Python学习--13 文件I/O

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'xffxd8xffxe1x00x18Exifx00x00...' # 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
')

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

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。

StringIO

StringIO就是在内存中读写str。

读取：

# coding : utf-8

from io import StringIO
with StringIO('hello
world
') 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
world
')
    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'xe6xb5x8bxe8xafx95'

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'xe6xb5x8bxe8xafx95') as f:
    print(f.read())

输出：

b'xe6xb5x8bxe8xafx95'

StringIO和BytesIO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