Python的外交官——IO流操作

一、学IO操作目的是啥？

我们在编程时一般不可能只是打打代码，而没有将数据存到电脑上，比如想把一篇文章写在电脑里，或者想从电脑中查看一篇文章，那就需要IO流操作，将文章永久存到电脑上。可能很多读者都不明白，不是就简单的复制粘贴嘛，哪有那么高级。这里牛顿就会冒出来说那是你站在巨人的肩膀上，没错！我们一般用到的都是简单化的读写，你想想我们的复制粘贴哪里来？就是我们在软件内部写了IO流操作，把事情简单化了，使得我们不用考虑到这么多知识，而是简单的复制粘贴。哪有的人又问，Print函数和Input函数表示就是输入输出吗？是的，但是我们不可能让用户去编写一段代码吧，肯定需要让用户操作的越简单越好啦！再加上电脑已关机，输入的文字就会随之消失！

那什么是IO流操作呢？

首先我们需要清楚IO流操作中的读写操作不是我们平时所说读写看，而是将数据加载到硬盘中，我们叫IO流的写操作，即输入流，将硬盘加载出来，叫做IO流的读操作，即输出流。

那问题来了，什么是流？

流是个比较抽象的概念，可以这么理解，假设硬盘是大海，那么数据流就可以是水流，水要进入大海就是输入流，水要流出来就是输出流。字节流就是一滴一滴地流，字符流就是一大块一大块地流，区别嘛，就是字节流变得更加简单和纯净，而字符流，什么垃圾啊，鱼啊，一起加进去流动。

流操作分类

1.按照数据流方向可以分为输入流和输出流。

2.按照处理数据类型的单位不同可以分为字节流和字符流。

所以IO流操作就是一种抽象的概念，即Input Output Stream，输入输出流，以流的方式进行输入输出。

一个完整的IO操作，一般为以下步骤:

打开文件 ==> 读取数据 ==> 数据运算 ==> 数据的持久化 ==> 关闭资源

读取数据是将数据从一个持久化设备（比如硬盘，U盘）中读取到内存（这东西比硬盘快）中。

（以上是个人理解）

二、open函数

那很多人就感觉IO流应该是一只非常难搞的鸭子！说实话，确实有点，在其他编程语言中，IO流操作一直都是一大难点之一，但是在Python中，它就是一个函数，一个内置函数，Python团队将它简单化了！

格式

open(file, mode=‘r’, buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

file：必选参数，传入的文件名路径，可以是相对路径也可以是绝对路径。
mode：可选参数，用于指定文件的打开方式，默认为r。
buffering：可选参数，用于指定对文件做读写操作时，是否使用缓冲区（可以理解为为内存），为0则表示在打开指定文件时不使用缓冲区，为大于0的整数用于指定缓冲区的大小（单位是字节），为小于0则代表使用默认的区大小。建议为默认值，因为快啊！
encoding：设定打开文件时所使用的编码格式。
errors：可选参数，指定编码错误如何处理，不在二进制模式下使用。
newline：可选参数，就是用来换行的。
closefd：可选参数，一般用不到
opener：可选参数，一般用不到

三、open函数使用

1.输入流与输出流

输入流输出流其实是和字符字节流一起套用的，就相当于一个改变的是水流方向，一个是水的容量，我们先演示的是字符流，一般情况下，字符流是不需要使用关键传参的。

注意：默认为mode="rt"

下面是mode值的参数表：

a.输出流就是mode=“r”

代码

#假设文件名为China.txt 内容为：我爱中国！也爱Python！
#由于Win系统编码不能显示汉字所以使用utf-8
#read函数是只读模式下使用的用来读出数据，只读模式下不可以使用write函数
#close函数是关闭文件，防止内存占用，虽然Python默认有内存回收机制，但是以防万一嘛！
op = open("H:\\China.txt", encoding="utf-8")
print(op.read())
op.close()

显示结果

b.输入流就是mode=“w"或者"a”

会发现怎么输入流是两个呢？因为"w"表示的是将原来的覆盖，重新写，而"a"是在原来的基础上添加！
代码

#假设文件名为China.txt 内容：我爱中国！也爱Python！
#weite函数接收字符后，返回字符个数，只写模式下不可以使用read函数
op_1 = open("H:\\China.txt", "a", encoding="utf-8")
op_2 = open("H:\\Python.txt", "w", encoding="utf-8")
print(op_1.write("我爱中国！也爱Python！"))
print(op_2.write("我爱中国！爱Python！"))
op_1.close()
op_2.close()

显示结果

2.字节操作

接下来就是字节流操作，字节流操作的读操作是输出一堆字节，所以没有编码，必须将字符转换成字节才能传输，就相当于小吸管不能塞进大鱼一样。

在Python中在字符引号前面加b就是将其改变成字节。

注意：字节流操作不支持编码参数传参，即encoding为默认值

字节的输出流操作

就是mode="rb"

代码

#假设文件名为China.txt 内容为：我爱中国！也爱Python！
#由于Win系统编码不能显示汉字所以使用utf-8
#read函数是只读模式下使用的用来读出数据，只读模式下不可以使用write函数
#close函数是关闭文件，防止内存占用，虽然Python默认有内存回收机制，但是以防万一嘛！
#注意字节流操作不支持编码
op = open("H:\\China.txt", "rb")
print(op.read())
op.close()

显示结果

字节的输入流操作

就是mode="ab"或者mode="wb"

代码

#假设文件名为China.txt 内容：字节1和13
#b在Python中表示字节，所以在字节流中只能传字节
#weite函数接收字符后，返回字符个数，只写模式下不可以使用read函数
op_1 = open("H:\\China.txt", "ab")
op_2 = open("H:\\Python.txt", "wb")
print(op_1.write(b'1'))
print(op_2.write(b'13'))
op_1.close()
op_2.close()

显示结果

下面是mode参数的组合：

下面是文件对象内置方法：

四、with语句块

with语句块是一种从Python2.5引入的一个新的语法，它是一种上下文管理协议，目的在于从流程图中把 try,except 和finally 关键字和资源分配释放相关代码统统去掉，简化try…except…finlally（后面会讲的异常处理）的处理流程。说白了就是对没有关掉文件对象，默认使用close函数，避免程序员忘记关闭。（说实话，一个字，周到！）

格式：

with expression [as target]:
…语句块

expression：一个需要执行的表达式
target：一个变量或者元组，存储的是expression表达式执行返回的结果，可选参数。

代码

file_1 = open("H:\\China.txt", "r", encoding="utf-8")
with file_1 as f:
	print(f.read())

显示结果

五、对象的序列化和反序列化

对象概念是一个逻辑单位，它是比较抽象的一个概念。后面会详细讲解，目前暂时理解为，一种黑盒子或者一种思维。

对象的序列化和反序列化也是一种抽象的概念，我们可以理解为，一种思维实体化，就是说，一个虚无的东西变成一种可以摸得到看的到的东西，比如开心这个感觉，它是虚无，看不到也摸不着的，但是我们通过文字开心就能明白这个东西是什么，从开心这个感觉到文字的展现的这个过程叫序列化，而反序列化，就是我们通过读懂文字知道开心这个感觉的这个过程。简而言之就是思维实体化。

对象序列化就是将对象这个概念变成字节数据，反之，就是反序列化。我们可以通过导入pickle模块的dump/dumps方法进行序列化，load/loads方法进行反序列化。还有json模块也是，但是一般用来序列化字典类型的数据。

关于json/pickle模块的序列化函数使用：链接在此

1.序列化

代码

import pickle
list_1 = [19,2,4,69,77,8,9]
list_2 = [8,2,84,67,7,8,9]
file_1 = open("H:\\list_1.txt", "wb")
file_2 = open("H:\\list_2.txt", "wb")
data_1 = pickle.dump(list_1, file_1)
print(data_1)	#返回None
file_1.close()
data_2 = pickle.dumps(list_2)
with file_2 as f:
	print(f.write(data_2))

显示结果

2.反序列化

代码

import pickle
file_1 = open("H:\\list_1.txt", "rb")
file_2 = open("H:\\list_2.txt", "rb")
list_1 = pickle.load(file_1)
file_1.close()
with file_2 as f:
	data_2 = f.read()
list_2 = pickle.loads(data_2)
print(list_1)
print(list_2)

显示结果