Python学习笔记9：Python文件和输入输出

1、文件对象

• 普通的磁盘文件。
• 其他类型抽象层面上的“文件”。
• 具有文件类型接口的其他对象（类文件（file like）对象）。

内建函数open()返回一个文件对象。
还有大量的函数也会返回文件对象或是类文件对象。

2、文件内建函数
（1）open()函数
提供初始化输入/输出（I/O）操作的通用接口。
成功打开文件返回文件对象，否则引发错误，产生IOError异常。

file_object = open(file_name,access_mode='r',buffering=-1)

file_name代表要打开的文件的名字，可以是相对路径或者绝对路径；
access_mode代表文件的打开模式，默认采用’r’，完整取值：

• ‘r’：读取已经存在的文件
• ‘w’：写入，文件存在先清空再创建，不存在则创建
• ‘a’：追加数据到文件的末尾，若文件不存在则创建
• ‘rU’或’U’：以读方式打开，同时提供通用换行符支持。
• ‘b’：二进制模式访问，所有POSIX兼容的Unix系统（含Linux）,’b’可有可无，因为这些系统中所有文件都被当成二进制文件。加上’b’对于将程序移植到非Unix环境是有好处的，但是’b’不能作为第一个字符出现。
• ‘rb’:以二进制读模式打开。
• ‘wb’:以二进制写模式打开。
• ‘ab’:以二进制追加模式打开。
• ‘+’:可读可写
• ‘r+’:以读写模式打开。
• ‘w+’:以读写模式打开。
• ‘a+’:以读写模式打开。
• ‘rb+’:以二进制读写模式打开。
• ‘wb+’:以二进制读写模式打开。
• ‘ab+’:以二进制读写模式打开。

buffering代表访问文件所采用的缓冲方式，取值：

• 0：不缓冲
• 1：只缓冲一行数据
• >1：使用给定值作为缓冲区大小
• 不给定或者使用负数，表示采用系统默认缓冲机制，即对任何类电报机（tty）设备使用行缓冲，其他设备使用正常缓冲。

（2）工厂函数file()
open()与file()可以任意替换。
（3）通用换行符支持（UNS）（2.3）
当你使用’U’标志打开文件的时候，所有的行分隔符（或行结束符）通过Python的输入方法（例如read*()）返回时都会被替换为换行符NEWLINE（ \n）。这个特性还支持包含不同类型行结束符的文件。文件对象的newlines属性会记录它曾“看到的”文件的行结束符。UNS只用于读取文本文件，没有对应的处理文件输出的方法。

3、文件内建函数
（1）输入

• read()方法直接读取字节到字符串中，最多读取给定数目个字节。 若没有给定size参数（默认为-1）或size为负值，文件将读到末尾。
• readline()读取一行，包括行结束符。size默认为-1，代表读至行结束符。否则在超过size个字节后会返回不完整的行。
• readlines()返回字符串列表。可选参数sizhint代表返回的最大字节大小。若大于0，那么返回的所有行应该大约有sizhint字节。
• xreadlines对象（2.1），在xreadlines模块中，该对象类型可以用来高效地迭代文件的行。调用file.xreadlines()等价于xreadlines.xreadlines(file)。xreadlines不是一次性读取所有的行，而是每次读取一块，所以用在for循环时可以减少对内存的占用。2.3中的迭代器和文件迭代的引入，没必要使用xreadlines()方法，因为它和iter(file)及for eachLine in file效果一样。
• readinto()已废弃。buffer()已废弃。读取给定数目的字节到一个可写的缓冲区对象。

（2）输出

• write()将含有文本数据或二进制数据块的字符串写入到文件中去。
• writelines()接受一个字符串列表写入文件。行结束符不会自动加入，必须在调用writelines()前给每行结尾加上行结束符。

（3）文件内移动

• seek(off,whence=0)方法在文件中移动文件指针到不同的位置。
  offset字节代表相对于某个位置(由whence指定)偏移量。默认位置值为0，代表从文件开头算起（即绝对偏移量），1代表从当前位置开始，2代表从文件末尾算起。
• tell()方法它告诉你当前文件指针在文件中位置，从文件起始算起，单位为字节。

（4）文件迭代

for eachLine i n f:
    :

eachLine表示文本文件的一行（包括末尾的行结束符）。
2.2前，最好使用file.readlines()来读取所有数据，后使用file.xreadlines()来作为最高效读取文件的方法。2.2中引入的迭代器和文件迭代使文件迭代更高效。file.next()方法返回文件的下一行，或在没有其他行时引发StopIteration异常。
（5）其他

• close()关闭文件。Python垃圾收集机制也会在文件对象的引用计数降到0时自动关闭。良好的编程习惯要求在重新赋给另一个文件对象前关闭这个文件。不显式关闭文件，可能会丢失输出缓冲区的数据。
• fileno()返回打开文件的描述符。返回一个整型。 flush()方法直接把内部缓冲区中的数据立刻写入文件。
• isatty()当文件是类tty设备返回True，否则返回False。
• truncate()方法将文件截取到当前文件指针位置或者到给定size，以字节为单位。

（6）文件方法杂项
①行分隔符

• POSIX(Unix系列或Mac OS X）系统，行分隔符是换行符NEWLINE(\n)字符。
• 旧的Mac OS下是RETURN(\r)
• 而DOS和Wind32使用（\r\n）。

②路径分隔符

• POSIX使用“/”；
• DOS和Windows使用“\”；
• 旧版本Mac OS使用“:”。

③有助于跨平台开发的os模块属性

• linesep 用于在文件中分隔行的字符串
• sep 用于分隔文件路径名的字符串
• pathsep 用于分隔文件路径的字符串
• curdir 当前工作目录的字符串名称
• pardir （当前工作目录的）父目录字符串名称

④其他补充
print语句默认在输出内容末尾加上一个换行符，在语句后加一个逗号就可以避免这个行为。
readline()和readlines()不对行里空字符做任何处理，所以使用print时有必要加上逗号，若省略逗号，显示出的文本每行后会有两个换行符。

4、文件内建属性

• file.closed 文件已经被关闭标志位
• file.encoding 文件所使用的编码
• file.mode 文件打开时使用的访问模式
• file.name 文件名
• file.newlines 行分隔符列表
• file.softspace 0表示在输出一数据后，加上一个空格符；1表示不加（程序员一般用不着，程序内部使用）

5、标准文件
程序执行后，可以访问3个标准文件。

• 标准输入（一般是键盘）
• 标准输出（到显示器的缓冲输出）
• 标准错误（到屏幕的非缓冲输出)

“缓冲”和“非缓冲”指open()函数的第三个参数。
这些文件分别为stdin，stdout，stderr。
这些文件预先会被打开，通过sys模块可以访问到这些文件的句柄。
print语句通常是输出到sys.stdout;而内建函数raw_input()通常从sys.stdin 接收输入。

6、命令行参数
sys模块通过sys.argv属性提供了对命令行参数的访问。

• sys.argv命令行参数的列表，该列表的第一项永远是程序的名称。
• len(sys.argv)命令行参数的个数（即C语言的argc）

“管道”实现一个程序的输出到下个程序输入的转换。
Python提供了模块getopt（简单）及optparse（复杂）来辅助处理命令行参数。

7、文件系统
大多通过os模块访问文件系统。该模块是Python访问操作系统功能的主要接口。
os模块实际上只是真正加载的模块的前端，那些真正的模块可能是：posix，nt（win32），mac（旧版本的Mac OS），dos（DOS），OS2(OS/2)等等。
os模块负责大部分文件系统操作，包括删除/重命名文件，遍历目录树，以及管理文件访问权限等。os模块还负责对进程和进程运行环境进行管理。
另外，os.path模块可以完成一些针对路径名的操作。可以完成管理和操作文件路径的各个部分，获取文件或子目录信息，文件路径查询等。
os模块与os.path模块提供了与平台和操作系统无关的统一的文件系统访问方法。
（1）os模块的文件/目录访问函数

• mkfifo()/mknod() 创建命名管道/创建文件系统节点
• remove()/unlink() 删除文件
• rename()/renames() 重命名文件
• *stat() 返回文件信息
• symlink() 创建符号链接
• utime() 更新时间戳
• tmpfile() 创建并打开（’w+b’）一个新的临时文件
• walk() 生成一个目录树下的所有文件名
• chdir()/fchdir() 改变当前工作目录/通过一个文件描述符改变当前工作目录
• chroot() 改变当前进程的根目录
• listdir() 列出指定目录的文件
• getcwd()/getcwdu() 返回当前工作目录/功能相同，但返回一个Unicode对象
• mkdir()/makedirs() 创建目录/创建多层目录
• rmdir()/removedirs() 删除目录/删除多层目录
• access() 检验权限模式
• chmod() 改变权限模式
• chown()/lchown() 改变owner和group ID/功能相同，但不会跟踪链接
• umask() 设置默认权限模式
• open() 底层的操作系统open（对于文件，使用标准的内建open()函数）
• read()/write() 根据文件描述符读取/写入数据
• dup()/dup2() 复制文件描述符/功能相同，但是是复制到另一个文件描述符
• makedev() 从major和minor设备号创建一个原始设备号
• major()/minor() 从原始设备号获得major/minor设备号

（2）os.path模块中的路径名访问函数

• basename() 去掉目录路径，返回文件名
• dirname() 去掉文件名，返回目录路径
• join() 将分离的各部分组合成一个路径名
• split() 返回(dirname(),basename())元组
• splitdrive() 返回(drivename,pathname)元组
• splitext() 返回(filename,extension)元组
• getatime() 返回最近访问时间
• getctime() 返回文件创建时间
• getmtime() 返回最近修改时间
• getsize() 返回文件大小（以字节为单位）
• exists() 指定路径（文件或目录）是否存在
• isabs() 指定路径是否为绝对路径
• isdir() 指定路径是否存在且为一个目录
• isfile() 指定路径是否存在且为一个文件
• islink() 指定路径是否存在且为一个符号链接
• ismount() 指定路径是否存在且为一个挂载点
• samefile() 两个路径名是否指向同一个文件

8、永久存储模块
pickle和marshal模块用来转换并储存Python对象。数据的扁平化，数据的序列化或者数据的顺序化。
另一些模块（dbhash/bsddb,dbm,gdbm,dumbdbm等）及它们的“管理器”（anydbm）只提供了Python字符串的永久性储存。最后一个模块（shelve）则两者兼有。db系列模块使用DBM格式写入数据。这些模块为用户的对象提供了一个命名空间，这些对象同时具备字典对象和文件对象的特点。不足之处在于只能储存字符串，不能对Python对象进行序列化。

9、相关模块

• base64 提供二进制字符串和文本字符串间的编码/解码操作
• binascii 提供二进制和ASCII编码的二进制字符串间的编码/解码操作
• bz2 访问BZ2格式的压缩文件
• csv 访问csv文件
• filecmp 用于比较目录和文件
• fileinput 提供多个文本文件的行迭代器
• getopt/optparse 提供了命令行参数的解析/处理
• glob/fnmatch 提供Unix样式的通配符匹配的功能
• gzip/zlib 读写GNU zip（gzip）文件（压缩需要zlib模块）
• shutil 提供高级文件访问功能
• c/StringIO 对字符串对象提供类文件接口
• tarfile 读写TAR归档文件，支持压缩文件
• tempfile 创建一个临时文件（名）
• uu uu格式的编码和解码
• zipfile 用于读取ZIP归档文件的工具