file 对象使用 open 函数来创建

文件操作

读文件

1
2
3
4
f = open('./info.log', 'r') # 以只读的方式打开一个文件
t = f.read() # 读取文件内容,保存到一个str对象
print(t) # 如果文件打开成功,将打印文件内容
f.close() # 关闭文件

open() 方法,传入文件名和标示符,可以打开一个文件对象。

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。

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。

如果文件不存在,将抛出一下错误信息:

1
FileNotFoundError: [Errno 2] No such file or directory: '/Users/info.log'

由于文件读写时都有可能产生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:

1
2
3
4
5
6
try:
f = open('./info.log', '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:

1
2
with open('./info.log', '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。

调用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。

如果文件很小,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:

1
2
for line in f.readlines():
print(line.strip()) # 把末尾的'\n'删掉

read(size) 方法,不带size读取整个文件内容,带size读取指定字节的内容。

readlines() 方法,一次性读取文件所有内容并按照行号返回为list

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。

二进制文件

前面默认都是读取文本文件,并且是UTF-8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:

1
2
with open('./100.jpg', 'rb') as f:
print(f.read())

其中b表示以二进制文件形式打开,将输出类似以下的十六进制表示的字节内容:

1
b'\xff\xd8\xff\xe0\x00\x10JFIF\x00\x01\x01\x01\x00`\x00`\x00\x00\xff\xe1\x00\x08Exif\x00\x00\xff\xdb\x00C\x00\x08\x06\x06\x07\x06\x05\x08\x07\x07\x07\t\t\x08\n\x0c\x14\r\x0c\x0b\x0b\x0c\x19\x12\x13\x0f\x14\x1d\x1a\x1f\x1e\x1d\x1a\x1c\x1c $.\' ",#\x1c\x1c(7),

编码

只需要在第三个参数加上encoding='xxx' 即可

1
2
with open('./info.log', 'r', encoding='gbk') as f:
print(f.read())

遇到有些编码不规范的文件,你可能会遇到UnicodeDecodeError,因为在文本文件中可能夹杂了一些非法编码的字符。遇到这种情况,open()函数还接收一个errors参数,表示如果遇到编码错误后如何处理。最简单的方式是直接忽略:

1
f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')

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:

1
2
with open('./info.log', 'w') as f:
f.write('hello')

你可以反复调用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。

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。

读写模式

读写模式的类型有:

1
2
3
4
5
6
7
8
9
10
11
12
rU或Ua 以读方式打开, 同时提供通用换行符支持 (PEP 278)
w 以写方式打开,
a 以追加模式打开 (从 EOF 开始, 必要时创建新文件)
r+ 以读写模式打开
w+ 以读写模式打开 (参见 w )
a+ 以读写模式打开 (参见 a )
rb 以二进制读模式打开
wb 以二进制写模式打开 (参见 w )
ab 以二进制追加模式打开 (参见 a )
rb+ 以二进制读写模式打开 (参见 r+ )
wb+ 以二进制读写模式打开 (参见 w+ )
ab+ 以二进制读写模式打开 (参见 a+ )

内存操作

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。

StringIO

StringIO就是在内存中读写str。

1
2
3
4
5
6
from io import StringIO
f = StringIO()
f.write('hello')
f.write(' ')
f.write('world!')
print(f.getvalue()) # hello world!

getvalue()方法用于获得写入后的str。

创建的时候初始化StringIO,然后可以像文件一样进行操作 :

1
2
3
4
5
6
7
from io import StringIO
f = StringIO('Hello!\nHi!\nGoodbye!')
while True:
s = f.readline()
if s == '':
break
print(s.strip())

BytesIO

BytesIO就是在内存中读写二进制数据。

1
2
3
4
from io import BytesIO
f = BytesIO()
f.write('中文'.encode('utf-8'))
print(f.getvalue())

输出: b'\xe4\xb8\xad\xe6\x96\x87'

pickle

我们把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,在其他语言中也被称之为serialization,marshalling,flattening等等,都是一个意思。

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。

序列化

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写入文件了。

格式:pickle.dumps(obj, protocol=None)

1
2
3
4
import pickle
d = dict(name='Bob', age=20, score=88)
p = pickle.dumps(d)
print(p)

存入文件

pickle.dump()方法可以直接把对象序列化后写入一个file-like Object。

格式: pickle.dump(obj, file, protocol=None)

1
2
3
4
5
6
7
8
9
import pickle
d = dict(name='Bob', age=20, score=88)
f = open('dump.txt', 'wb')
pickle.dump(d, f)
f.close()
with open('./dump.txt', 'rb') as f:
print(f.read())
# b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x03\x00\x00\x00Bobq\x02X\x03\x00\x00\x00ageq\x03K\x14X\x05\x00\x00\x00scoreq\x04KXu.'

反序列化

pickle.load()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。

格式:pickle.load(file)

1
2
3
4
with open('./dump.txt', 'rb') as f:
d = pickle.load(f)
print(d)
# {'name': 'Bob', 'age': 20, 'score': 88}

JSON

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对json进行操作可以使用json模块

序列化

dumps()方法返回一个str,内容就是标准的JSON。

1
2
3
4
import json
d = dict(name='Bob', age=20, score=88)
print(json.dumps(d))
# {"name": "Bob", "age": 20, "score": 88}

保存到文件

dump()方法可以直接把JSON写入一个file-like Object

1
2
3
f = open('./test.txt', 'w')
json.dump(d, f)
f.close()

讲一个对象转化为json

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

1
2
3
4
5
6
7
8
9
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, 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。

参考资料

廖雪峰的官方网站: Python教程

python:open/文件操作