一,IO编程简介
(1)什么是IO?
从磁盘,网络等地方向内存中输入数据是Input
从内存向磁盘,网络等地方输出数据是Output
(2)IO编程中的“流”概念
首先,流类似于一个水管,数据就是水且只能单向流动。
数据从外面流进内存是Input Stream
数据从内存流进外面是Output Stream
(3)IO操作中必然涉及CPU,内存,外设之间的速度不匹配问题。
所以有了同步IO和异步IO
同步IO就是CPU闲置,直到需要的数据全部加载完毕,再执行
异步IO就是CPU先执行其它指令,直到需要的数据全部加载完毕,再回来继续执行。
(4)异步IO涉及了两种模式
回调模式:数据加载完毕后,调度程序去主动向CPU发出指令
轮询模式:数据加载过程中,CPU主动询问是否数据已经加载完毕
(5)操作IO的能力都是由操作系统提供的,这要牢记。
每一种编程语言是把操作系统提供的低级C借口封装起来方便使用
二,IO编程常见操作之文件读写
(1)文件读写操作必知必会
现代操作系统不允许普通程序直接操作磁盘进行文件读写,而是提供一个接口,由普通程序调用。
这个接口一般称为文件对象或者文件描述符。
(2)读文件
示例1:
#向操作系统请求占用打开该文件进行读操作
f=open('D://hello.txt','r')
注1:如果文件不存在,open函数会抛出一个IOError的错误
#读取文件内容
f.read()
注2:read()方法会一次将文件的全部内容读取到内存中,数据类型是str对象。
这个方法适合于内容较少的文件,不然内存可能会不够用
#关闭文件
f.close()
注3: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。
特别强调:
由于文件读写时都有可能产生IOError,一旦抛出异常,则f.close()就不会执行了。
所以为了保证务必能正确地关闭文件,解除占用,使用try...finally来保证:
try:
f=open("D://hello.txt",'r')
print(f.read())
finally:
if f:
f.close()
为了简化代码,Python引入了with语句来自动帮我们调用close()方法:
with open("D://hello.txt",'r') as f:
print(f.read())
(3) 读取方法简介:
a. read() 会一次性读取文件的全部内容,但有可能大文件会撑爆内存。
b. read(size) 会每次最多读取size个字节的内容
c. readline() 可以每次读取一行内容
d. readlines()一次读取所有内容并按行返回list
适用介绍:
如果文件很小,read()一次读取最方便
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。
(4)file-like Object
a. 像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。
(5)二进制文件读取
f=open("D://hello.txt",'rb')
f.read()
(6)读取非UTF-8编码的文本文件,要传入encoding参数,也就是字符编码
f=open('D://hello.txt','r',encoding='gbk')
f.read
(7) 遇到编码不规范的文件,可能会遭遇UnicodeDecodeError,最简单的处理方式就是忽略
f=open("D://hello.txt",'r',encoding='gbk',errors='ignore')
(8)写文件
f=open('D://hello.txt','w')
f.write('hello,world!')
f.close()
注意: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,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磁盘,剩下的就会丢失了。
(9)写入特定编码的文本文件
向open()传入encoding参数,将字符串自动转换成指定编码。
注意:以‘w’模式写入文件,会直接覆盖。以‘a’ 也就是追加(append)写入,可以追加到文件末尾。
小结:
安全读写操作,特定编码问题。
三,SringIO和BytesIO
数据读写不一定非得是文件,也可以是在内存中读写。
(1) StringIO就是在内存中读写str。只需要创建一个StringIO对象
>>> from io import StringIO
>>> f = StringIO()
>>> f.write('hello')
5
>>> f.write(' ')
1
>>> f.write('world!')
6
>>> print(f.getvalue())
hello world!
getvalue()
方法用于获得写入后的str。
要读取StringIO,可以用一个str初始化StringIO,然后,像读文件一样读取:
>>> from io import StringIO
>>> f = StringIO('Hello!\nHi!\nGoodbye!')
>>> while True:
... s = f.readline()
... if s == '':
... break
... print(s.strip())
...
Hello!
Hi!
Goodbye!
(2)BytesIO
StringIO操作的只能是str,如果要操作二进制数据,就需要使用BytesIO.
BytesIO实现了在内存中读写bytes,我们创建一个BytesIO,然后写入一些bytes:
>>> from io import BytesIO
>>> f = BytesIO()
>>> f.write('中文'.encode('utf-8'))
6
>>> print(f.getvalue())
b'\xe4\xb8\xad\xe6\x96\x87'
请注意,写入的不是str,而是经过UTF-8编码的bytes。
和StringIO类似,可以用一个bytes初始化BytesIO,然后,像读文件一样读取:
>>> from io import BytesIO
>>> f = BytesIO(b'\xe4\xb8\xad\xe6\x96\x87')
>>> f.read()
b'\xe4\xb8\xad\xe6\x96\x87'
小结:
StringIO和BytesIO是内存中操作str和bytes的方法,使得和读写文件具有一致的接口。
三,操作文件和目录
(1) 我们可以通过操作系统的接口函数,也就是命令去操作文件和目录
(2)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
import os
os.name #操作系统类型
os.uname #详细的系统信息,windows不会提供。
#所以,os模块的某些函数是跟操作系统相关的
os.environ #在操作系统中定义的环境变量
os.environ.get('key') #获取某个环境变量的值
(2) os.path模块
os.path.abspath('.') #查看当前目录的绝对路径
os.path.join('/Users/michael','testdir') #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.mkdir('/Users/michael/testdir') #创建一个目录
os.rmdir('/Users/michael/testdir') #删掉一个目录
os.path.split('/Users/michael/testdir/file.txt') #把一个路径拆分为两部分,后一部分总是把最后级别的目录或文件名
os.path.splitext('/path/to/file.txt') #可以得到文件 扩展名
os.rename('test.txt','test.py') #对文件重命名
os.remove('test.py') #删掉文件
[x for x in os.listdir('.') if os.path.isdir(x)] #显示当前目录下的所有目录
[x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1]=='.py']
(3)os模块里面没有复制文件的函数,shutil模块提供了copyfile()函数
四. 序列化
1. 为什么序列化?
变量从内存中变成可存储或传输的过程称之为序列化,在Python中叫pickling
序列化之后,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
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。
Python提供了pickle
模块来实现序列化。
>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'
2. pickle的序列化操作
pickle.dumps()
方法把任意对象序列化成一个bytes
,然后,就可以把这个bytes
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()
当我们要把对象从磁盘读到内存时,可以先把内容读到一个bytes
,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'}
Pickle的问题和所有其他编程语言特有的序列化问题一样,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。
也就是说,Python自带的这个序列化是很受局限性的,使用范围很窄的。
3. JSON
(1)为什么要用JSON?
如果我们要在不同的编程语言之间传递对象,就必须把对象序列化为标准格式,比如XML,但更好的方法是序列化为JSON,因为JSON表示出来就是一个字符串,可以被所有语言读取,也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式,并且比XML更快,而且可以直接在Web页面中读取,非常方便。
JSON表示的对象就是标准的JavaScript语言的对象,JSON和Python内置的数据类型对应如下:
JSON类型 | Python类型 |
---|---|
{} | dict |
[] | list |
"string" | str |
1234.56 | int或float |
true/false | True/False |
null | None |
Python内置的json
模块提供了非常完善的Python对象到JSON格式的转换。我们先看看如何把Python对象变成一个JSON:
>>> 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file-like Object
。
要把JSON反序列化为Python对象,用loads()
或者对应的load()
方法,前者把JSON的字符串反序列化,后者从file-like Object
中读取字符串并反序列化:
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}
由于JSON标准规定JSON编码是UTF-8,所以我们总是能正确地在Python的str
与JSON的字符串之间转
(2)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))
运行代码,毫不留情地得到一个TypeError
:
Traceback (most recent call last):
...
TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable
错误的原因是Student
对象不是一个可序列化为JSON的对象。
如果连class
的实例对象都无法序列化为JSON,这肯定不合理!
别急,我们仔细看看dumps()
方法的参数列表,可以发现,除了第一个必须的obj
参数外,dumps()
方法还提供了一大堆的可选参数:
https://docs.python.org/3/library/json.html#json.dumps
这些可选参数就是让我们来定制JSON序列化。前面的代码之所以无法把Student
类实例序列化为JSON,是因为默认情况下,dumps()
方法不知道如何将Student
实例变为一个JSON的{}
对象。
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,我们只需要为Student
专门写一个转换函数,再把函数传进去即可:
def student2dict(std):
return {
'name': std.name,
'age': std.age,
'score': std.score
}
这样,Student
实例首先被student2dict()
函数转换成dict
,然后再被顺利序列化为JSON:
>>> print(json.dumps(s, default=student2dict))
{"age": 20, "name": "Bob", "score": 88}
不过,下次如果遇到一个Teacher
类的实例,照样无法序列化为JSON。我们可以偷个懒,把任意class
的实例变为dict
:
print(json.dumps(s, default=lambda obj: obj.__dict__))
因为通常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。
同样的道理,如果我们要把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'])
运行结果如下:
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>