黑马程序员--学习笔记--IO流File文件操作

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------

File类是java.io包下代表与平台无关的文件和目录,如果要在程序中操作文件和目录,都可以通过File类来完成。File能新建、删除、重命名文件和目录,但是不能访问文件内容本身。所以如果要访问文件内容本身,就需要使用到输入/输出流。

常用方法

当一个File对象被创建后,就可以调用File方法的对象来访问,File类提供了很多方法来操作文件和目录,下面是一些比较常用的方法。

1.创建

boolean createNewFile():在指定位置创建文件,如果该文件已经存在,则不创建,返回false。和输出流不一样,输出流对象一建立创建文件。而且若文件已经存在,会覆盖。
boolean mkdir(): 创建一级目录。
boolean mkdirs(): 创建多级目录。

 2.删除

boolean delete(): 删除失败返回false。
void deleteOnExit(): 在程序退出时删除指定文件。

3.判断对象

boolean exists(): 文件是否存在。
boolean isFile(): 判断File所对应的对象是不是文件,而不是目录。
boolean isDirectory(): 判断File所对应的对象是不是目录,而不是文件。
boolean isHidden(): 文件是否是隐藏的。
boolean isAbsolute(): 判断File对象所对应的文件或目录是否是绝对路径。

4.获取信息

String getName(): 返回此File对象所表示的文件名或路径(最后一级子路径名)名。
String getPath(): 返回此File对象的路径名。
String getParent(): 返回此File对象所对应目录(最后一级子目录)的父目录名。
String getAbsolutePath(): 返回此File对象所对应的绝对路径名。
long lastModified(): 返回此抽象路径名表示的文件最后一次被修改的时间。
long length(): 返回由此抽象路径名表示的文件的长度。

以下是对上面所有方法的代码实例:

public static void main(String[] args) throws IOException {
	//将d:\\a.txt封装成对象。可以将已有的和未出现的文件或者文件夹封装成对象
	File f1 = new File("d:\\a.txt");
	System.out.println(f1);
	//以file文件属性的separator代替分隔符,实现跨平台
	File f2 = new File("d:"+File.separator+"b.txt");
	System.out.println(f2);
	method_3();
    method_4();
	method_5();
	
}
//重命名文件
public static void method_5(){
	File f1 = new File("e:\\a.txt");
	File f2 = new File("d:\\hhh.txt");
	//给文件重命名,被更改的文件要存在
	sop("rename:"+f2.renameTo(f1));
}
//判断
public static void method_3() throws IOException{
	File f = new File("d:\\a\\b\\a\\file.txt");	
	//f.mkdir();
	//f.createNewFile();
	//记住在判断文件对象是否是文件或者目的时,必须先判断该文件对象封装的内容是否存在。
	//通过exists判断。
	//以下判断是否目录和是否文件夹均为false,因为没有创建
	sop("dir:"+f.isDirectory());
	sop("file:"+f.isFile());
	//判断文件对象的路径是否绝对路径,即使文件不存在
	sop(f.isAbsolute());
}
//获得
public static void method_4(){
	File f = new File("abc\\file.txt");
	
	sop("path:"+f.getPath());
	sop("abspath:"+f.getAbsolutePath());
	//该方法返回的是绝对路径中的父目录。如果获取的是相对路径,返回null.换句话说就是判断该路径是否有上一层目录
	//有的话,该目录就是返回结果。
	sop("parent:"+f.getParent());
}
//输出方法
public static void sop(Object obj){
	System.out.println(obj);
}

Properties

Properties 类表示了一个持久的属性集。Properties 可保存在流中或从流中加载。属性列表中每个键及其对应值都是一个字符串。  Properties是hashtable的子类,也就是说他具备map集合的特点,是集合中和IO技术相结合的集合容器,该对象的特点:可以用于键值对形式的配置文件。

//把数据加载到info.txt文件中
public static void loadDemo() throws IOException{
	Properties prop = new Properties();
	FileInputStream fis = new FileInputStream("info.txt");
	//将流中的数据加载进集合
	prop.load(fis);
	//在内存中修改键值对中的信息
	prop.setProperty("wangwu", "38");
	
	FileOutputStream fos = new FileOutputStream("info.txt");
	//将修改信息通过流保存到集合中store()
	prop.store(fos, "hehe");
	//System.out.println(prop);
	//列出集合目录
	prop.list(System.out);
	fis.close();
	fos.close();
}
//演示:如何将流中的数据存储到集合中。
//想要将info.txt中键值数据存到集合中进行操作。
public static void method_1() throws IOException{
	BufferedReader br = new BufferedReader(new FileReader("info.txt"));
	String line = null;
	Properties prop = new Properties();
	while((line=br.readLine())!=null){
		String[] arr = line.split("=");
		prop.setProperty(arr[0], arr[1]);
	}
	System.out.println(prop);
	br.close();
}
//设置和获取元素
public static void setAndGet(){
	Properties prop = new Properties();
	
	prop.setProperty("zhansan", "30");
	prop.setProperty("lise", "20");
	
	String value = prop.getProperty("lise");
	//System.out.println(value);
	prop.setProperty("lise", 89+"");
	//System.out.println(prop);
	Set<String> names = prop.stringPropertyNames();
	for(String s: names){
		System.out.println(s+":"+prop.getProperty(s));
	}
}

IO包中的其他类

打印流:PrintWriter与PrintStream,非常实用。

序列流:SequenceInputStream,对多个流进行合并。

操作对象的流:ObjectInputStream和ObjectOutputStream,被操作的对象需要实现Serializable(序列化接口)。

支持对随机访问文件的类:RandomAccessFile,RandomAccessFile,该类不算是IO体系中的子类,而是直接继承自Object,但是它是IO包中成员,因为它具备读写功能。内部封装了一个数组,而且通过指针对数组的元素进行操作。可以通过getFilePointer获取指针位置。同时可以通过seek改变指针的位置。其实完成读写的原理就是内部封装了字节输入流和输出流。通过构造函数可以看出该类只可以操作文件,而且还有操作文件还有模式:只读r,,读写rw等。如果模式为只读 r。不会创建文件。会去读取一个已存文件。如果该文件不存在,则会出现异常。如果模式为 rw.操作的文件不存在的话会自动创建。如果存在则不会覆盖。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值