编程启蒙｜Scratch 转 Python 系列第11天：文件读写积木双向对照（AI训练数据存取实战）

梅雅达编程笔记

465人浏览 · 2026-07-21 16:58:56

梅雅达编程笔记 · 2026-07-21 16:58:56 发布

一、本篇摘要

还记得 Day 7 猜数字游戏吗？我们用列表 history = [] 记录了每局战绩，很漂亮——但有个致命遗憾：程序一关闭，战绩全丢。今天我们就来解决这个问题——教会 Python “记住昨天”。

本篇双向对照 Scratch 列表导入/导出 ↔ Python 的 open/read/write/with 全套语法，最后用一个AI 问答训练集管理工具串联所有知识点。学完这一篇，孩子就能理解：AI 大模型每天吞的那些"训练数据"，本质就是一个个能被打开、被读写的文件。

二、本节课学习目标

掌握 open() 函数的三种基础模式——读 r / 写 w / 追加 a，理解 with 语句为什么是"必选项"。
学会逐行读（for line in f）和一次性读（f.read()），理解两者的使用场景差异。
掌握 CSV 表格格式读写，理解 AI 训练数据集（问答对 / 意图分类 / 语料标注）的存储原理。
完成一个可实际使用的 AI 问答训练集管理工具，理解"数据持久化"是所有 AI 应用的地基。

三、专业名词通俗释义

专业名词	通俗解释
文件	硬盘上的一段数据，`.txt` `.csv` `.json` 都是文件
路径	文件在电脑里的"住址"，如 `D:/data/notes.txt` 或相对路径 `./notes.txt`
打开模式	`r` 读 / `w` 写（覆盖） / `a` 追加 / `b` 二进制
编码	中文文件必须指定 `encoding="utf-8"`，否则容易乱码
`CSV`	用逗号分隔的表格文件，`Excel`、`WPS`、`Numbers` 都能直接打开
`with` 语句	Python "打开-用完自动关"的神器，避免忘记 `close()` 导致数据丢失

四、分模块双向对照知识点

模块 1：Scratch 数据 vs Python 文件——为什么要学文件？

Scratch 现状：项目里的变量、列表在关闭作品的瞬间就消失。想保留数据？只能右键列表 → “导出” → 存成 .txt。
在这里插入图片描述

Python 优势：open() 一行代码就能把内存里的数据写进硬盘长期保存。

核心区别：

对比项	Scratch	Python
数据保存	内存里，关闭即消失	文件里，硬盘长期保留
操作方式	右键列表菜单手动导入/导出	代码自动读写
应用场景	玩游戏、动画演示	AI 训练数据、日志、配置、存档

在这里插入图片描述

模块 2：文件写入（`w` 模式）——把数据"存到硬盘"

在这里插入图片描述

# 【Scratch积木】新建列表 [chat_log]
# 【Scratch积木】将 "你好" 加入 [chat_log]
# 【Scratch积木】右键列表 → 导出 chat_log.txt

with open("chat_log.txt", "w", encoding="utf-8") as f:
    f.write("你好\n")
    f.write("在吗\n")
    f.write("今天天气不错\n")

print("✅ 写入完成")

运行结果：当前目录出现 chat_log.txt，内容为三行文本。

核心易错说明：

"w" 模式是覆盖写——同名文件里的原有内容会被全部清空再写，一定要想清楚再用！
\n 是换行符，不写就会全部挤在一行。
中文文件必须写 encoding="utf-8"，Windows 电脑默认 GBK 会乱码。

模块 3：文件读取（`r` 模式）——把数据"读回内存"

在这里插入图片描述

# 【Scratch积木】遍历列表 [chat_log]，说出每一项

# 方式 A：逐行读（推荐，省内存）
with open("chat_log.txt", "r", encoding="utf-8") as f:
    for line in f:
        print("读取：", line.strip())

# 方式 B：一次性读全部
with open("chat_log.txt", "r", encoding="utf-8") as f:
    content = f.read()
    print(content)

# 方式 C：读成列表（每行一个元素）
with open("chat_log.txt", "r", encoding="utf-8") as f:
    lines = f.readlines()
    print(lines)   # ['你好\n', '在吗\n', '今天天气不错\n']

运行结果：三种方式都能读到内容，逐行读适合大文件，一次性读适合小配置。

核心易错说明：

line.strip() 会去掉每行末尾的 \n 和多余空格，几乎每次读文件都要用一次。
文件不存在会报 FileNotFoundError——大项目里要先用 os.path.exists() 判断。

模块 4：追加模式（`a` 模式）——只加新数据，不动老数据

在这里插入图片描述

# 【Scratch积木】将 "新消息" 加入列表末尾（不清空原有）

with open("chat_log.txt", "a", encoding="utf-8") as f:
    f.write("这是追加的新消息\n")
    f.write("这也是新加的\n")

print("✅ 追加完成，老数据完好无损")

运行结果：原有 3 行 + 新加 2 行 = 共 5 行。

核心易错说明：

a 和 w 的区别是新手最容易混的：w 一开就清空，a 一开就在末尾续写。
记录日志、聊天历史、战绩存档——永远用 a。

模块 5：`CSV` 表格读写——AI 训练数据集的标准格式

AI 大模型训练前，数据长什么样？

99% 都是这种表格——每一行是一条样本，每一列是一个字段：
在这里插入图片描述

question,answer
你好,你好呀，很高兴见到你
再见,再见，下次聊
天气如何,今天晴，25 度

这就是 CSV 格式——用逗号分隔的表格，Python 用 csv 模块专门处理。

import csv

# ========== 写入 CSV ==========
# 【Scratch积木】新建二维列表 [dataset]，每行 [问题, 答案] 两列

data = [
    ["你好", "你好呀，很高兴见到你"],
    ["再见", "再见，下次聊"],
    ["天气如何", "今天晴，25 度"],
]

with open("ai_dataset.csv", "w", encoding="utf-8", newline="") as f:
    writer = csv.writer(f)
    writer.writerow(["question", "answer"])   # 写表头
    writer.writerows(data)                     # 一次写多行

# ========== 读取 CSV ==========
# 【Scratch积木】遍历二维列表，读出每一行

with open("ai_dataset.csv", "r", encoding="utf-8") as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

运行结果：

['question', 'answer']
['你好', '你好呀，很高兴见到你']
['再见', '再见，下次聊']
['天气如何', '今天晴，25 度']

核心易错说明：

写 CSV 一定要 newline=""——不写的话每一行之间会多一个空行，这是 Windows/Mac 换行符差异导致的坑。
CSV 里的字段本身不能包含逗号，如果一定要有，Python 会自动加双引号包裹。

五、综合实战项目：AI 问答训练集管理工具

项目目标：做一个命令行工具，能录入问答对、查看全部、搜索、清空——关闭程序后数据不丢，下次打开还在。这就是所有 AI 训练平台后台的最小内核。

功能清单：

启动时自动加载已有训练集
菜单驱动：添加 / 查看 / 搜索 / 清空 / 退出
每次修改自动落盘（CSV 格式）

Scratch 积木流程：

定义定义列表聊天记录：从将问题或文字加入列表
设置条数为聊天记录数，并播报连接保存信息
输出聊天内容
主循环：显示菜单 → 根据选择调用对应积木
本章无 Scratch 对照。Scratch 不涉及文件系统操作，程序数据存在浏览器内存中，关闭即丢失。Python 的文件读写是真正的持久化能力，这是从"玩具程序"到"实用工具"的分水岭。

Python 完整可运行源码：

import csv
import os

DATASET_FILE = "ai_qa_dataset.csv"


# 【Scratch积木】定义积木 load_dataset() → 返回列表
def load_dataset():
    """从文件读取训练集，返回二维列表"""
    if not os.path.exists(DATASET_FILE):
        return []
    with open(DATASET_FILE, "r", encoding="utf-8") as f:
        reader = csv.reader(f)
        next(reader, None)   # 跳过表头
        return list(reader)


# 【Scratch积木】定义积木 save_dataset(dataset)
def save_dataset(dataset):
    """把训练集写入文件（覆盖式）"""
    with open(DATASET_FILE, "w", encoding="utf-8", newline="") as f:
        writer = csv.writer(f)
        writer.writerow(["question", "answer"])
        writer.writerows(dataset)


# 【Scratch积木】定义积木 add_qa()
def add_qa(dataset):
    """添加一条问答对"""
    q = input("请输入问题：").strip()
    a = input("请输入答案：").strip()
    if not q or not a:
        print("⚠️ 问题和答案都不能为空")
        return
    dataset.append([q, a])
    save_dataset(dataset)
    print(f"✅ 已保存，当前共 {len(dataset)} 条")


# 【Scratch积木】定义积木 show_all(dataset)
def show_all(dataset):
    """查看全部问答对"""
    if not dataset:
        print("📭 训练集为空")
        return
    print("=" * 40)
    for i, (q, a) in enumerate(dataset, 1):
        print(f"{i}. Q: {q}")
        print(f"   A: {a}")
    print("=" * 40)


# 【Scratch积木】定义积木 search_qa(dataset, keyword)
def search_qa(dataset):
    """按关键词搜索"""
    keyword = input("请输入搜索关键词：").strip()
    hits = [row for row in dataset if keyword in row[0] or keyword in row[1]]
    if not hits:
        print(f"🔍 未找到含「{keyword}」的问答对")
        return
    print(f"🔍 找到 {len(hits)} 条：")
    for i, (q, a) in enumerate(hits, 1):
        print(f"{i}. Q: {q}")
        print(f"   A: {a}")


# 【Scratch积木】主循环：重复执行直到 <选择 = "0">
def main():
    dataset = load_dataset()
    print("=" * 40)
    print("  🤖 AI 问答训练集管理工具")
    print(f"  已加载训练集，共 {len(dataset)} 条")
    print("=" * 40)

    while True:
        print("\n请选择操作：")
        print("  1. 添加问答对")
        print("  2. 查看全部")
        print("  3. 搜索问答")
        print("  4. 清空训练集")
        print("  0. 退出")

        choice = input("👉 ").strip()
        if choice == "1":
            add_qa(dataset)
        elif choice == "2":
            show_all(dataset)
        elif choice == "3":
            search_qa(dataset)
        elif choice == "4":
            confirm = input("⚠️ 确定清空吗？(y/n): ")
            if confirm.lower() == "y":
                dataset.clear()
                save_dataset(dataset)
                print("🗑️ 已清空")
        elif choice == "0":
            print(f"\n👋 再见！本次训练集共 {len(dataset)} 条问答对，已自动保存")
            break
        else:
            print("❓ 无效选择，请重新输入")


if __name__ == "__main__":
    main()