Python学习--13 文件I/O

@date:2017-02-05 10:34:00

Python内置了读写文件的函数,用法和C是兼容的。

读写文件前,我们先必须了解一下,在磁盘上读写文件的功能都是由操作系统提供的,现代操作系统不允许普通的程序直接操作磁盘,所以,读写文件就是请求操作系统打开一个文件对象(通常称为文件描述符),然后,通过操作系统提供的接口从这个文件对象中读取数据(读文件),或者把数据写入这个文件对象(写文件)。

读取文件内容 #

# coding: utf-8

f = open('test.txt', 'r')
print(f.read())
f.close()

输出:

Hello world!
Python

标示符'r'表示读。

如果打开的文件不存在,会直接报错:

Traceback (most recent call last):
  File "/Projects/python/code/file.py", line 3, in <module>
    f = open('test.txt1', 'r')
IOError: [Errno 2] No such file or directory: 'test.txt1'

报错后,后面的f.close()不会调用。一般我们会使用try ... finally来操作文件:

try:
    f = open('test.txt', 'r')
    print(f.read())
finally:
    if f:
        f.close()

但是每次都这么写还是太繁琐,所以,Python引入了with语句来自动帮我们调用close()方法:

with open('test.txt', 'r') as f:
    print(f.read())

这和前面的try ... finally是一样的,但是代码更佳简洁,并且不必调用f.close()方法。

如果文件很大,使用read()方法一下子读到内存,内存会占满。保险起见,可以反复调用read(size)方法,每次最多读取size个字节的内容。

另外,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:

with open('test.txt', 'r') as f:
    for line in f.readlines():
        print(line)

打开二进制文件 #

要读取二进制文件(例如图片、音频、视频)内容,使用rb模式打开:

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

读取非utf-8编码的文本 #

如果要读取非utf-8编码的文本,需要给open()传入编码参数encoding,默认是utf-8:

>>> f = open('gbk.txt', 'r', encoding = 'gbk')
>>> f.read()
'测试GBK'

如果不传入,读取的内容是乱码的。

open()还支持第4个参数errors,用于当读取的内容编码不规范(会返回UnicodeDecodeError错误),示例:

>>> f = open('gbk.txt', 'r', encoding = 'gbk', errors='ignore')

这样将忽略错误。

写入内容到文件 #

with open('test.txt', 'w') as f:
    f.write('test\n')

要写入特定编码的文本文件,请给open()函数传入encoding参数,将字符串自动转换成指定编码。

读取大文件方法 #

方法一:将文件切分成小段,每次处理完小段,释放内存

def read_in_block(file_path):
  BLOCK_SIZE=1024
  with open(file_path,"r") as f:
    while True:
      block =f.read(BLOCK_SIZE) #每次读取固定长度到内存缓冲区
      if block:
        yield block
      else:
        return #如果读取到文件末尾,则退出

for block in read_in_block(file_path):
  print block

这个方法,速度很快,但有个问题,若满足了1024时,会将正好在1024位置的数据切开。

方法二:利用open()方法生成的迭代对象:

with open(file_path) as f:
    for line in f:
        print line

这种用法是把文件对象f当作迭代对象,系统将自动处理IO缓存和内存管理。

耗时较第1种方法慢一点。 但每个Line, type都是str, 都是自己需要的一行数据(一行是一个id)。

文件打开模式 #

模式描述
r以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
rb以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。
r+打开一个文件用于读写。文件指针将会放在文件的开头。
rb+以二进制格式打开一个文件用于读写。文件指针将会放在文件的开头。
w打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
wb以二进制格式打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
w+打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
wb+以二进制格式打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
a打开一个文件用于追加。如果该文件已存在,文件指针将会放在文件的结尾。也就是说,新的内容将会被写入到已有内容之后。如果该文件不存在,创建新文件进行写入。
ab以二进制格式打开一个文件用于追加。如果该文件已存在,文件指针将会放在文件的结尾。也就是说,新的内容将会被写入到已有内容之后。如果该文件不存在,创建新文件进行写入。
a+打开一个文件用于读写。如果该文件已存在,文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在,创建新文件用于读写。
ab+以二进制格式打开一个文件用于追加。如果该文件已存在,文件指针将会放在文件的结尾。如果该文件不存在,创建新文件用于读写。

file-like Object #

open()函数返回的这种有个read()方法的对象,在Python中统称为file-like Object。除了file外,还可以是内存的字节流,网络流,自定义流等等。file-like Object不要求从特定类继承,只要写个read()方法就行。

StringIO就是在内存中创建的file-like Object,常用作临时缓冲。

StringIO #

StringIO就是在内存中读写str。

读取:

# coding : utf-8

from io import StringIO
with StringIO('hello\nworld\n') as f:
    while True:
        s = f.readline()
        if s == '':
            break
        print(s.strip())

输出:

hello
world

写入:

from io import StringIO

with StringIO() as f:
    f.write('hello\nworld\n')
    print(f.getvalue())

输出:

hello
world

getvalue()方法用于获得写入后的str。

BytesIO #

BytesIO就是在内存中读写二进制数据。

写入:

# coding:utf-8
from io import BytesIO

with BytesIO() as f:
    f.write('测试Bytes'.encode('utf-8'))
    print(f.getvalue())

输出:

b'\xe6\xb5\x8b\xe8\xaf\x95'

注意这里写入的是经过UTF-8编码的bytes。

读取:

# coding:utf-8
from io import BytesIO

with BytesIO(b'\xe6\xb5\x8b\xe8\xaf\x95') as f:
    print(f.read())

输出:

b'\xe6\xb5\x8b\xe8\xaf\x95'

StringIOBytesIO是在内存中操作str和bytes的方法,使得和读写文件具有一致的接口。

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来操作文件和目录。

查看系统信息 #

>>> import os
>>> os.name
'nt'
>>> os.environ
environ({'PATHEXT': '.COM;.EXE;.BAT;.CMD;.VBS;.VBE;.JS;.JSE;.WSF;.WSH;.MSC;.wlua;.lexe;.PY', ...})

要获取某个环境变量的值,可以调用os.environ.get('key')
unix操作系统提供os.uname()来获取详细的系统信息。

操作文件和目录 #

>>> import os

# 查看当前目录的绝对路径:
>>> os.path.abspath('.')
'/Projects/python/code'

# 把两个路径合成一个时,不要直接拼字符串,而要通过os.path.join()函数,这样可以正确处理不同操作系统的路径分隔符:
>>> os.path.join('/Projects', 'python')
'/Projects/python'

# 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('/Projects/python/code/os.py')
('/Projects/python/code', 'os.py')
>>> os.path.split('/Projects/python/code/')
('/Projects/python/code', '')
>>> os.path.split('/Projects/python/code')
('/Projects/python', 'code')

# 获取文件扩展名:
>>> os.path.splitext('/Projects/python/code/os.py')
('/Projects/python/code/os', '.py')

# 然后创建一个目录:
>>> os.mkdir('/Projects/python/code/testdir')

# 删掉一个目录:
>>> os.rmdir('/Projects/python/code/testdir')

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

# 删掉文件:
>>> os.remove('test.py')

复制文件 #

os模块中并没有复制文件的方法。原因是复制文件并非由操作系统提供的系统调用。

幸运的是shutil模块提供了copyfile()的函数,我们还可以在shutil模块中找到很多实用函数,它们可以看做是os模块的补充。

# coding : utf-8
import shutil

shutil.copyfile('os.py', 'os2.py')

列出目录内容 #

# coding : utf-8
import os

dirs = os.listdir('.')
L = []
for d in dirs:
    if os.path.isdir(d):
        L.append(d)
print(L)

输出:

['.idea', 'class', 'module']

当然,利用Python的列表生成式,可以很简单:

L = [x for x in os.listdir('.') if os.path.isdir(x)]
print(L)

要列出所有的.py文件:

L = [x for x in os.listdir('.') if os.path.splitext(x)[1] == '.py']
print(L)

输出:

['ostest.py', 'ostest2.py']

参考:
1、python 如何读取大文件 - guohuino2 - 博客园
http://www.cnblogs.com/guohuino2/p/6043196.html

Build by Loppo 0.6.14