python--文件流读写

在讲述fileinput模块之前，首先说一下python内置的文件API—open()函数以及与其相关的函数。

我这里主要讲讲其中四个比较重要和常用的方法，更多的方法，可以参考：菜鸟教程http://www.runoob.com/python/file-methods.html

（1）file = open(file_name [, access_mode][, buffering])

参数解析：

1. file_name：

file_name变量是一个需要访问的文件名称的字符串值，在应用中需要用单引号或者双引号将文件名包裹起来。

2. access_mode：

access_mode决定了打开文件的模式：只读，写入，追加等。这个参数是非强制的，默认文件访问模式为只读(r)

详细模式可以参考：菜鸟教程http://www.runoob.com/python/python-files-io.html

3. buffering：

这个参数用于设置缓存区的大小。如果buffering的值被设为0，就不会有缓存。如果buffering的值取1，访问文件时会寄存行。如果将buffering的值设为大于1的整数，这个整数就为缓存区的缓存大小。如果取负值，寄存区的缓冲大小则为系统默认。

（2）file.flush()方法

用于刷新缓冲区，，即将缓冲区中的数据立刻写入文件，同时清空缓冲区

flush()方法在爬虫中也用得挺多，在爬虫过程由于种种原因，程序中断，写入缓存的数据没有写入磁盘很可惜，所以可以手动添加flush()方法

（3）file.close()方法

关闭文件，并将缓冲区的数据写入文件中。

文件的缓存机制

在写入文件内容的时候，在我们调用python的write()函数对文件进行写入的时候，python解析器会调用操作系统的write方法，但值得注意的是，不是马上保存到磁盘中的，是先写到内核的缓冲区里面，只有当我们主动调用flush()函数或者close()函数的时候，才会将缓冲区的内容写入磁盘中。另外当写入的数据量大于或者等于缓冲区的大小的时候，写缓冲会自动同步到磁盘。

例如：

写20万行数据结果

file = open('file1.txt','a+')
for i in range(200000):
    file.write('this line is line%s'%i)
file.write('\r\n')

pycharm报出如下的提示

因为我设置的buffering是默认的系统的缓存大小，所以当写到1999856行时，就刚好到系统的缓存区大小，因为所需要写的数据大于缓存区的大小，所以这些内容直接就写入了磁盘，而1998856后面的数据在写入的时候还是先写到了缓存区中，而这些数据的大小显然是小于缓存区大小的，所以被保存在缓存区中，并没有写到磁盘。

使用flush()方法后，所有在缓存区的数据都会写入到磁盘中

如果我直接在调用open()方法的时候像下面这样设置buffering为1，就无需担心缓存的问题了

（4）file.seek(offset [,whence])  文件指针

当文件进行写入或者读取的时候，文件指针会根据具体的内容进行移动。灵活地运用seek()方法，可以在一次I/O操作中对文件同时进行写和读操作，避免多次的I/O。

参数解析：

offset：偏移量，代表需要移动偏移的字节数

whence：可选参数，默认值为 0。作用是给offset参数设定起始值，表示要从哪个位置开始偏移。0代表从文件开头开始算起，1代表从当前位置开始算起，2代表从文件末尾算起。

例如以下案例：

file = open('file.txt','a+',1)
for i in range(200):
    file.write('this line is line%s'%i)
    file.write('\r\n')

for line in file:
    print(line)

file.close()

终端没有打印任何数据

如果将代码顺序修改一下

file = open('file.txt','a+',1)
for i in range(200):
    file.write('this line is line%s'%i)
    file.write('\r\n')
file.close()

f = open('file.txt','r+')
for line in f:
    print(line)
f.close()

终端打印出数据

那么怎么用seek()方法呢？

import os
file = open('file.txt','a+',1)
for i in range(200):
    file.write('this line is line%s'%i)
    file.write('\r\n')
    file.seek(0,os.SEEK_SET)
    for line in file:
        print(line)
file.close()

同样也能打印出数据

上面，我用了os模块的SEEK_SET

os模块有这些内容：

　os.SEEK_SET：表示文件的相对起始位置

os.SEEK_CUR：表示文件的相对当前位置

　os.SEEK_END：表示文件的相对结束位置

关于fileinput模块

fileinput可以对文件进行细致化的处理，比直接的open方法有更多文件操扩展。可以一次性迭代一个或者多个文件，并对文件进行修改。

主要的函数有：

1. input（[files[,inplace[,backup]]]） 帮助迭代多个输入流中的行

2. filename()  返回当前文件的名称

3.nestfile()   关闭当前文件并移动到下一个文件

4. close()     关闭序列（多个文件

5. lineno()    返回（多个文件累计的）当前行号

6. filelineno()  返回在当前文件的行好

7. isfirstline()  检查当前是否是当前文件中的第一行

8. isstdin()     检查最后一行是否来自sys.stdin

可以理解，fileinput模块重点是对多文件的读取和适当时候的修改。而没有直接的写操作

1. input()方法

这个函数是fileinput模块中最重要的一个函数，参数相对复杂一点。

官方的定义：

fileinput.input([files[, inplace[, backup[, bufsize[, mode[, openhook]]]]]])

input(files=None, inplace=False, backup='', bufsize=0, mode='r', openhook=None)

1）files列表，可以是一个文件，也可以是多个文件的列表形式

2）inplace  是否对文件进行就地修改。默认为False，设置为False跟文件的open区别不大

3）mode  读取的格式

官方：FileInput opening mode must be one of 'r', 'rU', 'U' and 'rb'  （b:二进制字节模式和U:unicode模式）

4）backup  文件备份，为原本的文件做一份备份，不作任何修改，其实就是复制。备份的文件名是原本的文件名+备份文件名。注意备份文件需要把文件的格式也写进去。一般backup需要与参数inplace一起使用才有意义。而在设置了inplace=True，一般同时会设置backup参数来备份原本的文件内容。

例子：在每一行文本的前面添加 ‘#行号’字样

单个文件案例：

for line in fileinput.input('file.txt',inplace=True,mode='r',backup='file_back.txt'):
    num = fileinput.filelineno()
    print('#%s'%num+' '+line)

如果inplace设置为True，即就地修改，必须要有print函数将读取的数据重新写回当前的文件中，否则文件的数据最后会变成空。所以使用inplace时候必须很小心。

备份后的文件目录

多个文件案例

for line in fileinput.input(files=['file.txt','file1.txt'],inplace=True,mode='r',backup='file_back.txt'):
    num = fileinput.filelineno()
    print('#%s'%num+' '+line

通常fileinput模块会结合re模块一起使用，例如在对日志的分析中会很有用

例如，这里有一个monoodb的log文件内容

希望获取日期为11-13的日志

import fileinput
import re
for line in fileinput.input('mongolog.txt',mode='r',inplace=True,backup='log_backup.txt'):
    pattern = '2018-11-13'
    if re.search(pattern,line):
      print(line)

获取结果在原log.txt文件中，备份文件中的内容与原文件相同