with工作原理 :
(1)紧跟with后面的语句被求值后,返回对象的“–enter–()”方法被调用,这个方法的返回值将被赋值给as后面的变量
(2)当with后面的代码块全部被执行完之后,将调用前面返回对象的“–exit–()” 方法。
#with 自动释放资源
class demo():
def __enter__(self):
print("进入1")
return "你好"
def __exit__(self, exc_type, exc_val, exc_tb):
print("aaaa")
print("---", exc_type)
print("--", exc_val)
print("-", exc_tb)
def text():
return demo()
with text() as t:
print(t)
#print(1/0)
f.close() #关闭流
fileinput :好处
文件合并和拆分
文件复制
文件加密
fileinput 模块中常用的函数有:
函数 功能
input() 返回能够用于迭代 一个或多个文件中所有行的对象
filename() 返回当前文件的名称
lineno() 返回当前读取的行的数量
isfirstline() 返回当前行是否文件的第一行
filelineno() 返回当前读取行在文件中的行数
import fileinput
with fileinput.input(["a.txt"],mode="rb") as lines:
for line in lines:
print(line.rstrip().decode("utf-8"))
#利用 os 模块进行目录操作
#import os
#print(os.getcwd())#获取当前目录
#print(os.listdir())#获取文件目录下所有文件和文件夹
#print(os.listdir(“C:\Users\lhw\PycharmProjects”))#获取C:\Users\lhw\PycharmProjects文件目录下所有文件和文件夹
#os.mkdir(“e://new”)#新建
#os.rmdir(“e://new”)#删除
#print(os.path.isdir(“new”))#判断是否是文件夹
#print(os.path.isfile(“new”))#判断是否是文件
文件遍历
for i in os.walk("./"): #文件遍历 # ./ 当前目录 ../ 当前目录的上一层目录
print(i)
1、pickle模块
2、json模块
3、json与pickle模块的区别
4、shelve模块
1、pickle模块
python持久化的存储数据:
python程序运行中得到了一些字符串,列表,字典等数据,想要长久的保存下来,方便以后使用,
而不是简单的放入内存中关机断电就丢失数据。python模块大全中pickle模块就排上用场了,
他可以将对象转换为一种可以传输或存储的格式。
pickle模块将任意一个python对象转换成一系统字节的这个操作过程叫做串行化对象。
python的pickle模块实现了python的所有数据序列和反序列化。基本上功能使用和JSON模块没有太大区别,方法也同样是dumps/dump和loads/load。cPickle是pickle模块的C语言编译版本相对速度更快。
与JSON不同的是pickle不是用于多种语言间的数据传输,它仅作为python对象的持久化或者python程序间进行互相传输对象的方法,因此它支持了python所有的数据类型。
import pickle
data2 = [1,2,3,4]
det_str = pickle.dumps(data2)
print(det_str)
#output: 输出为二进制格式
b'\x80\x03]q\x00(K\x01K\x02K\x03K\x04e.'
import pickle
#将数据序列化后存储到文件中
f = open('test.txt','wb') #pickle只能以二进制格式存储数据到文件
data = {'k1':'python','k2':'java'}
f.write(pickle.dumps(data)) #dumps序列化源数据后写入文件
f.close()
#反序列化读取源数据
import pickle
f = open('test.txt','rb')
da = pickle.loads(f.read()) #使用loads反序列化
print(da)
dumps和dump,load和loads的区别:
dumps是将对象序列化
dump是将对象序列化并保存到文件中
loads将序列化字符串反序列化
load将序列化字符串从文件读取并反序列化
import pickle
data1 = [1,'a',2,'b',3,'c']
pi = pickle.dumps(data1) #序列化对象
print(pi)
print(pickle.loads(pi)) #反序列化对象
f = open('test1.txt','wb')
data2 = ['py','th','on',123]
pickle.dump(data2,f) #序列化对象到文件
f = open('test1.txt','rb')
red = pickle.load(f) #从文件中反序列化对象
print(red)
2、json模块
JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。它基于ECMAScript的一个子集。
JSON采用完全独立于语言的文本格式,但是也使用了类似于C语言家族的习惯
(包括C、C++、Java、JavaScript、Perl、Python等)。这些特性使JSON成为理想的数据交换语言。
易于人阅读和编写,同时也易于机器解析和生成(一般用于提升网络传输速率)。
json.dump(obj,fp,*,skipkeys = False,ensure_ascii = True,check_circular = True,
indent = None,separators = None,default = None,sort_keys = False,** kw)
将obj对象格式化并存储到文件对象中,文件必须为可写的文件句柄,json只产生str对象,
不支持bytes对象,所以fp.write()必须支持str输入
skipkeys如果为True,对象的基本类型必须是str,int,float,bool,None
ensure_ascii=True,如果为true则所以传入的非ASCII字符都被转义,如果为false则字符将原样输出
check_circular=True,如果为true容器类型的循环引用检查将被跳过
indent=None,表示数组元素和对象将按指定的值缩进,可以是整数或字符串如’\t’
sort_keys=False,如果为True字典的输出将按键排序
import json
data=[{'k1':'v1','k2':'v2'},{'k3':'v3','k4':'k4'},{'k6':'v6','k5':'k5'}]
with open('test.txt','w') as pf:
json.dump(data,pf,indent=2,sort_keys=True)
pf.close()
#output
[
{
"k1": "v1",
"k2": "v2"
},
{
"k3": "v3",
"k4": "k4"
},
{
"k5": "k5",
"k6": "v6"
}
]
json.dumps(obj,*,skipkeys = False,ensure_ascii = True,check_circular = True,indent = None,separators = None,default = None,sort_keys = False,** kw)
将obj对象格式化为str对象,参数含义和dump相同
import json
data=[{'k1':'v1','k2':'v2'},{'k3':'v3','k4':'k4'},{'k6':'v6','k5':'k5'}]
pi = json.dumps(data,indent=2,sort_keys=True)
print(type(pi))
print(pi)
p2=json.loads(pi)
print(type(p2))
print(p2)
#
<class 'str'>
[
{
"k1": "v1",
"k2": "v2"
},
{
"k3": "v3",
"k4": "k4"
},
{
"k5": "k5",
"k6": "v6"
}
]
<class 'list'>
[{'k1': 'v1', 'k2': 'v2'}, {'k3': 'v3', 'k4': 'k4'}, {'k5': 'k5', 'k6': 'v6'}]
json.load(fp,*,cls=None,object_hook=None,parse_float=None,parse_int=None,parse_constant=None,object_pairs_hook=None,**kw)
将文件对象反序列化为python对象,选项参数用来指定类型解码,在python3.6中fp可以使用二进制文件
import json
with open('test.txt','rb') as fp:
data1=json.load(fp)
print(type(data1))
print(data1)
#
<class 'list'>
[{'k1': 'v1', 'k2': 'v2'}, {'k3': 'v3', 'k4': 'k4'}, {'k5': 'k5', 'k6': 'v6'}]
json.loads(s,*,encoding=None,cls=None,object_hook=None,parse_float=None,parse_int=None,parse_constant=None,object_pairs_hook=None,**kw)
将json文档的实例反序列化为python对象,参数含义同load()相同
import json
with open('test.txt','rb') as fp:
data1=json.loads(fp.read())
print(type(data1))
print(data1)
3、json与pickle模块的区别
1、JSON只能处理基本数据类型。pickle能处理所有Python的数据类型。
2、JSON用于各种语言之间的字符转换。pickle用于Python程序对象的持久化或者Python程序间对象网络传输,但不同版本的Python序列化可能还有差异。
4、shelve模块
shelve与pickle类似用来持久化数据的,不过shelve是以键值对的形式,将内存中的数据通过文件持久化,
值支持任何pickle支持的python数据格式,它会在目录下生成三个文件。
import shelve
import tab
s = shelve.open('test_s.db') #创建shelve并打开
s['k1']={'int':10,'float':8.8,'string':'python'} #写入数据
s.close() #关闭文件
s = shelve.open('test_s.db') #打开文件
print(s['k1']) #访问shelve中的数据
#{'float': 8.8, 'string': 'python', 'int': 10}
print(s['k1']['int'])
#10
s.close()
对于存储的key,value值,只能添加key,value,可修改整个value,不能单独修改列表或字典中的元素
s = shelve.open('test_s.db',flag='r')
print(s['k1'])
#{'float': 8.8, 'string': 'python', 'int': 10}
s['k2']=[1,2,3] #添加数据
print(s['k2'])
#[1, 2, 3]
s['k2'][0]=99 #修改存储的value的单个值时不生效也不报错
print(s['k2'])
#[1, 2, 3]
s.close()
s = shelve.open('test_s.db',flag='c')
s.keys()
KeysView(<shelve.DbfilenameShelf object at 0x7fd4770f1850>)
len(s)
#2
s['k2']=(33,44) #可以修改key的value
print(s)
#<shelve.DbfilenameShelf object at 0x7fd4770f1850>
print(s['k2'])
#(33, 44)
写回(write-back)由于shelve在默认情况下是不会记录待持久化对象的任何修改的,所以我们在shelve.open()时候需要修改默认参数,否则对象的修改不会保存。
上面这个例子中,由于一开始我们使用了缺省参数shelve.open()了,因此修改的值即使我们s.close()也不会被保存。
所以当我们试图让shelve去自动捕获对象的变化,我们应该在打开shelf的时候将writeback设置为True。当我们将writeback这个flag设置为True以后,shelf将会将所有从DB中读取的对象存放到一个内存缓存。当我们close()打开的shelf的时候,缓存中所有的对象会被重新写入DB。
s = shelve.open('test_s.db',writeback=True) #使用回写功能打开
print(s['k1']) #初始值
#{'float': 8.8, 'string': 'python', 'int': 10}
print(s['k2'])
#(33, 44)
s['k1']['float']='99.99' #修改字典中的元素
print(s['k1']) #成功修改
#{'float': '99.99', 'string': 'python', 'int': 10}
writeback方式有优点也有缺点。优点是减少了我们出错的概率,并且让对象的持久化对用户更加的透明了;但这种方式并不是所有的情况下都需要,首先,使用writeback以后,shelf在open()的时候会增加额外的内存消耗,并且当DB在close()的时候会将缓存中的每一个对象都写入到DB,这也会带来额外的等待时间。因为shelve没有办法知道缓存中哪些对象修改了,哪些对象没有修改,因此所有的对象都会被写入。
print(s['k1'])
#{'float': '99.99', 'string': 'python', 'int': 10}
s['k1']['list']=[1,2,3]
s['k1']['tuple']=(4,5,6)
s['k1']['dic']={'a':123,'b':456}
print(s['k1'])
#{'dic': {'b': 456, 'a': 123}, 'int': 10, 'float': '99.99', 'string': 'python', 'tuple': (4, 5, 6), 'list': [1, 2, 3]}