IO编程
什么是IO
IO在计算机中指输入和输出(Input/Output)。由于程序运行时,数据是在内存中驻留,并由CPU这个超快的计算核心来进行处理的(处理时会把数据从内存载入到CPU的高速缓存中),而涉及到数据交换的操作,比如磁盘读写、网络传输等的时候,就需要使用IO接口来协调了。
比如你打开浏览器,访问新浪首页,浏览器这个程序就需要通过网络IO获取新浪的网页。浏览器首先会发送数据给新浪服务器,告诉它我想要首页的HTML,这个动作是往外发数据,叫Output,随后新浪服务器把网页发过来,这个动作是从外面接收数据,叫Input。所以,通常,程序完成IO操作会有Input和Output两个数据流。当然也有只用一个的情况,比如,从磁盘读取文件到内存,就只有Input操作,反过来,把数据写到磁盘文件里,就只是一个Output操作。
IO编程中,流(Stream)是一个很重要的概念,可以把流想象成一个水管,数据就是水管里的水,但是只能单向流动。Input Stream就是数据从外面(磁盘、网络)流进内存,Output Stream就是数据从内存流到外面去。对于浏览网页来说,浏览器程序和新浪服务器之间至少需要建立两根水管,才可以既能发数据,又能收数据。
由于CPU和内存的速度远远高于外设的速度,所以,在IO编程中,就存在速度严重不匹配的问题。举个例子来说,比如要把100M的数据写入磁盘,CPU输出100M的数据只需要0.01秒,可是磁盘要接收这100M数据可能需要10秒,怎么办呢?有两种办法:
-
第一种方法是让CPU等待,也就是程序暂停执行后续代码,等100M的数据在10秒后写入磁盘,再接着往下执行,这种模式称为同步IO;
-
第二种方法是CPU不等待,只是告诉磁盘,“您老慢慢写,不着急,我接着干别的事去了”,于是,后续代码可以继续执行,这种模式称为异步IO。
同步和异步的区别就在于是否等待IO执行的结果。好比你去麦当劳点餐,你说“来个汉堡”,服务员告诉你,对不起,汉堡要现做,需要等5分钟,于是你站在收银台前面等了5分钟,拿到汉堡再去逛商场,这是同步IO。
你说“来个汉堡”,服务员告诉你,汉堡需要等5分钟,你可以先去逛商场,等做好了,我们再通知你,这样你可以立刻去干别的事情(逛商场),这是异步IO。
很明显,使用异步IO来编写程序性能会远远高于同步IO,但是异步IO的缺点是编程模型复杂。想想看,你得知道什么时候通知你“汉堡做好了”,而通知你的方法也各不相同。如果是服务员亲自跑过来找到你,这是回调模式,如果服务员发短信通知你,你就得不停地检查手机,这是轮询模式。总之,异步IO的复杂度远远高于同步IO。
操作IO的能力都是由操作系统提供的,编程语言所做的只是把操作系统提供的低级C接口封装起来方便使用,Python也不例外。后面的小节中会详细讨论Python的IO编程接口。
注意,本章的IO编程都是同步模式,异步IO由于复杂度太高,后续涉及到服务器端程序开发时会再作讨论。
文件读写
读写文件是最常见的IO操作。Python内置了读写文件的函数,用法和C是兼容的。
读写文件前,我们先必须了解一下,在磁盘上读写文件的功能都是由操作系统提供的,现代操作系统不允许普通的程序直接操作磁盘,所以,读写文件就是请求操作系统打开一个文件对象(通常称为文件描述符),然后,通过操作系统提供的接口从这个文件对象中读取数据(读文件),或者把数据写入这个文件对象(写文件)。
读文件
要以读文件的模式打开一个文件对象,可以使用Python内置的 open()
函数,传入文件名(如果文件和代码文件在相同文件夹下就可以省略路径)和标示符 'r'
:
>>> f = open('/Users/michael/test.txt', 'r')
标示符 'r'
表示读,这样,我们就成功地打开了一个文件。
如果文件不存在,open()
函数就会抛出一个 IOError
的错误,并且给出错误码和详细的信息告诉你文件不存在:
>>> f=open('/Users/michael/notfound.txt', 'r')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
FileNotFoundError: [Errno 2] No such file or directory: '/Users/michael/notfound.txt'
如果文件打开成功,我们就可以调用 read()
方法来一次读取文件的全部内容,Python会把为文件的内容读到内存,返回的是一个 str
对象:
>>> f.read()
'Hello, world!'
读取完毕后,如果不需要继续操作文件对象,我们就应当调用 close()
方法来关闭它。因为文件对象会占用操作系统的资源,并且操作系统同一时间能打开的文件数量也是有限的:
>>> f.close()
由于读写文件都有可能产生 IOError
,一旦出错,后面的 f.close()
就不会调用。所以,为了保证无论是否出错都能正确地关闭文件,我们可以使用 try ... finally
来实现:
try:
f = open('/path/to/file', 'r')
print(f.read())
finally:
if f:
f.close()
但是每次都这么写实在太繁琐,所以,Python引入了 with
语句来自动帮我们调用 close()
方法((在上一章中有 with
语句使用及原理的介绍)):
with open('/path/to/file', 'r') as f:
print(f.read())
这和前面的 try ... finally
实现的效果是一样的,但是代码更简洁,并且我们不必调用 f.close()
方法。
调用 read()
方法可以一次性读取文件的全部内容。但如果文件有10G,内存就爆了,所以,为了保险起见,我们可以多次调用 read(size)
方法,每次最多读取size个字节的内容。
但是有时候文件不一定有严格的格式,比方说读取一篇文章,这时按字节读取就不太合适了。但我们可以调用 readline()
方法,readline()
方法每次读取文件的一行内容。而调用 readlines()
方法则会一次读取文件的所有内容并按行返回一个 list
对象。我们可以:
for line in f.readlines():
print(line.strip()) # 把末尾的换行符'\n'删掉再打印
写文件
写文件和读文件是一样的,唯一区别是调用 open()
函数时,传入标识符 'w'
或者 'wb'
表示写文本文件或写二进制文件:
>>> f = open('/Users/michael/test.txt', 'w')
>>> f.write('Hello, world!')
>>> f.close()
你可以多次调用 write()
来写入文件,但是最后一定要调用 f.close()
来关闭文件。当我们写文件时,操作系统往往不会立刻把数据写入磁盘,而是放在内存中缓存起来,空闲的时候再慢慢写入。只有调用 close()
方法时,操作系统才会保证把没有写入的数据全部写入磁盘。忘记 close()
的后果是数据可能只有一部分写到了磁盘,剩下的丢失了。为了避免这样的情况发生,类似上一节所介绍的,我们可以使用 with
语句自动管理上下文:
with open('/Users/michael/test.txt', 'w') as f:
f.write('Hello, world!')
如果要写入特定编码的文本文件,还可以给 open()
函数传入 encoding
参数,将要写入的字符串自动转换成指定编码。
file-like Object
在Python中,除了文件对象之外,内存中的字节流,网络流,自定义流等等,拥有 read()
方法的对象统称为 file-like Object
。file-like Object
不需要继承自特定的类,只要有 read()
方法就行(文件对象的其他方法不一定都需要实现,可以看看官方说明),这得益于Python鸭子类型的实现。StringIO
就是在内存中创建的 file-like Object
,常用作临时缓冲。
二进制文件
前面讲的默认都是读取文本文件,并且是UTF-8编码的文本文件。要读取二进制文件,比如图片、视频等等,用 'rb'
模式打开文件即可:
>>> f = open('/Users/michael/test.jpg', 'rb')
>>> f.read()
b'\xff\xd8\xff\xe1\x00\x18Exif\x00\x00...' # 十六进制表示的字节
字符编码
要读取非UTF-8编码的文本文件,可以给 open()
函数传入 encoding
参数,例如,读取GBK编码的文件:
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk')
>>> f.read()
'测试'
遇到有些编码不规范的文件,你可能会遇到 UnicodeDecodeError
,因为在文本文件中可能夹杂了一些非法编码的字符。遇到这种情况,open()
函数还接收一个 errors
参数,表示如果遇到编码错误后如何处理。最简单的方式是直接忽略:
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')
小结
在Python中,文件读写是通过 open()
函数打开的文件对象完成的。使用 with
语句操作文件IO是个好习惯。