'\n{3,}', '\n\n', text)
text = text.strip() + '\n'第一行去掉行尾多余空格和制表符，第二行把连续三行以上空行压成两行，第三行去掉开头结尾空白并保留一个结尾换行。这些规则适合整理文章、Markdown、字幕和复制来的文本。
正则很强，但也容易误伤。写复杂正则前，建议先用正则工具测试几段样本。确认规则只命中你想处理的内容，再放进批量脚本。尤其是涉及中文标点、换行和多段文本时，直接在所有文件上跑很危险。
合并多个文本文件
如果要把多个 txt 合并成一个文件，可以按文件名排序后逐个读取：
from pathlib import Path
input_dir = Path('input')
parts = []
for path in sorted(input_dir.glob('*.txt')):
text = path.read_text(encoding='utf-8').strip()
parts.append(f'# {path.stem}\n\n{text}')
result = '\n\n'.join(parts)
Path('merged.txt').write_text(result, encoding='utf-8')这里给每个文件内容前加了一个标题，方便合并后知道内容来自哪个文件。如果你合并的是 Markdown，这种写法尤其有用。合并日志时则可以加文件名和分隔线。
合并前要考虑顺序。文件名如果是 1.txt、2.txt、10.txt，普通排序可能把 10 放在 2 前后不符合预期。可以用更规范的命名，比如 001.txt、002.txt、010.txt，或者自己写排序规则。
批量脚本的安全习惯
第一，先在少量样本上测试。复制三五个文件到 test 目录，确认脚本效果，再处理全部文件。第二，默认输出到新目录，不直接覆盖原文件。第三，打印处理日志，比如处理了多少文件、跳过了哪些文件、每个文件替换了多少次。第四，保留备份。
第五，处理中文文件时明确编码。第六，路径尽量用 pathlib，不要手动拼接反斜杠。第七，涉及正则替换时先用工具验证规则。第八，处理结果最好用文本对比工具抽查几份，看看是否有误删或误替换。
工具帮的文本清洗、正则测试、字数统计和文本对比工具都能辅助这类流程。Python 负责批量执行，在线工具负责规则验证和结果检查。这样既能提高效率，也能降低批量误操作的风险。
常见问题
批量替换可以直接覆盖原文件吗？
不建议。先输出到新目录并抽查结果，确认没问题后再考虑替换原文件。
读取文本报编码错误怎么办？
先确认文件编码。常见是 UTF-8、UTF-8 with BOM 或 GBK，可以分别尝试。
什么时候需要用正则？
固定文本替换用 replace 就够了；需要匹配模式、空行、编号、复杂格式时再用正则。