python学习笔记（九）IO编程

IO在计算机中值Input/Output，输入和输出。由于程序和运行时数据是在内存中驻留，由CPU这个超快的计算核心来执行，涉及到数据交换的地方，通常是磁盘、网络等，就需要IO接口。

例子：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，告诉他想要首页的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。
通常程序完成IO操作会有Input和Output两个数据流。
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，是一个Output操作

IO编程中，Stream（流）是一个很重要哦的概念，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，OutputStream就是数据从内存流到外面去。
对于浏览网页来说，浏览器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。
两种解决办法：
1 cpu等着，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，再解这往下执行，这种模式称为同步IO
2 cpu不等待，去做别的事情，于是后续代码可以立刻解这执行，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。
举例：去金拱门点餐，服务员告诉你，汉堡需要现做，需要等5分钟，于是你在收银台前面等了五分钟，拿到汉堡再去逛商场，这是同步IO//但是如果你先去逛商场，等做好了通知你，再来拿，这样就可以立刻去干别的事情，这是异步IO

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。
通知你汉堡做好的方法各不相同，如果是服务员跑过来找到你，这是回调模式，如果服务员发短信通知你，你就得不停的检查手机，这是轮询模式。总之，异步IO的复杂度远远高同步IO

操作IO的能力都是由操作系统提供的，每一种编程语言都会把操作系统提供的低级c接口封装起来方便使用

文件读写
读写文件时最常见的IO操作
python内置了读写文件的函数，用法和c时兼容的。

读写文件前，必须了解一下，再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文件（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，使用python内置的open()函数，传入文件名和标识符：

>>> f = open('/Users/michael/test.txt', 'r')

‘r’表示读

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，接下来，调用read()方法可以一次读取文件的全部内容，python把内容读到内存，用一个str对象表示：

>>> f.read()
'Hello, world!'

最后时调用close()方法关闭文件。

>>> f.close()

文件使用完毕后必须关闭，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：

由于文件读写时都有可能产生IOError，一旦出错，后面的f.close()就不会调用。为了保证无论是否出错都呢个正确地关闭文件，可以使用try…finally来实现：

try:
    f = open('/path/to/file', 'r')
    print(f.read())
finally:
    if f:
        f.close()

但是每次这么写太繁琐，python引入了with语句来调用close()方法：

with open('/path/to/file', 'r') as f:
    print(f.read())

和try是一样的，但是代码更加简洁

调用read()会一次性读取文件的全部内容，如果文件由10G，内存就爆了，所以保险起见，可以反复调用read(size)方法，每次最多读取size个字节的内容。
调用readline()可以每次读取一行内容
调用readlines()一次读取所有内容并按行返回list

for line in f.readlines():
    print(line.strip()) # 把末尾的'\n'删掉

file-like Object
像open()函数返回的这种有个read()方法的对象，再python中统称为file-like Object。除了file外，还可以是内存的字节流，网络流，自定义流等等。file-like Object不要求从特定类继承，只要写个read()方法就行。

StringIO就是再内存中创建的file-like Object，常用作临时缓冲

二进制文件
前面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

>>> 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，需要给open()函数传入encoding参数
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，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()函数还接收到一个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')

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，传入表示符‘w’或者’wb‘表示写文本文件或者写二进制文件：

>>> f = open('/Users/michael/test.txt', 'w')
>>> f.write('Hello, world!')
>>> f.close()

可以反复调用write()来写入文件，但是务必要调用f.close()来关闭文件
在写文件时，操作系统往往不会立刻把数据写入磁盘，而是放到内存缓存起来，空闲的时候再慢慢写入。只要调用close()方法时，操作系统才保证把没有写入的数据全部写入磁盘
忘记调用close()的后果时数据可能只写了一部分到磁盘，剩下的丢失了。
所以，with语句保险：

with open('/Users/michael/test.txt', 'w') as f:
    f.write('Hello, world!')

要写入特定编码的文本文件，要给open()函数传入encoding参数，讲字符串自动转换成指定编码

’w’模式写入文件时，如果文件已经存在，会直接覆盖（相当于删掉后新写入一个文件）
‘a’以追加append模式写入到文件末尾

文件读写是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

StringIO和BytesIO
很多时候，数据读写不一定是文件，也可以在内存中读写
StringIO就是在内存中读写str
要把str写入StringIO，需要先创建一个StringIO，然后像文件一样写入：

>>> from io import StringIO
>>> f = StringIO()
>>> f.write('hello')
5
>>> f.write(' ')
1
>>> f.write('world!')
6
>>> print(f.getvalue())
hello world!

getvalue()方法用于获得写入后的str

要读取StringIO，可以用一个str初始化StringIO，然后，像读文件一样读取：

>>> from io import StringIO
>>> f = StringIO('Hello!\nHi!\nGoodbye!')
>>> while True:
...     s = f.readline()
...     if s == '':
...         break
...     print(s.strip())
...
Hello!
Hi!
Goodbye!

BytesIO
StringIO操作的只能是str，如果要操作二进制数据，就需要使用BytesIO

BytesIO实现了在内存中读写bytes，创建一个BytesIO，然后写入一些bytes：

>>> from io import BytesIO
>>> f = BytesIO()
>>> f.write('中文'.encode('utf-8'))
6
>>> print(f.getvalue())
b'\xe4\xb8\xad\xe6\x96\x87'

写入的不是str，而是经过UTF-8编码的bytes

和StringIO类似，可以用一个bytes初始化BytesIO，然后像读文件一样读取：

>>> from io import BytesIO
>>> f = BytesIO(b'\xe4\xb8\xad\xe6\x96\x87')
>>> f.read()
b'\xe4\xb8\xad\xe6\x96\x87'

StringIO和BytesIO是在内存中操作str和bytes的方法，使得和读写文件具有一致的接口

操作文件和目录
如果要操作文件，目录，可以在命令行下面输入操作系统提供的各种命令来完成。比如dir，cp等命令

要在python程序中执行这些目录和文件时，操作系统提供的命令只是简单的调用了操作系统提供的接口函数，python内置的os模块也可以直接调用操作系统提供接口函数。

os基本功能：

>>> import os
>>> os.name # 操作系统类型
'posix'

如果时posix，说明系统是linux，unix或者mac osx。如果是nt，就是windows系统
要获取详细的系统信息可以调用uname()函数：

>>> os.uname()
posix.uname_result(sysname='Darwin', nodename='MichaelMacPro.local', release='14.3.0', version='Darwin Kernel Version 14.3.0: Mon Mar 23 11:59:05 PDT 2015; root:xnu-2782.20.48~5/RELEASE_X86_64', machine='x86_64')

uname()函数不在widows上提供，os模块的某些函数是跟操作系统相关的。

环境变量
在操作系统中定义的环境变量，全部保存在os.environ这个变量中，可以直接查看：

>>> os.environ
environ({'VERSIONER_PYTHON_PREFER_32_BIT': 'no', 'TERM_PROGRAM_VERSION': '326', 'LOGNAME': 'michael', 'USER': 'michael', 'PATH': '/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin', ...})

要获取某个环境变量的值，可以调用os.environ.get(‘key’):

>>> os.environ.get('PATH')
'/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin'
>>> os.environ.get('x', 'default')
'default

操作文件和目录
操作文件和目录的函数一部分放在os模块中，一部分放在os.path模块中
查看，创建和删除目录调用：

# 查看当前目录的绝对路径:
>>> os.path.abspath('.')
'/Users/michael'
# 在某个目录下创建一个新目录，首先把新目录的完整路径表示出来:
>>> os.path.join('/Users/michael', 'testdir')
'/Users/michael/testdir'
# 然后创建一个目录:
>>> os.mkdir('/Users/michael/testdir')
# 删掉一个目录:
>>> os.rmdir('/Users/michael/testdir')

把两个路径合成一个时，不要直接拼字符串，而要通过os.path.join()函数，这样可以正确处理不同操作系统的路径分隔离。
在Linux/unix/mac下，os.path.join()返回：

part-1/part-2

windows：
part-1\part-2

在拆分路径时，不要直接去拆字符串，而要通过os.path.split()函数，可以把一个路径拆分为两部分，后一部分总是最后级别的目录或文件名：

>>> os.path.split('/Users/michael/testdir/file.txt')
('/Users/michael/testdir', 'file.txt')

os.path.splitext()可以直接得到文件扩展名

>>> os.path.splitext('/path/to/file.txt')
('/path/to/file', '.txt')

合并，拆分路径的函数并不要求目录和文件要真实存在，支队字符串进行操作。

文件操作使用下面的函数
假定当前目录下有一个test.txt文件：

# 对文件重命名:
>>> os.rename('test.txt', 'test.py')
# 删掉文件:
>>> os.remove('test.py')

但是复制文件的函数在os模块中不存在。原因是复制文件并非由操作系统提供的系统调用。从理论上讲，通过读写文件可以完成文件复制，只不过要多写代码。

shutil模块提供了copyfile()的函数，可以在shutil模块中找到很多实用函数，可以看作是os模块的补充

理工python的特性来过滤文件
列出当前目录下的所有目录：

>>> [x for x in os.listdir('.') if os.path.isdir(x)]
['.lein', '.local', '.m2', '.npm', '.ssh', '.Trash', '.vim', 'Applications', 'Desktop', ...]

列出所有的.py文件

>>> [x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1]=='.py']
['apis.py', 'config.py', 'models.py', 'pymonitor.py', 'test_db.py', 'urls.py', 'wsgiapp.py']

python的os模块封装了操作系统的目录和文件操作，注意这些函数有的在os模块中，有的在os.path中

序列划
在程序运行的过程中，所有的变量都是在内存中，比如定义一个dict：

d = dict(name='Bob', age=20, score=88)

可以随时修改变量，把那么改成bill，但是一旦程序结束，变量所占用的内存就被操作系统全部回收。
如果没有把修改后的bill存储到磁盘上，下次重新运行程序，变量又被初始化为bob

把变量从内存中编程可存储或传输的过程称之为序列化，在python中叫picking，在其他语言中也被称之为serialization，marshalling，flattening等等，都是一个意思

序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。
反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpicking

python提供了pickle模块来实现序列化
首先，尝试把一个对象序列化并写入文件：

>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'

pick.dumps()方法把任意对象序列化成一个bytes，然后就可以把这个bytes写入文件。
或者用另外一个方法pickle.dump()直接把对象序列化后写入一个file-like Object：

>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()

写入的dump.txt文件，一堆乱七八糟的内容，这些都是python保存的对象内部信息

当要把对象从磁盘督导内存时，可以先把内容督导一个bytes，然后用pickle.loads()方法反序列化出对象，也可以直接用pickle.load()方法从一个file-like Object中直接返回反序列化出对象。
打开另一个python命令行来反序列化刚才保存的对象：

>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}

变量的内容又回来了
这个变量和原来的变量完全不相干的对象，只是内容相同

pickle只能用于python

JSON
如果要在不同的编程语言之间传递对象，就必须把对象序列化为标准格式，如XML，但更好的方法时序列化为JSON，因为json表示出来的就是一个字符明可以被所有语言读取，也可以方便的存储到磁盘或者通过网络传输。
json不仅是标准格式，并且比xml快，可以直接在web页面中读取，非常方便

JSON表示的对象就是标准的JavaScript语言的对象，JSON和python内置的数据对应：

python内置的json模块提供了非常完善的python对象到JSON格式的转换

把python对象变成一个JSON：

>>> import json
>>> d = dict(name='Bob', age=20, score=88)
>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'

dumps()方法返回一个str，内容就是标准的json
dump()方法可以直接把JSON写入一个file-like Object

要把JSON反序列化为python对象，用loads()或者对应的load()方法，前者把JSON的字符串反序列化，后者从file-like Object中读取字符串并反序列化：

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}

JSON标准规定的编码是UTF-8，所以可以正确的在python的str与json的字符串之间转换

JSON进阶
python的dict对象可以直接序列化为json的{}，但是很多时候，更喜欢用class表示对象，定义Student类，然后序列化：

import json

class Student(object):
    def __init__(self, name, age, score):
        self.name = name
        self.age = age
        self.score = score

s = Student('Bob', 20, 88)
print(json.dumps(s))


运行代码：（报错）
Traceback (most recent call last):
  ...
TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable

错误的原因是Student对象不是一个可序列化为json的对象
dumps()方法还提供了一大堆的可选参数，这些可选参数就是来定制json序列化。

前面代码之所以无法把Student类实例序列化为JSON，是因为默认情况下，dumps()方法不知道如何将Student实例变为一个JSON的{}对象

可选参数default就是把任意一个对象变成一个可序列的json对象，只需要为student专门写一个转换函数，再把函数传进去即可：

def student2dict(std):
    return {
        'name': std.name,
        'age': std.age,
        'score': std.score
    }

这样Student实例首先被student2dict()函数转换成dict，然后在被顺利序列化为JSON:

>>> print(json.dumps(s, default=student2dict))
{"age": 20, "name": "Bob", "score": 88}

但是如果遇到其他类的实例，照样无法转换

把任意class的实例变为dict：

print(json.dumps(s, default=lambda obj: obj.__dict__))

因为筒仓class实例都有一个__dict__属性，他就是一个dict，用来存储实例变量。也有少数例外，比如定义了__slots__的class

同样的道理，如果要把JSON反序列化为一个Student对象实例，loads（）方法首先转换出一个dict对象，然后，传入object_hook函数负责把dict转换为Student实例：

def dict2student(d):
    return Student(d['name'], d['age'], d['score'])

运行结果：
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>

python语言特定的序列化模块是pickle，但如果要把序列化搞得更通用，更符合web标准，就可以实用json模块。

json模块的dumps()和loads()函数是定义的欸常昊的接口的典范。
当使用时，只需要传入一个必须的参数
当默认的序列化或但序列机制不满足的要求时，又可以传入更多的参数来定制序列化或反序列化的规则。