Python学习—open函数,json与pickle知识点,Os模块详解

目录

1. Open函数

2.json与pickle模块

json模块

1. json.dumps()

2. json.dump()

3. json.loads()

4. json.load()

pickle 模块

1. pickle.dumps()

2. pickle.dump()

3. pickle.loads()

4. pickle.load()

3.Os模块


1. Open函数

在Python中,open() 函数用于打开文件,并返回一个文件对象,可以用于读取或写入文件内容。open() 函数的基本语法如下:

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

参数说明:

  • file: 必需,表示要打开的文件名(包括路径)。
  • mode: 可选,表示文件的打开模式,默认为 'r'(只读模式)。常用的模式包括:
    • 'r': 只读模式(默认)。
    • 'w': 只写模式。如果文件存在则覆盖,不存在则创建。
    • 'x': 创建并写入一个新文件,如果文件已存在则失败。
    • 'a': 追加模式,将内容写入到文件末尾。
    • 'b': 二进制模式。
    • 't': 文本模式(默认)。
    • '+': 打开文件进行更新(读取和写入)。
  • 其他参数如 bufferingencodingerrors 等通常是可选的,用于控制文件读写时的缓冲行为、文本编码、错误处理等。

示例:

# 打开一个文件进行读取
file = open('example.txt', 'r')
content = file.read()
print(content)
file.close()

# 打开一个文件进行写入
file = open('output.txt', 'w')
file.write('Hello, World!')
file.close()

在使用 open() 函数时,建议在操作文件完毕后调用 file.close() 来关闭文件对象,这样可以释放资源并确保写入的内容被正确保存。另外,也可以使用 with 语句来自动管理文件的打开和关闭:

with open('example.txt', 'r') as file:
    content = file.read()
    print(content)
# 文件会在离开 `with` 块后自动关闭

2.json与pickle模块

json模块

1. json.dumps()

json.dumps()函数用于将Python对象转换为JSON格式的字符串。其基本语法如下:

import json

# 将Python对象转换为JSON字符串
json_str = json.dumps(python_object)

其中,python_object可以是字典、列表、元组等基本的Python数据结构。

示例:

data = {'name': 'Alice', 'age': 30}
json_str = json.dumps(data)
print(json_str)  # 输出: {"name": "Alice", "age": 30}
2. json.dump()

json.dump()函数与json.dumps()类似,不同之处在于它将Python对象转换为JSON格式的字符串后,直接写入到文件对象中。其基本语法如下:

import json

# 将Python对象转换为JSON字符串,并写入文件
with open('data.json', 'w') as f:
    json.dump(python_object, f)

这个方法特别适合于将Python数据结构持久化到文件中。

3. json.loads()

json.loads()函数用于将JSON格式的字符串转换为Python对象。其基本语法如下:

import json

# 将JSON字符串转换为Python对象
python_obj = json.loads(json_string)

示例:

json_str = '{"name": "Alice", "age": 30}'
data = json.loads(json_str)
print(data)  # 输出: {'name': 'Alice', 'age': 30}
4. json.load()

json.load()函数与json.loads()类似,不同之处在于它从文件对象中读取JSON数据,并将其解析为Python对象。其基本语法如下:

import json

# 从文件中读取JSON数据,并解析为Python对象
with open('data.json', 'r') as f:
    data = json.load(f)

这个方法通常用于从文件中加载之前存储的JSON数据。

总结:
1.  json.dumps():将Python对象转换为JSON格式的字符串。
2.  json.dump():将Python对象转换为JSON格式的字符串,并写入文件。
3.  json.loads():将JSON格式的字符串转换为Python对象。
4.  json.load():从文件中读取JSON数据,并将其解析为Python对象。

pickle 模块

1. pickle.dumps()

pickle.dumps() 函数将 Python 对象序列化为一个字节对象,可以稍后写入文件或者通过网络传输。其基本语法如下:

import pickle

# 将Python对象序列化为字节对象
pickle_bytes = pickle.dumps(python_object)

示例:

data = {'name': 'Bob', 'age': 25}
pickle_bytes = pickle.dumps(data)
2. pickle.dump()

pickle.dump() 函数与 pickle.dumps() 类似,不同之处在于它直接将序列化后的字节数据写入文件对象中。其基本语法如下:

import pickle

# 将Python对象序列化为字节对象,并写入文件
with open('data.pkl', 'wb') as f:
    pickle.dump(python_object, f)

示例:

data = {'name': 'Bob', 'age': 25}
with open('data.pkl', 'wb') as f:
    pickle.dump(data, f)
3. pickle.loads()

pickle.loads() 函数从字节对象中反序列化出 Python 对象。其基本语法如下:

import pickle

# 从字节对象中反序列化出Python对象
python_obj = pickle.loads(pickle_bytes)

示例:

pickle_bytes = b'\x80\x04\x95\x1a\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x04name\x94\x8c\x03Bob\x94\x8c\x03age\x94K\x19u.'
data = pickle.loads(pickle_bytes)
print(data)  # 输出: {'name': 'Bob', 'age': 25}
4. pickle.load()

pickle.load() 函数与 pickle.loads() 类似,不同之处在于它从文件对象中读取字节数据,并将其反序列化为 Python 对象。其基本语法如下:

import pickle

# 从文件中读取字节数据,并反序列化出Python对象
with open('data.pkl', 'rb') as f:
    data = pickle.load(f)

示例:

with open('data.pkl', 'rb') as f:
    data = pickle.load(f)
print(data)  # 输出: {'name': 'Bob', 'age': 25}

注意事项:
1.  pickle 模块生成的序列化数据是 Python 特定的,并不跨语言兼容,因此在不同的 Python 版本之间使用时要小心。
2.  对于简单的数据结构和与 Python 特定的应用场景,pickle 提供了更高效的数据序列化和反序列化方法。

3.Os模块

关于Os模块的各种方法,见代码:

import os


# 获取当前工作目录
current_dir = os.getcwd()
print("当前工作目录:", current_dir)


# 改变当前工作目录
os.chdir('/path/to/new/directory')
print("新的工作目录:", os.getcwd())


# 列出目录中的文件和子目录
files_and_dirs = os.listdir('/path/to/directory')
print("目录内容:", files_and_dirs)


# 创建目录(包括多级目录)
os.makedirs('/path/to/new/directory')


# 删除空目录
os.rmdir('/path/to/directory')


# 删除文件
os.remove('/path/to/file')


# 获取环境变量
env_var = os.getenv('ENV_VARIABLE_NAME')
print("环境变量:", env_var)


# 设置环境变量
os.environ['ENV_VARIABLE_NAME'] = 'value'


# 路径拼接
path = os.path.join('/path', 'to', 'directory')


# 获取文件名和目录名
filename = os.path.basename('/path/to/file.txt')
dirname = os.path.dirname('/path/to/file.txt')


# 检查路径是否为文件或目录
is_file = os.path.isfile('/path/to/file.txt')
is_dir = os.path.isdir('/path/to/directory')


# 重命名文件
os.rename('old_filename.txt', 'new_filename.txt')


# 检查路径是否存在
exists = os.path.exists('/path/to/something')


知识模块图:

  • 19
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pythonpickle模块是用来实现序列化的,即将Python中的对象转换成字节流,方便存储和传输。pickle模块支持多种协议,其中协议0是最早的版本,协议1和协议2是Pyhton2中引入的,协议3是Python3.0中引入的,协议4是Python3.4中引入的,每个协议都有其特点和适用范围。 下面我们来详细了解一下pickle模块的使用方法和各个协议的特点。 ## 基本用法 pickle模块提供了dumps、dump、loads和load四个函数,分别用来进行序列化和反序列化操作。其中dumps和loads函数可以直接将对象转换成字节流或将字节流转换成对象,而dump和load函数则可以将对象序列化到文件或从文件中反序列化对象。 ### 序列化 将Python对象转换成字节流的过程称为序列化,可以使用dumps函数实现: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} bytes_data = pickle.dumps(data) print(bytes_data) ``` 输出结果为: ``` b'\x80\x04\x95\x17\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x04name\x94\x8c\x03Tom\x94\x8c\x03age\x94K\x12\x8c\x06gender\x94\x8c\x04male\x94u.' ``` 可以看到,data字典被转换成了一串二进制的字节流。 ### 反序列化 将字节流转换成Python对象的过程称为反序列化,可以使用loads函数实现: ```python import pickle bytes_data = b'\x80\x04\x95\x17\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x04name\x94\x8c\x03Tom\x94\x8c\x03age\x94K\x12\x8c\x06gender\x94\x8c\x04male\x94u.' data = pickle.loads(bytes_data) print(data) ``` 输出结果为: ``` {'name': 'Tom', 'age': 18, 'gender': 'male'} ``` ### 文件操作 除了使用dumps和loads函数进行序列化和反序列化操作外,pickle模块还提供了dump和load函数用于将对象序列化到文件或从文件中反序列化对象。 将对象序列化到文件: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} with open('data.pkl', 'wb') as f: pickle.dump(data, f) ``` 从文件中反序列化对象: ```python import pickle with open('data.pkl', 'rb') as f: data = pickle.load(f) print(data) ``` ## 协议0 协议0是最早的版本,它使用ASCII码来表示序列化后的对象,因此序列化后的数据比较大。使用协议0时,可以指定文件打开模式为't',表示以文本模式打开文件: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} with open('data.pkl', 'wt') as f: pickle.dump(data, f, protocol=0) with open('data.pkl', 'rt') as f: data = pickle.load(f) print(data) ``` 输出结果为: ``` {'age': 18, 'gender': 'male', 'name': 'Tom'} ``` ## 协议1 协议1和协议2是Python2中引入的,它们使用更紧凑的二进制格式表示序列化后的对象。协议1可以指定文件打开模式为'wb',表示以二进制模式打开文件: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} with open('data.pkl', 'wb') as f: pickle.dump(data, f, protocol=1) with open('data.pkl', 'rb') as f: data = pickle.load(f) print(data) ``` 输出结果为: ``` {'name': 'Tom', 'age': 18, 'gender': 'male'} ``` ## 协议2 协议2是协议1的改进版本,它支持新的对象类型,如集合、字典等。在Python2中,协议2是默认使用的协议,如果不指定协议号,则使用协议2。 在Python3中,pickle模块默认使用协议3,但仍然可以使用协议2: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} with open('data.pkl', 'wb') as f: pickle.dump(data, f, protocol=2) with open('data.pkl', 'rb') as f: data = pickle.load(f) print(data) ``` 输出结果为: ``` {'name': 'Tom', 'age': 18, 'gender': 'male'} ``` ## 协议3 协议3是Python3.0中引入的,它支持更多的对象类型,如bytes、bytearray、set等。在Python3中,协议3是默认使用的协议,因此可以省略protocol参数: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} with open('data.pkl', 'wb') as f: pickle.dump(data, f) with open('data.pkl', 'rb') as f: data = pickle.load(f) print(data) ``` 输出结果为: ``` {'name': 'Tom', 'age': 18, 'gender': 'male'} ``` ## 协议4 协议4是Python3.4中引入的,它支持更多的对象类型,如memoryview、tuple等。协议4还支持从流中读取指定长度的数据,从而避免了一次性读取太多数据导致内存溢出的问题。 使用协议4时,需要将文件打开模式指定为'xb',表示以二进制模式打开文件,并且不能使用文本模式: ```python import pickle data = {'name': 'Tom', 'age': 18, 'gender': 'male'} with open('data.pkl', 'xb') as f: pickle.dump(data, f, protocol=4) with open('data.pkl', 'rb') as f: data = pickle.load(f) print(data) ``` 输出结果为: ``` {'name': 'Tom', 'age': 18, 'gender': 'male'} ``` ## 注意事项 在使用pickle模块时,需要注意以下几点: - 序列化和反序列化的对象必须是可序列化的,即不能包含不能序列化的对象。 - 序列化和反序列化的对象必须是相同的类型,否则可能会出现错误。 - 序列化和反序列化的对象必须是可信的,否则可能会被注入恶意代码。 - 不同协议之间的兼容性不同,不同协议之间的序列化和反序列化操作不一定是互逆的。因此,在使用不同协议时,需要注意协议号的兼容性和相应的操作。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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