大家好,又见面了,我是你们的朋友全栈君。
该文章转至廖雪峰,在此上做红色重点标注,以备后用
是什么?
IO在计算机中指Input/Output,也就是输入和输出。由于程序和运行时数据是在内存中驻留,由CPU这个超快的计算核心来执行,涉及到数据交换的地方,通常是磁盘、网络等,就需要IO接口。
比如你打开浏览器,访问新浪首页,浏览器这个程序就需要通过网络IO获取新浪的网页。浏览器首先会发送数据给新浪服务器,告诉它我想要首页的HTML,这个动作是往外发数据,叫Output,随后新浪服务器把网页发过来,这个动作是从外面接收数据,叫Input。所以,通常,程序完成IO操作会有Input和Output两个数据流。当然也有只用一个的情况,比如,从磁盘读取文件到内存,就只有Input操作,反过来,把数据写到磁盘文件里,就只是一个Output操作。
IO编程中,Stream(流)是一个很重要的概念,可以把流想象成一个水管,数据就是水管里的水,但是只能单向流动。Input Stream就是数据从外面(磁盘、网络)流进内存,Output Stream就是数据从内存流到外面去。对于浏览网页来说,浏览器和新浪服务器之间至少需要建立两根水管,才可以既能发数据,又能收数据。
由于CPU和内存的速度远远高于外设的速度,所以,在IO编程中,就存在速度严重不匹配的问题。举个例子来说,比如要把100M的数据写入磁盘,CPU输出100M的数据只需要0.01秒,可是磁盘要接收这100M数据可能需要10秒,怎么办呢?有两种办法:
第一种是CPU等着,也就是程序暂停执行后续代码,等100M的数据在10秒后写入磁盘,再接着往下执行,这种模式称为同步IO;
另一种方法是CPU不等待,只是告诉磁盘,“您老慢慢写,不着急,我接着干别的事去了”,于是,后续代码可以立刻接着执行,这种模式称为异步IO。
同步和异步的区别就在于是否等待IO执行的结果。好比你去麦当劳点餐,你说“来个汉堡”,服务员告诉你,对不起,汉堡要现做,需要等5分钟,于是你站在收银台前面等了5分钟,拿到汉堡再去逛商场,这是同步IO。
你说“来个汉堡”,服务员告诉你,汉堡需要等5分钟,你可以先去逛商场,等做好了,我们再通知你,这样你可以立刻去干别的事情(逛商场),这是异步IO。
很明显,使用异步IO来编写程序性能会远远高于同步IO,但是异步IO的缺点是编程模型复杂。想想看,你得知道什么时候通知你“汉堡做好了”,而通知你的方法也各不相同。如果是服务员跑过来找到你,这是回调模式,如果服务员发短信通知你,你就得不停地检查手机,这是轮询模式。总之,异步IO的复杂度远远高于同步IO。
操作IO的能力都是由操作系统提供的,每一种编程语言都会把操作系统提供的低级C接口封装起来方便使用,Python也不例外。我们后面会详细讨论Python的IO编程接口。
注意,本章的IO编程都是同步模式,异步IO由于复杂度太高,后续涉及到服务器端程序开发时我们再讨论。
怎么做?
文件读写
读写文件是最常见的IO操作。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)。
读文件
要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')
open()函数就会抛出一个
IOError的错误,并且给出错误码和详细的信息告诉你文件不存在:
>>> 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'
read()方法可以一次读取文件的全部内容,Python把内容读到内存,用一个
str对象表示:
>>> f.read()
'Hello, world!'
最后一步是调用
close()方法关闭文件。
文件使用完毕后必须关闭,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是有限的:
>>> f.close()
IOError,一旦出错,后面的
f.close()就不会调用。所以,为了保证
无论是否出错都能正确地关闭文件,我们可以使用
try … finally来实现:
try: f = open('/path/to/file', 'r') print f.read()finally: if f: f.close()
但是每次都这么写实在太繁琐,所以,Python引入了
with语句来自动帮我们调用close()方法:
with open('/path/to/file', 'r') as f: print f.read()
try … finally是一样的,但是代码更佳简洁,并且不必调用f.close()方法。
read()会一次性读取文件的全部内容,如果文件有10G,内存就爆了,所以,要保险起见,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。因此,要根据需要决定怎么调用。
read()一次性读取最方便;如果不能确定文件大小,反复调用
read(size)比较保险;如果是配置文件,调用
readlines()最方便:
for line in f.readlines(): print(line.strip()) # 把末尾的'\n'删掉
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。
临时缓冲。
二进制文件
前面讲的默认都是读取文本文件,并且是ASCII编码的文本文件。要读取二进制文件,比如图片、视频等等,用‘rb’模式打开文件即可:
>>> 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
>>> f = open('/Users/michael/gbk.txt', 'rb')
>>> u = f.read().decode('gbk')
>>> 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还提供了一个
codecs
模块帮我们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'
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()
反复调用write()来写入文件,但是务必要调用f.close()来关闭文件。当我们写文件时,
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:
f.write('Hello, world!')
codecs的示例,写入unicode,由
codecs
自动转换成指定编码。
open()函数打开的文件对象完成的。使用
with语句
操作文件IO是个好习惯。
命令行下面输入操作系统提供的各种命令来完成。比如
dir、
cp等命令。
简单地调用了操作系统提供的接口函数,Python内置的
os模块也可以直接调用操作系统提供的接口函数。
os模块的基本功能:
>>> import os
>>> os.name # 操作系统名字
'posix'
如果是
posix,说明系统是
Linux、
Unix或
Mac OS X,如果是
nt,就是
Windows系统。
要获取详细的系统信息,可以调用uname()函数:
>>> os.uname()('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')
uname()函数在Windows上不提供,也就是说,
os模块的某些函数是跟操作系统相关的。
os.environ这个
dict中,可以直接查看:
>>> 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', ...}
要获取某个
环境变量的值,可以调用
os.getenv()函数:
>>> os.getenv('PATH')
'/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin'
操作文件和目录
os模块中,一部分放在
os.path模块中,这一点要注意一下。
查看、创建和删除目录可以这么调用:
# 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')'/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')
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。在Linux/Unix/Mac下,
os.path.join()返回这样的字符串:
part-1/part-2
part-1\part-2
同样的道理,要拆分路径时,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')
这些
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。
test.txt文件:
# 对文件重命名:>>> os.rename('test.txt', 'test.py')# 删掉文件:>>> os.remove('test.py')
但是复制文件的函数居然在
os模块中不存在!原因是
复制文件并非由操作系统提供的系统调用。理论上讲,我们通过上一节的读写文件可以完成文件复制,只不过要多写很多代码。
shutil模块提供了
copyfile()的函数,你还可以在
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。
>>> [x for x in os.listdir('.') if os.path.isdir(x)]['.lein', '.local', '.m2', '.npm', '.ssh', '.Trash', '.vim', 'Adlm', 'Applications', 'Desktop', ...]
要列出所有的
.py文件,也只需一行代码:
>>> [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。
d = dict(name='Bob', age=20, score=88)
name改成
‘Bill’,但是一旦程序结束,变量所占用的内存就被操作系统全部回收。如果没有把修改后的
‘Bill’存储到磁盘上,下次重新运行程序,变量又被初始化为
‘Bob’。
变成可存储或传输的过程称之为序列化,在Python中叫pickling,在其他语言中也被称之为serialization,marshalling,flattening等等,都是一个意思。
就可以把序列化后的内容写入磁盘,或者通过网络传输到别的机器上。
cPickle和
pickle。这两个模块功能是一样的,区别在于
cPickle是C语言写的,速度快,
pickle是纯Python写的,速度慢,跟
cStringIO和
StringIO一个道理。用的时候,先尝试导入
cPickle,如果失败,再导入
pickle:
try:
import cPickle as pickle
except ImportError:
import pickle
首先,我们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()方法把任意对象
序列化成一个str,然后,就可以把这个str写入文件。或者用另一个方法
pickle.dump()直接把对象序列化后写入一个file-like Object:
>>> f = open('dump.txt', 'wb')>>> pickle.dump(d, f)>>> f.close()
看看写入的
dump.txt文件,一堆乱七八糟的内容,这些都是Python保存的对象内部信息。
str,然后用
pickle.loads()方法
反序列化出对象,也可以直接用
pickle.load()方法从一个
file-like Object中直接反序列化出对象。我们打开另一个Python命令行来反序列化刚才保存的对象:
>>> f = open('dump.txt', 'rb')>>> d = pickle.load(f)>>> f.close()>>> d{'age': 20, 'score': 88, 'name': 'Bob'}
变量的内容又回来了!
完全不相干的对象,它们只是内容相同而已。
序列化问题一样,就是它只能用于Python,并且可能不同版本的Python彼此都不兼容,
因此,只能用Pickle保存那些不重要的数据,
不能成功地反序列化也没关系。
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/130058.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...