python之路3：文件操作和函数基础

 

1. 文件操作
2. 字符编码解码
3. 函数基础
4. 内置函数

 

一、文件操作

对文件操作流程

1. 打开文件，得到文件句柄并赋值给一个变量
2. 通过句柄对文件进行操作
3. 关闭文件 

打开文件的模式有：

• r，只读模式（默认）。
• w，只写模式。【不可读；不存在则创建；存在则删除内容；】
• a，追加模式。【可读；不存在则创建；存在则只追加内容；】

"+" 表示可以同时读写某个文件

• r+，可读写文件。【可读；可写；可追加】
• w+，写读
• a+，追加可写

"U"表示在读取时，可以将 \r \n \r\n自动转换成 \n （与 r 或 r+ 模式同使用）

• rU
• r+U

"b"表示处理二进制文件（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）

• rb
• wb
• ab

操作实例：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: lvlibing
# __doc__ file

f = open('file','r+',encoding='utf-8')#以读写模式及utf-8编码打开file
file1=f.read()#读取所有内容
file1=f.readline()#只读一行
file1=f.readlines()#读取所有行内容
print(f.tell())#告诉指针位置
f.seek(0)#回到文件的开头
file1=f.readlines()
f.write('\n')
f.write('test5\n')#写入test5内容并换行
f.write('test6\n')
f.flush()#刷新文件数据到磁盘
f.write('test7\n')
f.write('test8\n')
print(file1)
f.truncate(5)#清空内容，只保留5个字符
print(f.readable())#判读是否可读
print(f.writable())#判读是否可写
f.close()#关闭文件

f = open('file','r+',encoding='utf-8')
f2 = open('file2','w+',encoding='utf-8')
for line in f:
    if 'test5' in line:
        line = line.replace('test5','test55')#字符串内容替换
    f2.write(line)
f.close()
f2.close()

　　

with语句

为了避免打开文件后忘记关闭，可以通过管理上下文，即：

1 2 3

with open('log','r') as f:           ...

如此方式，当with代码块执行完毕时，内部会自动关闭并释放文件资源。

在Python 2.7 后，with又支持同时对多个文件的上下文进行管理，即：

with open('t1','w+',encoding='utf-8') as test1 , \
    open('t2', 'w+', encoding='utf-8') as test2:
    pass

　　

二、字符编码解码

1.在python2默认编码是ASCII, python3里默认是unicode

2.unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)， so utf-16就是现在最常用的unicode版本， 不过在文件里存的还是utf-8，因为utf8省空间

3.在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string

 

 上图仅适用于py2

 

操作实例：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __Author__ = 'lvlibing'
# __doc__ = 'practice'

import sys
print(sys.getfilesystemencoding()) #获取系统默认编码
s='编码'  #python默认是unicode编码
print(s,type(s),id(s))
s_to_gbk = s.encode('gbk')
print(s_to_gbk,type(s_to_gbk))
s_to_utf8 = s.encode('utf-8')
print(s_to_utf8,type(s_to_utf8))

s_to_gbk_to_utf8 = s_to_gbk.decode('gbk').encode('utf-8') #先解码再编码
print(s_to_gbk_to_utf8,type(s_to_gbk_to_utf8))
s_to_utf8_gbk = s_to_utf8.decode('utf-8').encode('gbk') #先解码再编码
print(s_to_utf8_gbk,type(s_to_utf8_gbk))

　　

三、函数基础

1.函数是什么?

函数是重用的程序段。它们允许你给一个语句块一个名称，然后你用这个名字可以在你的程序的任何地方，任意多次地运行这个语句块。这被称为调用函数。我们已 经使用了许多内建的函数，比如 len 和 range 。 函数用关键字 def 来定义，在BASIC中叫做subroutine(子过程或子程序)，在Pascal中叫做procedure(过程)和function，在C中只有function，在Java里面叫做method。def 关键字后跟一个函数的标识符名称，然后跟一对 圆括号。圆括号之中可以包括一些变量名，该行以冒号结尾。接下来是一块语句，它们是函数体。

语法定义如下：

def 函数名(参数):

     '''注释'''

    ...

    函数体

    ...

函数的定义主要有如下要点：

• def：表示函数的关键字
• 函数名：函数的名称，日后根据函数名调用函数
• 函数体：函数中进行一系列的逻辑计算，如：发送邮件、计算出 [11,22,38,888,2]中的最大数等
• 参数：为函数体提供数据
• 返回值：当函数执行完毕后，可以给调用者返回数据。

特性:

1. 减少重复代码
2. 使程序变的可扩展
3. 使程序变得易维护

2.函数参数与局部变量 

形参变量只有在被调用时才分配内存单元，在调用结束时，即刻释放所分配的内存单元。因此，形参只在函数内部有效。函数调用结束返回主调用函数后则不能再使用该形参变量

实参可以是常量、变量、表达式、函数等，无论实参是何种类型的量，在进行函数调用时，它们都必须有确定的值，以便把这些值传送给形参。因此应预先用赋值，输入等办法使参数获得确定值

实例：

1 2 3 4 5 6 7 8 9 10 11 12 13

#下面这段代码 a,b = 5,8 c = a**b print(c)     #改成用函数写 def calc(x,y):     res = x**y     return res #返回函数执行结果   c = calc(a,b) ＃结果赋值给c变量 print(c)

 

默认参数（关键参数）

给函数形参指定默认的值的就是称为默认参数。这样，如果这个参数在调用时不指定，那就是使用默认的，如果指定了的话，就用你指定的值。正常情况下，给函数传参数要按顺序，不想按顺序就可以用关键参数，只需指定参数名即可，但记住一个要求就是，关键参数必须放在位置参数之后。

非固定参数

若你的函数在定义时不确定用户想传入多少个参数，就可以使用非固定参数。

全局与局部变量

在子程序中定义的变量称为局部变量，在程序的一开始定义的变量称为全局变量。

全局变量作用域是整个程序，局部变量作用域是定义该变量的子程序。

当全局变量与局部变量同名时：

在定义局部变量的子程序内，局部变量起作用；在其它地方全局变量起作用。

3.返回值　

要想获取函数的执行结果，就可以用return语句把结果返回

注意:

1. 函数在执行过程中只要遇到return语句，就会停止执行并返回结果，so 也可以理解为 return 语句代表着函数的结束
2. 如果未在函数中指定return,那这个函数的返回值为None 

实例：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __Author__ = 'lvlibing'
# __doc__ = 'practice'

import time#导入time模块
time_format = time.strftime('%Y/%m/%d %X')
#print(time_format)

def logger():#定义一个logger函数
    with open('log','a+') as f:
        f.write('%s append\n' %time_format)

def fun1():
    print('fun1')
    logger()#调用logger函数

def fun2():
    print('fun2')
    logger()
    return 0#返回指定为0的数值，如果后面有代码将不会执行。如未在函数中指定return,那这个函数的返回值为None。

def fun3():
    print('fun3')
    logger()
    return 1,'string',[1,2,3],{4,5,6},(7,8,9)#以元组的形式返回指定的文字

x=fun2()#函数调用赋值给x
y=fun3()
z=fun1()
print('---')
# print(fun1())
# print(z,y,x)
print(x)
print(y)
print(z)

def func1(a,b,c):#位置参数，也是形参
    print(a)
    print(b)
    print(c)
func1(1,2,3)#实参，函数调用和赋值

def func2(a=8,b=9,*args):#a,b默认参数，*args非固定参数，会把多个传入的参数变成一个元组形式
    print(a)
    print(b)
    print(args)
func2(1,2,3,4,5)

def func3(a=8,b=9,**kwargs):#**kwargs非固定参数会把多个传入的参数变成一个dict形式
    print(a)
    print(b)
    print(kwargs)
#func2(name='lv', age='21')
func3(a=1,b=2,name='lv',age='21')

def func4(a,b=9,*args,**kwargs):
    print(a)
    print(b)
    print(args)
    print(kwargs)
func4(1,b=2,name='lv',age='21',sex='gentleman')
# func4(1,2,3,4,name='lv',age='21',sex='gentleman')


name='oldboy'#全局变量
def func5():
    global name#设置为全局变量
    name='mage'#局部变量
    print(name)

func5()
print(name)

　　

4.递归

在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。

递归特性:

1. 必须有一个明确的结束条件

2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）

实例：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __Author__ = 'lvlibing'
# __doc__ = 'practice'

def calc(n):
    print(n)
    if int(n/2) > 0:
        return calc(int(n/2))
    print('--',n)

calc(100)


'''斐波那契数列
def func(arg1,arg2):
    if arg1 == 0:
        print(arg1, arg2)
    arg3 = arg1 + arg2
    print(arg3)
    func(arg2, arg3)

func(0,1)
'''

5.高阶函数

变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。

def add(x,y,f):
    return f(x) + f(y)
 
 
res = add(3,-6,abs)
print(res)

 

四、内置函数

内置函数一：

详细见python文档：https://docs.python.org/3.6/library/functions.html

内置函数二：

一、filter 

对于序列中的元素进行筛选，最终获取符合条件的序列

 

 

二、map

遍历序列，对序列中每个元素进行操作，最终获取新的序列。

 

 

三、reduce

对于序列内所有元素进行累计操作

代码实例：

res0 = [ lambda n:n*2 for n in range(10) ]
res1 = filter(lambda n:n>5,range(10))#对于序列中的元素进行筛选，最终获取符合条件的序列
res2 = map(lambda n:n*2,range(10))#遍历序列，对序列中每个元素进行操作，最终获取新的序列。
import functools
res3 = functools.reduce(lambda x,y:x+y,range(1,10))#对于序列内所有元素进行累计操作

for i in res1:
    print(i)
print()
for i in res2:
    print(i)
print()
print(res3)

# -*- coding:utf-8 -*-
__author__ = 'BillyLV'


a=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
m = map(lambda x:x+1,a)
for i in m:print('i',i)

f = filter(lambda x: x > 3,a)
for ff in f:print(ff)

import functools
result = functools.reduce(lambda arg1, arg2: arg1 + arg2, a)
print(result)

li = [11, 22, 33]
new_list = map(lambda a: a + 100, li)
for i in new_list:
    print(i)
li = [11, 22, 33]
sl = [1, 2, 3]
new_list2 = map(lambda a, b: a + b, li, sl)
for i in new_list2:
    print(i)

a = [1,2,3,4,5]
b = ['a','b','c','d','e']
x = zip(a,b)
for i in x:
    print('zip拉链',i)

　　

 

参考： 

http://www.cnblogs.com/alex3714

http://www.cnblogs.com/wupeiqi

internet＆python books

PS:如侵权，联我删。