python基础-I/O

一、文件读写：

　　1.读文件

　　2.二进制文件

　　3.字符编码

　　4.写文件

二、操作文件和目录：

　　1、环境变量

　　2、操作文件和目录

三、序列化

　　1、pickle

　　2、json

　　3、json进阶

------------------------------------------------------------------------------------

一、文件读写：

　　磁盘上读写文件由操作系统提供，操作系统一般不允许程序直接操作磁盘，

　　读写文件就是请求操作系统打开一个文件对象(文件描述符)，通过文件描述符读/写数据.

　　1、读文件：

　　　　以读文件的模式打开一个文件对象，使用Python内置的open()函数，传入文件名和标示符：

>>> f = open('/Users/michael/test.txt', 'r')

　　　　文件不存在，open()会抛出IOError ：

>>> f=open('/Users/michael/notfound.txt', 'r')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IOError: [Errno 2] No such file or directory: '/Users/michael/notfound.txt'

　　　　文件存在，调用read()一次读取文件的全部内容，读到内存，用一个str对象表示：

>>> f.read()
'Hello, world!'

 　　　　文件使用完毕后必须关闭，调用close(),因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件数量也有限：

>>> f.close()

　　　　使用文件的过程中，可能会出现异常，那么就需要使用finally来关闭文件描述符:

try:
    f = open('/path/to/file', 'r')
    print f.read()
finally:
    if f:
        f.close()

　　　　with语句可以自动帮我们调用close()方法：

with open('/path/to/file', 'r') as f:　　　　#和try ... finally是一样的
    print f.read()

　　　　调用read()会一次性读取文件的全部内容，

　　　　调用read(size)方法，每次最多读取size个字节的内容，

　　　　调用readline()可以每次读取一行内容，

　　　　调用readlines()一次读取所有内容并按行返回list。

　　　　因此，要根据需要决定怎么调用。例如：

for line in f.readlines():
    print(line.strip()) # 把末尾的'\n'删掉

　　　　参考：这里

　　2、二进制文件：

　　　　读取二进制文件，比如图片、视频等等，用'rb'模式打开文件：

>>> f = open('/Users/michael/test.jpg', 'rb')
>>> f.read()
'\xff\xd8\xff\xe1\x00\x18Exif\x00\x00...' # 十六进制表示的字节

　　3、字符编码：

　　　　读取非ASCII编码的文本文件，必须以二进制模式打开，再解码。比如GBK编码的文件：

>>> f = open('/Users/michael/gbk.txt', 'rb')
>>> u = f.read().decode('gbk')　　　　　　　　　　#decode()解码，encode()编码.
>>> u
u'\u6d4b\u8bd5'
>>> print u
测试

　　　　如果每次都这么手动转换编码嫌麻烦（写程序怕麻烦是好事，不怕麻烦就会写出又长又难懂又没法维护的代码），Python提供了一个codecs模块在读文件时自动转换编码，直接读出unicode：

import codecs
with codecs.open('/Users/michael/gbk.txt', 'r', 'gbk') as f:
    f.read() # u'\u6d4b\u8bd5'

　　4、写文件：

　　　　写文件和读文件是一样的，唯一区别是调用open()函数时，传入标识符'w'或者'wb'表示写文本文件或写二进制文件：

>>> f = open('/Users/michael/test.txt', 'w')
>>> f.write('Hello, world!')
>>> f.close()

　　　　可以反复调用write()来写入文件，但是务必要调用f.close()来关闭文件。

　　　　当写文件时，操作系统往往不会立刻把数据写入磁盘，而是放到内存缓存起来，空闲的时候再慢慢写入。

　　　　只有调用close()方法时，操作系统才保证把没有写入的数据全部写入磁盘。

　　　　忘记调用close()的后果是数据可能只写了一部分到磁盘，剩下的丢失了。

　　　　所以，还是用with语句来得保险：

with open('/Users/michael/test.txt', 'w') as f:　　　　#当然也可以指定编码来写入.
    f.write('Hello, world!')

二、操作文件和目录：

　　　　Python内置的os模块可以直接调用操作系统提供的接口函数：

>>> import os
>>> os.name # 操作系统名字
'posix'

　　　　posix，说明系统是Linux、Unix或Mac OS X；nt，就是Windows系统。

>>> os.uname()    #获取详细信息
('Darwin', 'iMac.local', '13.3.0', 'Darwin Kernel Version 13.3.0: Tue Jun  3 21:27:35 PDT 2014; root:xnu-2422.110.17~1/RELEASE_X86_64', 'x86_64')

　　　　os模块的某些函数是跟操作系统相关，比如uname()函数在Windows上不提供.

　　1、环境变量：操作系统中定义的环境变量，全部保存在os.environ这个dict中.

>>> os.environ
{'VERSIONER_PYTHON_PREFER_32_BIT': 'no', 'TERM_PROGRAM_VERSION': '326', 'LOGNAME': 'michael', 'USER': 'michael', 'PATH': '/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin', ...}

　　　　获取某个环境变量的值，调用os.getenv()：

>>> os.getenv('PATH')
'/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin'

　　2、操作文件和目录：操作文件和目录的函数一部分放在os模块中，一部分放在os.path模块中

# 查看当前目录的绝对路径:
>>> os.path.abspath('.')
'/Users/michael'
# 在某个目录下创建一个新目录，
# 首先把新目录的完整路径表示出来:
>>> os.path.join('/Users/michael', 'testdir') #不要直接拼字符串，可以正确处理不同操作系统的路径分隔符
'/Users/michael/testdir'
# 然后创建一个目录:
>>> os.mkdir('/Users/michael/testdir')
# 删掉一个目录:
>>> os.rmdir('/Users/michael/testdir')

　　　　在Linux/Unix/Mac 和 windows下目录的分隔符是不一样的。分别为/-posix 和 \-nt

　　　　在拆分路径时，也不要直接去拆字符串，而要通过os.path.split()函数，这样可以把一个路径拆分为两部分，后一部分总是最后级别的目录或文件名：

>>> os.path.split('/Users/michael/testdir/file.txt')
('/Users/michael/testdir', 'file.txt')

　　　　os.path.splitext()可以直接让你得到文件扩展名，很多时候非常方便：

>>> os.path.splitext('/path/to/file.txt')
('/path/to/file', '.txt')

　　　　合并、拆分路径的函数并不要求目录和文件要真实存在，它们只对字符串进行操作。（比如从网络，文件中获取的路径，可以分析.）

　　　　文件操作使用下面的函数。参考：这里；假定当前目录下有一个test.txt文件：

# 对文件重命名:
>>> os.rename('test.txt', 'test.py')
# 删掉文件:
>>> os.remove('test.py')

　　　　shutil模块可以看做是os模块的补充，提供了很多os模块中没有功能，比如文件复制，就有copyfile()函数.

　　　　利用os模块中的特性来过滤文件:

#列出当前目录下的所有目录
>>> [x for x in os.listdir('.') if os.path.isdir(x)]
['.lein', '.local', '.m2', '.npm', '.ssh', '.Trash', '.vim', 'Adlm', 'Applications', 'Desktop', ...]
#列出所有的.py文件
>>> [x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1]=='.py']
['apis.py', 'config.py', 'models.py', 'pymonitor.py', 'test_db.py', 'urls.py', 'wsgiapp.py']

　　　　os模块封装了操作系统的目录和文件操作，要注意这些函数有的在os模块中，有的在os.path模块中,详情参考：这里

　　　　问题：编写一个search(s)的函数，能在 当前目录 以及当前目录的所有 子目录 下查找 文件名 包含 指定字符串 的文件，并打印出完整路径，例如：

$ python search.py test
unit_test.log
py/test.py
py/test_os.py
my/logs/unit-test-result.txt

　　　　解答：

#!/usr/bin/python
#coding:utf-8

def listDictory(path):
    return [x for x in os.listdir(path) ]

def searchStrInFile(s,path):
    dictory = listDictory(path)
    for x in dictory:
        xx = os.path.join(path,x)
        if os.path.isdir(xx):
            searchStrInFile(s,xx)
        elif s in x:
            print xx

def search(str):
    searchStrInFile(str,".")

if __name__ == '__main__':
    search("txt")

三、序列化：

 　　变量从内存中变成可存储或传输的过程称之为序列化，Python中叫pickling，在其他语言中被称之为serialization，marshalling，flattening等等

　　变量序列化后，可以把内容写入磁盘，或者通过网络传输到别的机器上。

　　反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpickling。

　　有两个模块可以实现序列化：cPickle和pickle.两个模块功能一样，区别是cPickle为C语言写的，速度较块，pickle为Python写的，速度慢，可以先尝试导入cPickle，导入失败再导入pickle.

try:
    import cPickle as pickle
except ImportError:
    import pickle

　　尝试把一个对象序列化并写入文件：

>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
"(dp0\nS'age'\np1\nI20\nsS'score'\np2\nI88\nsS'name'\np3\nS'Bob'\np4\ns."

　　pickle.dumps()把任意对象序列化成str类型对象,可以把这个对象写入文件，传输网络，打印等等.

　　或者直接使用pickle.dump()把对象写入一个文件对象：

>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()

 

　　反序列化在文件中的对象时,可以先读到一个str.然后用pickle.loads()载入内存.也可以直接用pickle.load()直接载入文件对象中的信息到内存：

>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}

　　Pickle只能用于python,并且可能不同的版本间还不兼容.

　　2、JSON格式：

　　　　JSON格式可以在不同的编程语言之间传递对象，并且比XML格式等更好,更快的序列化和传输.可以直接在web中读取.

　　　　JSON表示的对象就是标准的JavaScript语言的对象.

JSON类型	Python类型
{}	dict
[]	list
"string"	'str'或u'unicode'
1234.56	int或float
true/false	True/False
null	None

　　　　

 

 

 

 

 

 

　　　　python内置json模块，并且提供不错的Python对象到JSON格式的转换：

>>> import json
>>> d = dict(name='Bob', age=20, score=88)
>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'

　　　　dumps()方法返回一个str，内容就是标准的JSON。类似的，dump()方法可以直接把JSON写入一个文件对象。

　　　　JSON反序列化为Python对象，用loads()或者对应的load()方法. 参考：这里

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{u'age': 20, u'score': 88, u'name': u'Bob'}

　　反序列化得到的字符串对象默认都是unicode而不是str。JSON标准规定JSON编码是UTF-8，所以总是能正确地在Python的str或unicode与JSON的字符串之间转换。

　　3、JSON进阶：

　　　　Python的dict对象可以直接序列化为JSON的{}，不过，很多时候，我们更喜欢用class表示对象，比如定义Student类，然后序列化：

import json

class Student(object):
    def __init__(self, name, age, score):
        self.name = name
        self.age = age
        self.score = score

s = Student('Bob', 20, 88)
print(json.dumps(s))

　　　　运行后却报TypeError：

Traceback (most recent call last):
  ...
TypeError: <__main__.Student object at 0x10aabef50> is not JSON serializable

　　　　原因是Student对象不是一个可序列化为JSON的对象，，参考：这里，

　　　　可选参数default就是把任意一个对象变成一个可序列为JSON的对象，只需要为Student专门写一个转换函数，再把函数传进去即可：

def student2dict(std):　　#Student实例首先被student2dict()函数转换成dict，然后再被顺利序列化为JSON
    return {
        'name': std.name,
        'age': std.age,
        'score': std.score
    }

print(json.dumps(s, default=student2dict))

　　　　不过，下次遇到一个Teacher类的实例，照样无法序列化为JSON。可以偷个懒，把任意class的实例变为dict：

print(json.dumps(s, default=lambda obj: obj.__dict__))

　　　　通常class的实例都有一个__dict__属性，它就是一个dict，用来存储实例变量。也有少数例外，比如定义了__slots__的class

　　　　要把JSON反序列化为一个Student对象实例，loads()方法首先转换出一个dict对象，然后，我们传入的object_hook函数负责把dict转换为Student实例：

def dict2student(d):
    return Student(d['name'], d['age'], d['score'])

json_str = '{"age": 20, "score": 88, "name": "Bob"}'
print(json.loads(json_str, object_hook=dict2student))

<__main__.Student object at 0x10cd3c190>　　#结果为一个实例在内存中.