Xử lý tệp tin và biểu thức chính quy

open(
    file,                    # đường dẫn (str hoặc Path)
    mode="r",               # chế độ mở — xem bảng bên dưới
    encoding=None,          # ⚠️ LUÔN đặt "utf-8" cho tệp văn bản
    newline=None,           # cách xử lý ký tự xuống dòng
    errors=None,             # hành vi khi giải mã lỗi
)

# ❌ TỆ — quên đóng, hoặc lỗi giữa chừng thì không bao giờ đóng
f = open("data.txt", encoding="utf-8")
noi_dung = f.read()
f.close()

# ⚠️ TẠM ĐƯỢC — đúng nhưng dài dòng
f = open("data.txt", encoding="utf-8")
try:
    noi_dung = f.read()
finally:
    f.close()

# ✅ ĐÚNG — with tự đóng, kể cả khi có exception
with open("data.txt", encoding="utf-8") as f:
    noi_dung = f.read()
# ra khỏi khối → f.close() đã được gọi

# Nối hai tệp thành một
with (
    open("a.txt", encoding="utf-8") as f1,
    open("b.txt", encoding="utf-8") as f2,
    open("gop.txt", "w", encoding="utf-8") as out,
):
    out.write(f1.read())
    out.write(f2.read())
# Cả 3 tệp đều được đóng, kể cả nếu open("b.txt") ném lỗi

# ① Đọc toàn bộ — tệp nhỏ
with open("config.txt", encoding="utf-8") as f:
    noi_dung = f.read()

# ② Lặp từng dòng — CÁCH MẶC ĐỊNH, chạy được với tệp 100 GB
with open("nhat_ky.log", encoding="utf-8") as f:
    for so_dong, dong in enumerate(f, start=1):
        if "ERROR" in dong:
            print(f"{so_dong}: {dong.rstrip()}")   # rstrip bỏ \n cuối dòng

# ③ Đọc theo khối — tệp nhị phân lớn, tính checksum...
with open("video.mp4", "rb") as f:
    while khoi := f.read(8192):    # walrus := gán và kiểm tra cùng lúc
        xu_ly(khoi)

# ④ Danh sách dòng đã làm sạch (chỉ khi tệp nhỏ)
with open("ten.txt", encoding="utf-8") as f:
    ten = [d.strip() for d in f if d.strip()]   # bỏ dòng trống

# ① write() — KHÔNG tự thêm \n
with open("ra.txt", "w", encoding="utf-8") as f:
    f.write("Dòng một\n")
    f.write("Dòng hai\n")
    f.write(f"Kết quả: {42}\n")

# ② writelines() — cũng KHÔNG tự thêm \n (tên gây hiểu lầm!)
dong = ["a\n", "b\n", "c\n"]
with open("ra.txt", "w", encoding="utf-8") as f:
    f.writelines(dong)

# ③ Cách Pythonic khi có sẵn list không có \n
ten = ["An", "Bình", "Chi"]
with open("ten.txt", "w", encoding="utf-8") as f:
    f.write("\n".join(ten))

# ④ print() ghi thẳng vào tệp — tiện vì tự thêm \n
with open("bao_cao.txt", "w", encoding="utf-8") as f:
    print("=== BÁO CÁO ===", file=f)
    for t in ten:
        print(f"- {t}", file=f)

# ⑤ Thêm vào cuối, không ghi đè
with open("nhat_ky.log", "a", encoding="utf-8") as f:
    f.write("[INFO] khởi động\n")

s = "Xin chào"

print(len(s))                        # 8 — tám KÝ TỰ
print(len(s.encode("utf-8")))        # 9 — chín BYTE (chỉ "à" có dấu, tốn 2 byte: \xc3\xa0)
print(s.encode("utf-8"))             # b'Xin ch\xc3\xa0o'

# Giải mã sai bảng mã → chữ rác (mojibake)
byte_utf8 = s.encode("utf-8")
print(byte_utf8.decode("latin-1"))    # 'Xin chà o' — sai nhưng KHÔNG báo lỗi!

# Bảng mã không biểu diễn được → lỗi
s.encode("ascii")
# UnicodeEncodeError: 'ascii' codec can't encode character '\xe0'

# Gặp UnicodeDecodeError? Ba bước chẩn đoán:

# 1. Xem vài byte đầu để đoán bảng mã
with open("bi_an.txt", "rb") as f:
    print(f.read(50))
# b'\xef\xbb\xbfXin ch\xc3\xa0o'  ← \xef\xbb\xbf là BOM của UTF-8

# 2. Có BOM → dùng utf-8-sig để Python tự bỏ BOM
with open("bi_an.txt", encoding="utf-8-sig") as f:
    print(f.read())

# 3. Không rõ bảng mã → thử lần lượt
for ma in ("utf-8", "utf-8-sig", "cp1258", "latin-1"):
    try:
        with open("bi_an.txt", encoding=ma) as f:
            print(ma, "→", f.read(80))
    except UnicodeDecodeError as e:
        print(ma, "→ hỏng ở byte", e.start)

from pathlib import Path

p = Path("/home/anh/du_an/bao_cao.thang_5.csv")

print(p.name)        # 'bao_cao.thang_5.csv'  — tên đầy đủ
print(p.stem)        # 'bao_cao.thang_5'      — bỏ đuôi CUỐI CÙNG
print(p.suffix)      # '.csv'
print(p.suffixes)    # ['.thang_5', '.csv']   — mọi đuôi
print(p.parent)      # Path('/home/anh/du_an')
print(p.parents[1])  # Path('/home/anh')      — ông nội
print(p.parts)       # ('/', 'home', 'anh', 'du_an', 'bao_cao.thang_5.csv')

# Toán tử / để nối — đọc rất tự nhiên
goc = Path("/du_lieu")
dich = goc / "2026" / "thang_08" / "ban_hang.csv"
print(dich)          # /du_lieu/2026/thang_08/ban_hang.csv

# Đổi tên/đuôi mà không cắt chuỗi thủ công
print(p.with_suffix(".json"))       # .../bao_cao.thang_5.json
print(p.with_name("tong_hop.csv"))  # .../tong_hop.csv

from pathlib import Path

thu_muc = Path("du_lieu")

# --- Kiểm tra ---
thu_muc.exists()          # tồn tại?
thu_muc.is_file()         # là tệp?
thu_muc.is_dir()          # là thư mục?

# --- Tạo / xoá ---
thu_muc.mkdir(parents=True, exist_ok=True)   # tạo cả cây, không lỗi nếu đã có
(thu_muc / "tam.txt").unlink(missing_ok=True)   # xoá tệp
thu_muc.rmdir()                                # xoá thư mục RỖNG

# --- Đọc / ghi một phát ---
(thu_muc / "ghi_chu.txt").write_text("Xin chào", encoding="utf-8")
noi_dung = (thu_muc / "ghi_chu.txt").read_text(encoding="utf-8")
byte_du_lieu = (thu_muc / "anh.png").read_bytes()

# --- Duyệt ---
for f in thu_muc.iterdir():          # mọi mục con, 1 cấp
    print(f)

for f in thu_muc.glob("*.csv"):        # theo mẫu, 1 cấp
    print(f)

for f in thu_muc.rglob("*.py"):        # ĐỆ QUY mọi cấp (r = recursive)
    print(f)

# --- Thông tin ---
p = thu_muc / "ghi_chu.txt"
print(p.stat().st_size)         # kích thước (byte)
print(p.stat().st_mtime)        # thời điểm sửa cuối (timestamp)

# --- Đường dẫn hữu ích ---
print(Path.cwd())                # thư mục làm việc hiện tại
print(Path.home())               # thư mục home của người dùng
print(Path(__file__).resolve().parent)   # thư mục chứa CHÍNH FILE NÀY

import json
from pathlib import Path

du_lieu = {
    "ten": "Nguyễn Việt Anh",
    "tuoi": 22,
    "ky_nang": ["Python", "TypeScript"],
    "dang_hoc": True,
    "diem_gpa": None,
}

# --- Ghi ra tệp: dump (có chữ s = string, không s = file) ---
with open("ho_so.json", "w", encoding="utf-8") as f:
    json.dump(du_lieu, f,
              ensure_ascii=False,   # ⚠️ BẮT BUỘC cho tiếng Việt
              indent=2)             # xuống dòng cho người đọc

# --- Đọc từ tệp ---
with open("ho_so.json", encoding="utf-8") as f:
    doc_lai = json.load(f)

# --- Chuỗi ↔ object (dumps / loads) ---
chuoi = json.dumps(du_lieu, ensure_ascii=False)
lai = json.loads(chuoi)

# --- Ngắn gọn nhất với pathlib ---
Path("ho_so.json").write_text(
    json.dumps(du_lieu, ensure_ascii=False, indent=2), encoding="utf-8"
)
doc_lai = json.loads(Path("ho_so.json").read_text(encoding="utf-8"))

import json
from datetime import datetime
from dataclasses import dataclass, asdict
from pathlib import Path

@dataclass
class SuKien:
    ten: str
    luc: datetime

def ma_hoa(o: object):
    """Được gọi cho MỌI object json không biết cách xử lý."""
    if isinstance(o, datetime):
        return o.isoformat()
    if isinstance(o, set):
        return sorted(o)
    if isinstance(o, Path):
        return str(o)
    raise TypeError(f"Không serialize được {type(o).__name__}")

sk = SuKien("Họp nhóm", datetime(2026, 8, 14, 9, 30))
print(json.dumps(asdict(sk), default=ma_hoa, ensure_ascii=False))
# {"ten": "Họp nhóm", "luc": "2026-08-14T09:30:00"}

# Bắt lỗi cú pháp JSON đúng cách
try:
    json.loads('{"a": 1,}')          # JSON không cho dấu phẩy thừa
except json.JSONDecodeError as e:
    print(f"Sai cú pháp tại dòng {e.lineno}, cột {e.colno}: {e.msg}")

import csv

# --- ĐỌC bằng DictReader (khuyên dùng — truy cập theo tên cột) ---
with open("sinh_vien.csv", encoding="utf-8", newline="") as f:
    for hang in csv.DictReader(f):
        print(hang["ho_ten"], hang["diem"])   # hang là dict, GIÁ TRỊ LUÔN LÀ str

# --- ĐỌC bằng reader (theo chỉ số) ---
with open("sinh_vien.csv", encoding="utf-8", newline="") as f:
    doc = csv.reader(f)
    tieu_de = next(doc)                # bỏ qua dòng tiêu đề
    for hang in doc:
        print(hang[0], hang[2])          # hang là list[str]

# --- GHI bằng DictWriter ---
sinh_vien = [
    {"ho_ten": "Nguyễn Việt Anh", "lop": "CNTT-K18", "diem": 8.5},
    {"ho_ten": "Trần Thị Bình",   "lop": "CNTT-K18", "diem": 9.0},
]
with open("ket_qua.csv", "w", encoding="utf-8-sig", newline="") as f:
    ghi = csv.DictWriter(f, fieldnames=["ho_ten", "lop", "diem"])
    ghi.writeheader()
    ghi.writerows(sinh_vien)

import csv
from collections import defaultdict
from pathlib import Path

def diem_trung_binh_theo_lop(duong_dan: Path) -> dict[str, float]:
    tong: dict[str, float] = defaultdict(float)
    dem: dict[str, int]   = defaultdict(int)

    with duong_dan.open(encoding="utf-8-sig", newline="") as f:
        for so_dong, hang in enumerate(csv.DictReader(f), start=2):
            try:
                diem = float(hang["diem"])
            except (ValueError, KeyError) as e:
                print(f"⚠️ Bỏ qua dòng {so_dong}: {e}")
                continue
            lop = hang["lop"].strip()
            tong[lop] += diem
            dem[lop]  += 1

    return {lop: round(tong[lop] / dem[lop], 2) for lop in tong}

print(diem_trung_binh_theo_lop(Path("sinh_vien.csv")))
# {'CNTT-K18': 8.75, 'CNTT-K19': 7.9}

import re

van_ban = "Liên hệ: an@example.com hoặc binh.tran@company.vn"

# r"" = raw string — BẮT BUỘC với regex (xem callout bên dưới)
mau = r"[\w.]+@[\w.]+\.\w+"

print(re.findall(mau, van_ban))
# ['an@example.com', 'binh.tran@company.vn']

import re

s = "Đơn DH-2026-0042 ngày 14/08/2026, tổng 1500000đ"

# search — tìm ở bất kỳ đâu
m = re.search(r"DH-\d{4}-\d{4}", s)
print(m.group())        # 'DH-2026-0042'
print(m.start(), m.end())   # 4 16 — vị trí trong chuỗi

# match — chỉ từ đầu chuỗi → None vì chuỗi bắt đầu bằng "Đơn"
print(re.match(r"DH-\d+", s))    # None

# fullmatch — validate: phải khớp TOÀN BỘ
print(re.fullmatch(r"\d{10}", "0912345678"))   # khớp
print(re.fullmatch(r"\d{10}", "0912345678x"))  # None ✅

# findall — lấy nhanh mọi số
print(re.findall(r"\d+", s))
# ['2026', '0042', '14', '08', '2026', '1500000']

# finditer — khi cần cả vị trí
for m in re.finditer(r"\d+", s):
    print(f"{m.group()} tại {m.start()}")

# sub — thay thế (che số điện thoại chẳng hạn)
print(re.sub(r"\d{7,}", "[ẩn]", s))
# 'Đơn DH-2026-0042 ngày 14/08/2026, tổng [ẩn]đ'

# split — tách theo nhiều loại dấu phân cách
print(re.split(r"[,;|]\s*", "a, b;c | d"))
# ['a', 'b', 'c', 'd']

import re

# --- Nhóm đánh số ---
m = re.search(r"(\d{2})/(\d{2})/(\d{4})", "Hạn: 14/08/2026")
print(m.group(0))     # '14/08/2026'  — nhóm 0 = toàn bộ khớp
print(m.group(1))     # '14'
print(m.groups())      # ('14', '08', '2026')

# --- Nhóm CÓ TÊN — dễ đọc hơn nhiều, dùng cái này ---
mau = r"(?P<ngay>\d{2})/(?P<thang>\d{2})/(?P<nam>\d{4})"
m = re.search(mau, "Hạn: 14/08/2026")
print(m.group("nam"))         # '2026'
print(m.groupdict())           # {'ngay': '14', 'thang': '08', 'nam': '2026'}

# --- Tham chiếu nhóm trong chuỗi thay thế ---
# Đổi dd/mm/yyyy → yyyy-mm-dd
print(re.sub(mau, r"\g<nam>-\g<thang>-\g<ngay>", "Hạn: 14/08/2026"))
# 'Hạn: 2026-08-14'

# --- Nhóm không bắt (?:...) — gom mà không tạo nhóm ---
print(re.findall(r"(?:https?://)?(\w+\.com)", "https://a.com và b.com"))
# ['a.com', 'b.com']  — nếu dùng (...) thay (?:...) sẽ ra list tuple lộn xộn

# --- sub với hàm thay thế: xử lý phức tạp ---
def tang_gia(m: re.Match) -> str:
    return str(int(m.group()) * 2)

print(re.sub(r"\d+", tang_gia, "Giá 100 và 250"))
# 'Giá 200 và 500'

import re

# --- Biên dịch trước: dùng lại nhiều lần, đọc rõ hơn ---
MAU_EMAIL = re.compile(r"[\w.+-]+@[\w-]+\.[\w.]+", re.IGNORECASE)

for dong in danh_sach:
    if MAU_EMAIL.search(dong):        # gọi method trên object đã compile
        ...

# --- VERBOSE: viết regex phức tạp mà vẫn đọc được ---
MAU_SDT_VN = re.compile(r"""
    ^                    # đầu chuỗi
    (?:\+84|0)           # mã quốc gia +84 hoặc số 0
    \s?
    (3|5|7|8|9)          # đầu số di động Việt Nam hợp lệ
    \d{8}                # 8 chữ số còn lại
    $                    # cuối chuỗi
""", re.VERBOSE)

print(bool(MAU_SDT_VN.match("0912345678")))    # True
print(bool(MAU_SDT_VN.match("+84912345678")))  # True
print(bool(MAU_SDT_VN.match("0112345678")))    # False — đầu số 1 không hợp lệ

# --- MULTILINE ---
log = """INFO khởi động
ERROR không kết nối được
INFO thử lại"""
print(re.findall(r"^ERROR.*", log, re.MULTILINE))
# ['ERROR không kết nối được']