文件操作IO指引

pathlib模块

• pathlib 一组处理操作系统上路径的类库
  • PurePath 逻辑路径,并不会检查是否有真正的文件或目录
    • PurePath 对象支持 / 作为运算符,win,unix皆用此
    • PurePosixPath, PureWindowPath
  • path
    • path 是 purepath 子类,会真正访问底层的文件系统
      • 判断 Path 对应的路径是否存在,可以对文件进行读写
      • 获取 Path 对应路径的各种属性,如是否只读、是文件还是文件夹等）
    • PosixPath, WindowPath
• 根路径
  • unix 风格 根路径 /
  • windows 根据路径是盘符 C:
• pathlib.Path 对象
  • is_xxx() Path 对应的路径是否为 xxx
  • exists() 判断该 Path 对应的目录是否存在
  • iterdir() 返回path对应目录下所有子目录和文件 , 返回生成器
  • glob() 获取 Path 对应目录及其子目录下匹配指定模式的所有文件, 用于文件查找，返回生成器
  • read_bytes() / write_bytes(data) 读取(输出）该 Path 对应文件的字节数据（二进制数据）
  • read_text(encoding=None, errors=None) / Path.write_text(data, encoding=None, errors=None) 读写文本数据

os.path模块

• os.path
  • 与操作系统目录相关
  • 模块下提供了一些可以操作，系统目录本身的一些方法,它下的操作会去寻找真实文件
• 方法指引
  • exists() 函数判断该目录是否存在
  • getctime()、getmtime()、getatime() 函数取该目录的创建,修改,最后一次访问时间
  • getsize() 取指定文件的大小
  • os.path.dirname('abc/xyz/README.txt') 获取目录
  • os.path.samefile(‘ab.py’,’,/ab.py’) 判断是否为同一文件，前提两个文件必须在磁盘上存在

fnmatch模块

• 支持类似于 UNIX shell 风格的文件名匹配
• 支持如下通配符
  • * ？ [字符序列] [!字符序列]
  • ? 可匹配一个任意字符
• 函数指引
  • fnmatch.fnmatch(filename, pattern) 判断指定文件名是否匹配指定 pattern
  • fnmatch.fnmatchcase(filename, pattern) 区分大小写
  • fnmatch.filter(names, pattern)
    • names 为由任意字符串组成的可迭代对象
    • 对 names 列表进行过滤，返回 names 列表中匹配 pattern 的文件名组成的子集合
  • fnmatch.translate(pattern) 将一个 UNIX shell 风格的 pattern 转换为正则表达式 pattern

内置open函数

• 打开文件模式功能
  • 读写分离
    • r 只读 文件指针位置开头
    • w 只写 文件指针位置开头
    • a 追加模式 文件指针位置结尾
    • + 读写模式
  • 可读写
    • w+ r+ a+
    • b模式， 以二进制方式来读写文件内容，包括图片,音频，视频等
  • 小节
    • r或r+模式打开文件，被要求打开的文件是存在的，即r或r+不能创建文件
    • 通常非文本文件使用b模式来操作
• 函数签名
  • open(file_name [, access_mode] [, buffering]) 返回文件对象
  • 文件对象常见属性 file.closed ， mode， name
• 缓冲
  • 计算机外设（比如硬盘、网络）的 I/O 速度远远低于访问内存的速度
  • 使用缓冲的目的 不让内存中的程序大部分时间处于等待
  • 若第三参数为0（或False),则打开的文件是不带缓冲区
  • True 带缓冲， 若第三参数大于1， 则用于指定缓冲区的大小，单位字节
  • 若第三参数为负数，则意味着使用默认缓冲区大小
• 缓冲区值惯例
  • 单位字节
  • 0 False 不用缓冲
  • 1 True 使用缓冲
  • 负数 使用默认缓冲大小
  • 大于1 指定字节大小的缓冲
• 文件指针
  • 文件对象提供了以下方法来操作文件指针
  • seek(offset[, whence])
    • 当 whence 为 0 时（这是默认值），表明从文件开头开始计算
    • 当 whence 为 1 时，表明从指针当前位置开始计算
    • 当 whence 为 2 时，表明从文件结尾开始计算
    • 即offset移动距离，whence 参照物所在的位置，从何而来
  • tell() 判断文件指针的位置

文件读写

• 文件对象（一般由open函数返回）
  • read(size： int) 方法
    • 读取宇节还是字符，则取决于是否使用了 b 模式
    • 参数为指定最多读取多少个字符或字节
    • 在调用 read() 方法时不传入参数，该方法默认会读取全部文件内容
• 字符编码不一致问题
  • 使用 open() 函数打开文本文件时,总是使用当前操作系统的字符集
    • Windows 平台，open() 函数总是隐式使用 GBK 字符集
    • 通常将其它解为unicode，再将unicode转为指定编码
    • Unicode 编码系统，可分为编码方式和实现方式两个层次，utf8就是其实现方式之一
• 字符集不匹配解决方案
  • 使用二进制模式读取，然后用 调用bytes对象 的 decode() 方法恢复成字符串
    • 字节对象有decode方法可指定解码所使用的字符编码
    • 若读写编码不一样， 通常报 'gbk' codec can't decode,要么将文件写入时的编码改为gbk，要么打开时用写入时的编码
  • 利用 codecs 模块的 open() 函数来打开文件，该函数在打开文件时允许指定字符集
• 文件对象读写方法
  • 读取
    • 程序要读取行，通常只能用文本方式来读取， 二进制没有行的概念
    • readline([n]) 读取一行内容。如果指定了参数 n，则只读取此行内的 n 个字符
    • readlines() 读取文件内所有行
  • 写入
    • write(str 或 bytes)：输出字符串或字节串。只有以二进制模式（b 模式）打开的文件才能写入字节串
    • writelines（可迭代对象）：输出多个字符串或多个字节串
    • os.linesep 代表当前操作系统上的换行符

fileinput模块

• 作用 逐行读取多个文件
• fileinput.input（files=None, inplace=False, backup='', bufsize=0, mode='r', openhook=None
  • 该函数中的 files 参数用于指定多个文件输入流。该函数返回一个 FileInput 对象。
• fileinput 还提供了如下全局函数来判断正在读取的文件信息
  • fileinput.filename()
  • fileinput.fileno()
  • fileinput.lineno()
  • fileinput.filelineno()
  • fileinput.isfirstline()
  • fileinput.isstdin()
  • fileinput.nextfile()
  • fileinput.close() 关闭 FileInput 对象
• 缺点
  • 在创建 FileInput 对象时不能指定字符集
• 文件对象本身就是可迭代

with 语句管理资源

• 要实现上下文管理协议
  • context_manager.__enter__() 进入上下文管理器自动调用的方法
  • context_manager.__exit__（exc_type, exc_value, exc_traceback 退出

linecache 模块

• 从 Python 源文件中随机读取文件指定行， 并在内部使用缓存优化存储
• linecache.getline(filename, lineno, module_globals=None)：读取指定模块中指定文件的指定行
• linecache.clearcache()
• linecache.checkcache(filename=None)

os 模块

• 目录函数
• 权限函数
• 文件访问

tempfile 模块

• 生成临时文件和临时目录