|
|
51CTO旗下网站
|
|
移动端

用Python实现磁盘IO操作全攻略,让数据流动起来!

IO在计算机中指的是Input/Output,也就是输入输出。凡是用到数据交换的地方,都会涉及IO编程,例如磁盘、网络的数据传输。

作者:范传辉来源:大数据|2019-05-22 15:04

【大咖·来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》

IO在计算机中指的是Input/Output,也就是输入输出。凡是用到数据交换的地方,都会涉及IO编程,例如磁盘、网络的数据传输。

在IO编程中,Stream(流)是一种重要的概念,分为输入流(Input Stream)和输出流(Output Stream)。我们可以把流理解为一个水管,数据相当于水管中的水,但是只能单向流动,所以数据传输过程中需要架设两个水管,一个负责输入,一个负责输出,这样读写就可以实现同步。

本文主要讲解磁盘IO操作。

01 文件读写

1. 打开文件

读写文件是最常见的IO操作。Python内置了读写文件的函数,方便了文件的IO操作。

文件读写之前需要打开文件,确定文件的读写模式。open函数用来打开文件,语法如下:

  1. open(name[.mode[.buffering]]) 

open函数使用一个文件名作为唯一的强制参数,然后返回一个文件对象。模式(mode)和缓冲区(buffering)参数都是可选的,默认模式是读模式,默认缓冲区是无。

假设有个名为qiye.txt的文本文件,其存储路径是c:\text(或者是在Linux下的~/text),那么可以像下面这样打开文件。在交互式环境的提示符“>>>”下,输入如下内容:

  1. >>> f = open(r'c:\text\qiye.txt'

如果文件不存在,将会看到一个类似下面的异常回溯:

  1. Traceback (most recent call last): 
  2.     File "<stdin>", line 1, in <module> 
  3. IOError: [Errno 2] No such file or directory: 'C:\\qiye.txt' 

2. 文件模式

下面主要说一下open函数中的mode参数,通过改变mode参数可以实现对文件的不同操作。

  • 'r':读模式
  • 'w':写模式
  • 'a':追加模式
  • 'b':二进制模式(可添加到其他模式中使用)
  • '+':读/写模式(可添加到其他模式中使用)

这里主要是提醒一下'b'参数的使用,一般处理文本文件时,是用不到'b'参数的,但处理一些其他类型的文件(二进制文件),比如mp3音乐或者图像,那么应该在模式参数中增加'b',这在爬虫中处理媒体文件很常用。参数'rb'可以用来读取一个二进制文件。

3. 文件缓冲区

open函数中第三个可选参数buffering控制着文件的缓冲。

如果参数是0,I/O操作就是无缓冲的,直接将数据写到硬盘上;如果参数是1,I/O操作就是有缓冲的,数据先写到内存里,只有使用flush函数或者close函数才会将数据更新到硬盘;如果参数为大于1的数字则代表缓冲区的大小(单位是字节),-1(或者是任何负数)代表使用默认缓冲区的大小。

4. 文件读取

文件读取主要是分为按字节读取和按行进行读取,经常用到的方法有read()、readlines()、close()。

在“>>>”输入f = open(r'c:\text\qiye.txt')后,如果成功打开文本文件,接下来调用read()方法则可以一次性将文件内容全部读到内存中,***返回的是str类型的对象:

  1. >>> f.read() 
  2. "qiye" 

***一步调用close(),可以关闭对文件的引用。文件使用完毕后必须关闭,因为文件对象会占用操作系统资源,影响系统的IO操作。

  1. >>> f.close() 

由于文件操作可能会出现IO异常,一旦出现IO异常,后面的close()方法就不会调用。所以为了保证程序的健壮性,我们需要使用try ... finally来实现。

  1. try: 
  2.     f = open(r'c:\text\qiye.txt','r'
  3.     print f.read() 
  4. finally: 
  5.     if f: 
  6.         f.close() 

上面的代码略长,Python提供了一种简单的写法,使用with语句来替代try ... finally代码块和close()方法,如下所示:

with open(r'c:\text\qiye.txt','r') as fileReader: print fileReader.read()

调用read()一次将文件内容读到内存,但是如果文件过大,将会出现内存不足的问题。一般对于大文件,可以反复调用read(size)方法,一次最多读取size个字节。如果文件是文本文件,Python提供了更加合理的做法,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列表。

大家可以根据自己的具体需求采取不同的读取方式,例如小文件可以直接采取read()方法读到内存,大文件更加安全的方式是连续调用read(size),而对于配置文件等文本文件,使用readline()方法更加合理。

将上面的代码进行修改,采用readline()的方式实现如下所示:

  1. with open(r'c:\text\qiye.txt','r'as fileReader: 
  2.     print fileReader.read() 

5. 文件写入

写文件和读文件是一样的,唯一的区别是在调用open方法时,传入标识符'w'或者'wb'表示写入文本文件或者写入二进制文件,示例如下:

  1. f = open(r'c:\text\qiye.txt','w'
  2. f.write('qiye'
  3. f.close() 

我们可以反复调用write()方法写入文件,***必须使用close()方法来关闭文件。使用write()方法的时候,操作系统不是立即将数据写入文件中的,而是先写入内存中缓存起来,等到空闲时候再写入文件中,***使用close()方法就将数据完整地写入文件中了。

当然也可以使用f.flush()方法,不断将数据立即写入文件中,***使用close()方法来关闭文件。和读文件同样道理,文件操作中可能会出现IO异常,所以还是推荐使用with语句:

  1. with open(r'c:\text\qiye.txt','w'as fileWriter: 
  2.     fileWriter.write('qiye'

02 操作文件和目录

在Python中对文件和目录的操作经常用到os模块和shutil模块。接下来主要介绍一些操作文件和目录的常用方法:

  • 获得当前Python脚本工作的目录路径:

os.getcwd()。

  • 返回指定目录下的所有文件和目录名:

os.listdir()。例如返回C盘下的文件:os.listdir("C:\\")

  • 删除一个文件:

os.remove(filepath)。

  • 删除多个空目录:

os.removedirs(r"d:\python")。

  • 检验给出的路径是否是一个文件:

os.path.isfile(filepath)。

  • 检验给出的路径是否是一个目录:

os.path.isdir(filepath)。

  • 判断是否是绝对路径:

os.path.isabs()。

  • 检验路径是否真的存在:

os.path.exists()。例如检测D盘下是否有Python文件夹:os.path.exists(r"d:\python")

  • 分离一个路径的目录名和文件名:

os.path.split()。例如:os.path.split(r"/home/qiye/qiye.txt"),返回结果是一个元组:('/home/qiye', 'qiye.txt')。

  • 分离扩展名:

os.path.splitext()。例如os.path.splitext(r"/home/qiye/qiye.txt"),返回结果是一个元组:('/home/qiye/qiye', '.txt')。

  • 获取路径名:

os.path.dirname(filetpah)。

  • 获取文件名:

os.path.basename(filepath)。

  • 读取和设置环境变量:

os.getenv()与os.putenv()。

  • 给出当前平台使用的行终止符:

os.linesep。Windows使用'\r\n',Linux使用'\n'而Mac使用'\r'。

  • 指示你正在使用的平台:

os.name。对于Windows,它是'nt',而对于Linux/Unix用户,它是'posix'。

  • 重命名文件或者目录:

os.rename(old,new)。

  • 创建多级目录:

os.makedirs(r"c:\python\test")。

  • 创建单个目录:

os.mkdir("test")。

  • 获取文件属性:

os.stat(file)。

  • 修改文件权限与时间戳:

os.chmod(file)。

  • 获取文件大小:

os.path.getsize(filename)。

  • 复制文件夹:

shutil.copytree("olddir","newdir")。olddir和newdir都只能是目录,且newdir必须不存在。

  • 复制文件:

shutil.copyfile("oldfile","newfile"),oldfile和newfile都只能是文件;shutil. copy("oldfile","newfile"),oldfile只能是文件,newfile可以是文件,也可以是目标目录。

  • 移动文件(目录):

shutil.move("oldpos","newpos")。

  • 删除目录:

os.rmdir("dir"),只能删除空目录;shutil.rmtree("dir"),空目录、有内容的目录都可以删。

03 序列化操作

对象的序列化在很多高级编程语言中都有相应的实现,Python也不例外。程序运行时,所有的变量都是在内存中的,例如在程序中声明一个dict对象,里面存储着爬取的页面的链接、页面的标题、页面的摘要等信息:

  1. d = dict(url='index.html',title='首页',content='首页'

在程序运行的过程中爬取的页面的链接会不断变化,比如把url改成了second.html,但是程序一结束或意外中断,程序中的内存变量都会被操作系统进行回收。

如果没有把修改过的url存储起来,下次运行程序的时候,url被初始化为index.html,又是从首页开始,这是我们不愿意看到的。所以把内存中的变量变成可存储或可传输的过程,就是序列化。

将内存中的变量序列化之后,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,实现程序状态的保存和共享。反过来,把变量内容从序列化的对象重新读取到内存,称为反序列化。

在Python中提供了两个模块:cPickle和pickle来实现序列化,前者是由C语言编写的,效率比后者高很多,但是两个模块的功能是一样的。一般编写程序的时候,采取的方案是先导入cPickle模块,如果此模块不存在,再导入pickle模块。示例如下:

  1. try: 
  2.     import cPickle as pickle 
  3. except ImportError: 
  4.     import pickle 

pickle实现序列化主要使用的是dumps方法或dump方法。dumps方法可以将任意对象序列化成一个str,然后可以将这个str写入文件进行保存。在Python Shell中示例如下:

  1. >>> import cPickle as pickle 
  2. >>> d = dict(url='index.html',title='首页',content='首页'
  3. >>> pickle.dumps(d) 
  4. "(dp1\nS'content'\np2\nS'\\xca\\xd7\\xd2\\xb3'\np3\nsS'url'\np4\nS'index.html'\np5\nsS'title'\np6\ng3\ns." 

如果使用dump方法,可以将序列化后的对象直接写入文件中:

  1. >>> f=open(r'D:\dump.txt','wb'
  2. >>> pickle.dump(d,f) 
  3. >>> f.close() 

pickle实现反序列化使用的是loads方法或load方法。把序列化后的文件从磁盘上读取为一个str,然后使用loads方法将这个str反序列化为对象,或者直接使用load方法将文件直接反序列化为对象,如下所示:

  1. >>> f=open(r'D:\dump.txt','rb'
  2. >>> d=pickle.load(f) 
  3. >>> f.close() 
  4. >>> d 
  5. {'content''\xca\xd7\xd2\xb3''url''index.html''title''\xca\xd7\xd2\xb3'

通过反序列化,存储为文件的dict对象,又重新恢复出来,但是这个变量和原变量没有什么关系,只是内容一样。以上就是序列化操作的整个过程。

假如我们想在不同的编程语言之间传递对象,把对象序列化为标准格式是关键,例如XML,但是现在更加流行的是序列化为JSON格式,既可以被所有的编程语言读取解析,也可以方便地存储到磁盘或者通过网络传输。

作者:范传辉

关于作者:范传辉,资深网虫,Python开发者,参与开发了多项网络应用,在实际开发中积累了丰富的实战经验,并善于总结,贡献了多篇技术文章广受好评。研究兴趣是网络安全、爬虫技术、数据分析、驱动开发等技术。

内容摘编自《Python爬虫开发与项目实战》一书

首发于微信公众号大数据(ID:hzdashuju)

【编辑推荐】

  1. 专注于数据管理与数据安全!希捷推出全新存储解决方案
  2. 混合云如何力压群雄,在多云环境中崛起?
  3. 借助青立方超融合易捷版,为中小企业数字化转型全面赋能
  4. Python操作MySQL存储,这些你都会了吗?
  5. 磁盘 IO 的性能指标有哪些?如何获取及分析?
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

16招轻松掌握PPT技巧

16招轻松掌握PPT技巧

GET职场加薪技能
共16章 | 晒书包

289人订阅学习

20个局域网建设改造案例

20个局域网建设改造案例

网络搭建技巧
共20章 | 捷哥CCIE

645人订阅学习

WOT2019全球人工智能技术峰会

WOT2019全球人工智能技术峰会

通用技术、应用领域、企业赋能三大章节,13大技术专场,60+国内外一线人工智能精英大咖站台,分享人工智能的平台工具、算法模型、语音视觉等技术主题,助力人工智能落地。
共50章 | WOT峰会

0人订阅学习

读 书 +更多

开源osCommerce 轻松架设专业电子商务平台

osCommerce是一款免费的、开放源代码的专业电子商务解决方案。本书以通俗易懂的语言向读者展示了该软件强大的功能和简易的操作方法,主要内...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO播客