Python学习笔记:IO编程
学自廖雪峰巨佬的Python3教程:https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431917590955542f9ac5f5c1479faf787ff2b028ab47000
1.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。IO编程中,Stream(流)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。
第一种是CPU等着,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;另一种方法是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,后续代码可以立刻接着执行,这种模式称为异步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。这章讨论的IO编程都是同步模式,异步IO会在后面的服务器端程序开发时学习。
2.文件读写
使用open函数传入文件名路径和标识符r(表示读)来打开文件
>>> f = open('/Users/michael/test.txt', 'r')
如果文件不存在,就会抛出一个IOError错误,如果文件打开成功,就可以调用read()方法一次性读取文件的全部内容到内存,用str对象表示,最后一步是调用close()方法关闭文件,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。
由于文件的打开、读写都有可能产生IOError,所以要加try..finally,但是每次这样写都比较繁琐,就有了另一种形式
with open('/path/to/file', 'r') as f:
print(f.read())
这和前面的try...finally是一样的,但是代码更加简洁,并且不必调用f.close()方法
由于调用read()会一次性读取文件的全部内容放在内存里,如果文件太大,内存就爆了,所以为了保险起见,可以反复调用read(size)方法,每次最多读取size个字节的内容。另外,调用readline()可以每次读取一行内容,readlines()是一次读取所有内容并按行返回一个list,按需取用。
open()函数返回的这种有read()方法的对象,在Python中通通称为file-like Object,就是所谓的鸭子类型:一只鸟走起来像鸭子、游起泳来像鸭子、叫起来也像鸭子,那它就可以被当做鸭子。也就是说,它不关注对象的类型,而是关注对象具有的行为(方法)。除了file,内存的字节流、网络流、自定义流都算。
如果要读取二进制文件,open函数的标识符要写rb;如果读取的文本不是UTF-8编码,需要给open函数传入encoding参数,如:
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk')
>>> f.read()
'测试'
此外,还可以指定读文件时遇到编码错误时怎么处理,只需要传入errors参数即可,这里的值为ignore即为直接忽略
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')
写文件同样也是调用open参数,只是传入标识符为w表示写文本文件或wb表示写二进制文件。打开文件后,可以反复调用write函数来写入文件,但是务必要调用close方法来关闭文件。跟上面一样,也是可以用with语句来简化这一切。
以w模式写入文件时,如果文件已存在,会直接覆盖,但如果希望用的是追加写,应该传入a标识符。这里是所有模式的定义和含义https://docs.python.org/3/library/functions.html#open
3.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意思就是在内存中读写str,要把str写入StringIO,我们需要先创建一个StringIO,然后,像文件一样写入即可,getvalue方法用于获得写入后的str:
>>> from io import StringIO
>>> f = StringIO()
>>> f.write('hello')
5
>>> f.write(' ')
1
>>> f.write('world!')
6
>>> print(f.getvalue())
hello world!
也要读取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!
StringIO操作的只能是str,如果要操作二进制数据,就需要使用BytesIO。
>>> from io import BytesIO
>>> f = BytesIO()
>>> f.write('中文'.encode('utf-8'))
6
>>> print(f.getvalue())
b'\xe4\xb8\xad\xe6\x96\x87'
读取文件如下:
>>> from io import BytesIO
>>> f = BytesIO(b'\xe4\xb8\xad\xe6\x96\x87')
>>> f.read()
b'\xe4\xb8\xad\xe6\x96\x87'
4.使用os模块可以调用操作系统提供的接口函数来操作文件和目录,os.name可以返回操作系统类型,如果是posix说明系统是Linux、Unix或Mac OS X,如果是nt就是Windows系统,如果要获取详细的系统信息,可以调用uname()函数,但是Windows上不提供。os.environ变量存储系统的环境变量,可以用get方法传入key获取某个环境变量的值。
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、创建和删除目录可以这么调用:
# 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符,拆分的时候也不要直接拆,而是通过os.path.split()函数,这样可以把一个路径拆分为两部分,后一部分是最后级别的目录或文件名,os.path.splitext()用于直接得到文件扩展名,这些合并、拆分路径的函数并不要求目录和文件要真实存在,它们只对字符串进行操作。
使用rename函数对文件重命名,使用remove函数删掉文件,但是os模块里没有文件复制的函数,而是在shutil模块里提供,这个模块还提供了很多实用函数,作为os模块的补充。
还可以利用Python的特性来过滤文件
# 列出当前目录下的所有目录,只需要一行代码:
>>> [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,也只需要一行
>>> [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']
5.序列化
把变量从内存中变成可存储或传输的过程称之为序列化,在Python中叫pickling,在Java里叫serialization。序列化之后就可以把内容写入磁盘,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unpickling。Python提供了pickle模块来实现序列化。
首先将一个对象序列化并写入文件,dumps方法会把任意对象序列化成一个bytes
>>> 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.'
或者可以用dump方法把内容写入文件里
>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()
当要把对象从磁盘读到内存时,可以先把内容读到一个bytes,然后用pickle.loads()方法反序列化出对象,也可以直接用load方法从一个file-like Object中直接反序列化出对象
>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}
如果我们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,比如XML,但更好的方法是序列化为JSON,因为JSON表示出来就是一个字符串,可以被所有语言读取,也可以方便地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更快,而且可以直接在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内置的数据类型对应如下:
JSON类型 | Python类型 |
---|---|
{} | dict |
[] | list |
"string" | str |
1234.56 | int或float |
true/false | True/False |
null | None |
json模块提供了非常完善的Python对象到JSON格式的转换。
>>> 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,dump用于把JSON写入一个file-like Object,要把JSON反序列化成Python对象,用loads方法可以将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'}
但是!前面的方法不能直接把实例序列化为JSON
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))
Traceback (most recent call last):
...
TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable
要实现JSON序列化,得先写一个专门的转换函数,再把函数传进去
def student2dict(std):
return {
'name': std.name,
'age': std.age,
'score': std.score
}
>>> print(json.dumps(s, default=student2dict))
{"age": 20, "name": "Bob", "score": 88}
但是,如果遇到一个Teacher类的实例,照样无法序列化为JSON,遇到这样的情况可以把任意class的实例变为dict
print(json.dumps(s, default=lambda obj: obj.__dict__))
因为通常class的实例都有一个__dict__属性,它就是一个dict,用来存储实例变量,除了__slot__的class。
同理,要把JSON反序列化成一个Student对象实例,loads方法首先转换出一个dict对象,然后我们传入函数把dict转换为Student实例
def dict2student(d):
return Student(d['name'], d['age'], d['score'])
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>