16 - 文件操作-StringIO-BytesIO

目录

• 1 文件操作
  • 1.1 open函数介绍
  • 1.2 打开操作
    • 1.2.1 mode模式
    • 1.2.2 文件指针
    • 1.2.3 缓冲区
    • 1.2.4 encoding编码
    • 1.2.5 其他参数
  • 1.3 读写操作
  • 1.4 关闭操作
  • 1.5 上下文管理
  • 1.6 文件对象的其他方法
• 2 StringIO模块
• 3 BytesIO模块
• 4 file-like对象

1 文件操作

        读写文件是最常见的IO操作(一般说IO操作，指的是文件IO，如果是网络，一般都会直接说网络IO)，在磁盘上读写文件的功能都是由操作系统提供的，操作系统不允许普通的程序直接操作磁盘(大部分程序都需要间接的通过操作系统来完成对硬件的操作)，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）。在操作系统中，文件常用的操作有：

功能	介绍
open	打开
read	读取
write	写
close	关闭
readline	行读取
readlines	多行读取
seek	文件指针操作
tell	指针操作

1.1 open函数介绍

        在python中，我们使用open函数来打开一个文件，然后返回一个文件对象(流对象)和文件描述符。打开文件失败，则返回异常。

第三方模块codecs包中提供的open函数，具备内置函数open的所有功能，并且在内部它对目标文件进行了编码的与判断处理，当你不知道目标文件的编码类型时，使用codecs.open来说更可靠。

1.2 打开操作

想要读取文件，那么就需要先行打开文件。下面来看一下open函数的用法

open(['file', "mode='r'", 'buffering=-1', 'encoding=None', 'errors=None', 'newline=None', 'closefd=True', 'opener=None'],)

• file：要打开的文件名(默认为当前路径，否则要指定绝对路径)。
• mode：表示打开文件的格式。
• buffering: 设置缓冲区的大小(二进制模式和文本模式不同)
• encoding：打开文件的编码格式(文本模式)
• errors: 转码错误时是否提示异常
• newline: 文本模式中对新行的处理方式
• closefd: 删除描述符时，文件对象是否释放

Python 2.x中包含file和open两个操作文件的函数，Python 3.x 中只有open，操作方法相同 f = file('/etc/passwd','r')

1.2.1 mode模式

文件打开的方式有如下几种：

描述字符	意义	备注
r	只读打开	文件的默认打开方式，文件不存在会报异常
w	只写打开	文件不存在会创建，存在的话，会覆盖源文件（非追加）
x	创建并只写一个新文件	文件已存在则报错
a	只追加写模式	在文件末尾追加，文件不存在，新建并追加
b	二进制模式	字节流，将文件就按照字节理解，与字符编码无关。二进制模式操作时，字节操作使用bytes类型
t	文本模式	字符流，将文件的字节按照某种字符编码理解，按照字符操作，缺省模式
+	读写打开一个文件	给原来只读、只写方式打开提供缺失的读或者写能力

默认使用文本只读模式打开,特殊文件需要用文本模式传输的话，建议使用b　

        +符，为r、w、a、x提供缺失的读或者写的功能，但是，获取文件对象依旧按照r、w、a、x自己的特征。但+不能单独使用，可以认为它是为前面的模式字符做的增强功能。

描述字符	意义
r+	读模式附加写功能
w+	写模式附加读功能
a+	追加写模式附加读功能
x+	打开一个新文件可读可写

以上为文本模式，二进制模式时只需要添加b即可.即r+b,或者rb+都可

In [2]: f = open('hello.txt','r')
---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
<ipython-input-2-27a5c78b3969> in <module>
----> 1 f = open('hello.txt','r')

FileNotFoundError: [Errno 2] No such file or directory: 'hello.txt'

In [3]: f = open('123.txt')

In [4]: f.read()
Out[4]: '\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00abc'

In [5]: f.close()

In [6]: f = open('123.txt','w')

In [7]: f.read()
---------------------------------------------------------------------------
UnsupportedOperation                      Traceback (most recent call last)
<ipython-input-7-571e9fb02258> in <module>
----> 1 f.read()

UnsupportedOperation: not readable

In [8]:

注意：

• 我们把这个 f 成为文件句柄（用来标识一个文件的内存对象），包含文件名，字符集，大小，硬盘上的起始位置等等。
• f 在这里就变成了一个文件迭代器，我们可以通过使用for line in f ,去循环的读取文件的每一行内容

# for 循环遍历文件，打印文件的每一行

In [11]: f = open('123.txt')

In [12]: for i in f:
    ...:     print(i,end='')
    ...:
hello
world
my
name
is
daxin
thanks
In [13]:

注意：这里for line in fd，其实可以从fd.readlines()中读取，但是如果文件很大，那么就会一次性读取到内存中，非常占内存，而这里fd存储的是对象，只有我们读取一行，它才会把这行读取到内存中，建议使用这种方法。

1.2.2 文件指针

        为什么文件只能读一次，第二次读就是空的了？是否可以重复读取呢？在对文件操作中，会存在一个指针用于指定当前光标的位置，当我们读完一次后， 文件指针就指向了文件的末尾了，那么如果想要重复读取，那么只需要对指针的位置进行调整即可。

1. mode = r , 指针起始在0
2. mode = a , 指针其实在EOF(end of file：文件末尾)

f.tell()    # 显示当前文件指针的位置
f.seek(offset, whence=0, /)   # 移动文件指针的位置

• offset：偏移多少字节
• whence：从哪里开始

在文本模式下：

• whence 0：缺省值，表示从头开始，offset只能正整数
• whence 1：表示从当前位置开始，offset只能设置为0
• whence 2：表示从EOF位置开始，offset只能设置为0

文本模式支持从开头向后偏移的方式。whence为1时，只支持偏移0(seek(0,0))，相当于原地不同，没什么卵用。whence为2时，表示从EOF开始，但也只支持偏移0(seek(0,2))，相当于将文件指针移动到EOF。

二进制模式下：

• whence 0: 缺省值，表示从头开始，offset只能正整数
• whence 1: 表示从当前位置，offset可正可负
• whence 2: 表示从EOF开始，offset可正可负

二进制模式支持任意起点的偏移，从头、从尾部、从中间位置开始，向后seek可以超界，但是向前seek的时候，不能超界，否则抛异常

1.2.3 缓冲区

        open函数的第三个参数为buffering，叫作缓冲区，缓冲区是内存中的一小部分空间，用于存放准备写入磁盘的数据，操作系统在进行磁盘写入的时候，由于磁盘速度要远远慢于CPU以及内存，如果每次写入数据时，都要直接写到磁盘上的话，那么效率会非常的低，所以在操作系统层面会对写入操作进行优化，比如缓冲区默认大小为4K或者4K的倍数(为什么是4K，和磁盘扇区有关，这里就不详述了)，当写入的数据小于4K，会先存在缓冲区，当缓冲区满了，或者超过一定时间没有写入，操作系统会将数据一次性的刷入(flush)磁盘。

        buffering的默认值为-1，表示使用缺省大小的buffer，如果是二进制模式，由io.DEFAULT_BUFFER_SIZE决定，默认是4096或者8192，如果是文本模式，设备类型为终端设备时，使用行缓存方式，如果不是，则使用二进制模式的策略。使用其他值时，有如下含义：

• 0 ：只在二进制模式使用，表示关闭buffer
• 1 ：只在文本模式使用，表示使用行缓冲。(见到换行符就flush)
• 大于1 ：用于指定buffer的大小

二进制场景：

In [3]: import io

In [4]: f = open('123.txt','w+b')
In [5]: print(io.DEFAULT_BUFFER_SIZE)
8192

In [6]: f.write("daxin".encode())
Out[6]: 5
In [7]: f.seek(0)
Out[7]: 0
In [8]: f.read()
Out[8]: b'daxin'

In [9]: f.flush()    # 默认情况下缓冲区大小为8192字节，所以我们写入的不会被立即刷入到磁盘上，如果我们要手动刷入可以手动执行flush命令
In [10]: f.close()   # close会触发flush操作

In [11]: f = open('123.txt','w+b',4)  # 缓冲区为4个字节
In [12]: f.write('dax'.encode())    # 3个字节不会刷入磁盘
Out[12]: 3
In [13]: f.write('in'.encode())   # 超过缓冲区大小会直接连同本次写入的数据一起刷入磁盘
Out[13]: 2

In [14]: f.seek(0)
Out[14]: 0
In [15]: f.read()
Out[15]: b'daxin'

In [16]: f.flush()
In [17]: f.close()

文本字符串场景：

In [18]: f = open('123.txt','w+')   # 没有指定缓冲区的大小，采用默认值-1（由于不是终端设备，所以采用二进制的策略 由io.DEFAULT_BUFFER_SIZE控制
In [19]: !cat 123.txt

In [20]: f.write('daxin')
Out[20]: 5

In [21]: !cat 123.txt
In [22]: f.write('\n')   # 遇到换行符的时候并没有刷入磁盘
Out[22]: 1
In [23]: !cat 123.txt    

In [29]: f = open('123.txt','w+',1)   # 指定缓冲区的大小为1(行)
In [30]: f.write('daxin')
Out[30]: 5

In [31]: f.write(' hello')
Out[31]: 6

In [33]: !cat 123.txt    # 没有遇到换行符，所以不会刷入磁盘
In [34]: f.write('\n')   # 遇到换行符，然后刷入磁盘
Out[34]: 1
In [35]: !cat 123.txt
daxin hello

In [36]:

buffering	说明
buffering=1	文本和二进制模式时，都是io.DEFAULT_BUFFER_SIZE控制
buffering=0	文本模式时不支持，二进制模式时表示关闭缓冲区
buffering=1	文本模式表示行换成，二进制模式表示一个字节
buffering>1	文本模式时，是io.DEFAULT_BUFFER_SIZE字节，flush后把当前字符串也写入磁盘。二进制模式时，表示缓冲区的大小，直到超过这个值时，才会刷入磁盘

一般来说，文本模式一般都用默认缓冲区大小，二进制模式可以指定buffer的大小。除非我们明确知道，否则选择默认缓冲区大小是一个比较好的选择，另外在日常编程中，明确知道需要写磁盘了，都会手动调用一次flush，而不是等到自动flush或者close的时候。

1.2.4 encoding编码

        当我们操作二进制文件的时候，数据都是十六进制的，并没有什么编码的一说。而在使用文本模式时，就需要指定编码类型了，常用的中文编码比如，GBK、UTF-8、Unicode等，文件在内存中都是Unicode格式的，而存储在磁盘上就是按照本地编码的格式存储了，windows上默认的是GBK(ANSI,cp936)，当我们存储的文本数据不是默认的格式时，在打开时就会产生乱码，这时可以使用指定编码格式打开文件。

encoding=None,默认值时，表示使用操作系统默认编码类型
- windows: GBK(0xB0A1)
- Linux: UTF-8(0xE5 95 8A)

1.2.5 其他参数

errors: 什么样的编码错误将被捕获。

• None/strict：有编码错误将抛出ValueError异常
• ignore：表示忽略

newline: 文本模式中，换行的转换。可以为None、''(空串)、'\r'、'\n'、'\r\n'。

• 读时，None表示'\r'、'\n'、'\r\n'都被转换为'\n';''(空串)表示不会自动转换通用换行符；其他合法字符表示换行符就是指定字符，就会按照指定字符分行
• 写时，None表示'\n'都会被替换为系统指定缺省分隔符(os.linesep);'\n'表示'\n'不替换；其他的合法字符表示'\n'会被替换为指定的字符

closefd: 关闭文件描述符.

• True: 表示关闭它
• False: 会在文件关闭后保持这个文件描述符

fileobj.fileno()查看

1.3 读写操作

read(size=-1): 表示读取的多少个字符或字节；负数或者None表示读取到EOF(end of file),中文文本时，表示size个字符。

>>> f = open('123.txt','r+')
>>> f.read(5)
'daxin'
>>> f.read(5)
' hell'
>>> f.read(1)
'o'
>>> f.read(1)
'\n'
>>> f.read(1)
'你'

readline(size=-1): 一行行读取文件内容。size设置一次能读取行内几个字符或者字节。负数或者None表示读取到EOF(end of file)

>>> f = open('123.txt','r+')
>>> f.readline(3)
'a d'
>>> f.readline()
'axin hello world\n'
>>> f.readline(-10)
'c\n'

readlines(hint=-1): 读取所有行并返回列表。当指定hint为负数时，则会读取所有行，当指定为正数时，表示读取hint个字符所在的行。比如第一行有6个字符，第二行有3个字符，当我们使用readlines(7)时，就会返回两行，而如果使用readlines(5)时就会只返回第一行。

In [58]: f.readlines()
Out[58]: ['1\n', '2\n', '3\n', '4\n', '5\n', '6\n', '7\n', '8\n', '9']

In [94]: f = open('123.txt','r+')

In [95]: f.readlines(9)
Out[95]: ['你好啊我了个去\n', '为什么\n']

In [98]: f.readlines(3)
Out[98]: ['你好\n', '在']

In [99]:

write(s): 把字符串写入到文件中并返回写入字符串的个数。

writelines(lines): 将字符串列表写入文件中。

In [60]: f = open('123.txt','r+')

In [65]: f.seek(0,2)
Out[65]: 25

In [67]: f.write('10')
Out[67]: 2

In [68]: f.seek(25)
Out[68]: 25

In [69]: f.read()
Out[69]: '10'

In [71]: f.writelines(['11','12'])

In [72]: f.seek(25)
Out[72]: 25

In [73]: f.read()
Out[73]: '101112'

1.4 关闭操作

        当我们打开一个文件时，那么在系统中就会存在一个文件描述符对应这个文件，并且在文件系统中，一个程序可以使用的文件描述符的数量是有限的，如果我们使用完毕后不进行释放，那么很有可能就耗光文件描述符的数量(Linux中默认的文件描述符为1024，使用ulimit -a查看)，产生异常，所以在使用完毕后，我们就需要手动的进行关闭

f.close()

关闭文件的操作，会同时调用flush()，把缓冲区的数据刷入磁盘。当文件已经关闭，再次关闭没有任何效果

1.5 上下文管理

        上面说我们每次打开一个文件都需要手动的进行关闭，那么如果忘记了，这个文件会一直占用着对应的文件描述符，如果多次打开一个文件不关闭，那么每次都会占用新的文件秒师傅，直到文件描述符用完。上下文管理就是为了解决这种问题的，它有如下特点：

1. 使用 with .. as 关键字。
2. with语句块执行完毕的时候，会自动关闭文件对象
3. 不会开启新的作用域(不会产生诸如函数的内部变量等)

        2.6以上版本支持with读取,with open('/tmp/hello.txt') as fd:,然后所有打开文件的操作都需要缩进，包含在with下才，这样不需要明确的指定close，当新的代码没有缩进的时候，文件会自动关闭。

In [103]: with open('123.txt','r+') as f:
     ...:     f.read()
     ...:

In [105]: f.closed
Out[105]: True

或者：

In [100]: f = open('123.txt','r+')

In [101]: with f:
     ...:     f.read()
     ...:

In [102]: f.closed
Out[102]: True

1.6 文件对象的其他方法

文件对象的内置方法还有很多种，如下所示：

fd.closed()：    判断文件是否被关闭，若被打开提示False，没有的话提示True
fd.flush()：     把修改的内容，强制刷新到文件中去
fd.isatty：      判断是否是一个终端文件
fd.mode：        查看文件的打开模式
fd.name：        查看文件的名称
fd.next：        迭代的方法，和readline很像，区别是，next读到末尾会报错，readline会继续返回空
fd.read：        一次性读取所有内容，以字符串的方式存取
fd.readable():   判断文件是否可读
fd.readlines：   一次性读取所有内容，以列表的方式存取（适合操作小文件）
fd.readline()：  每次读取一行内容
fd.seek(0)：     调整文件读取的指针位置
fd.seekable()：  判断文件是否可以调整指针位置（tty，磁盘等文件是不能被seek的），可以被seek则返回真，否则返回假
fd.tell()：      查询文件目前读取位置（以字符为单位）
fd.truncate()：  截取文件，从开头开始截取，不指定指针位置的话，那么会清空文件
fd.write：       把一个字符串写入到文件中去
fd.writelines()：把字符串列表写入文件中
fd.xreadlines()：读一行打印一行，针对大文件非常适用 -----> Python 2.x 中适用，3.x中已经取消
fd.encoding:     查看文件的编码
fd.writeable()： 判断文件是否可以写
fd.fileno()：    返回文件在操作系统上的文件描述符（一个进程的运行默认会打开三个特殊的文件描述符：0表示 stdin、1表示 stdout，2表示stderr）
fd.name：        文件名称

2 StringIO模块

        用于在内存空开辟一个文本模式的buffer,可以像文件对象一样操作它,当close方法被调用时,这个buffer会被释放.

使用前需要先进行导入, from io import StringIO

In [106]: from io import StringIO

In [107]: s = StringIO()   # 实例化一个StringIO对象用于读写,相当于 f = open('123.txt','r+')

In [108]: s.write('123')
Out[108]: 3

In [109]: s.readline()
Out[109]: ''

In [110]: s.seek(0)
Out[110]: 0

In [111]: s.readline()
Out[111]: '123'

getvalue(): 获取全部内容,根文件指针没有关系.

In [106]: from io import StringIO

In [107]: s = StringIO()

In [108]: s.write('123')
Out[108]: 3

In [109]: s.readline()
Out[109]: ''

In [110]: s.seek(0)
Out[110]: 0

In [111]: s.readline()    # 指针已经切换到文件末尾
Out[111]: '123'

In [112]: s.getvalue()    # 无视指针,可以读取所有
Out[112]: '123'

一般来说,磁盘的操作比内存的操作要慢得多,内存足够的情况下,一般的优化思路是少落地,减少磁盘IO的过程,可以大大提高程序的运行效率.

3 BytesIO模块

        用于在内存中开辟一个二进制模式的buffer,可以像文件对象一样操作它,当close方法被调用时,这个buffer会被释放.

调用前需要先导入: from io import BytesIO

In [114]: from io import BytesIO

In [115]: b = BytesIO()  # 实例化一个BytesIO对象用于存储二进制数据

In [116]: b.write(b'abc')
Out[116]: 3

In [117]: b.seek(0)
Out[117]: 0

In [118]: b.read()
Out[118]: b'abc'

In [119]: b.getvalue()   # 同样无视指针的存在
Out[119]: b'abc'

        针对StringIO和BytesIO来说,还有如下方法:

1. readable(): 可读吗?
2. writeable(): 可写吗?
3. seekable(): 可以调整指针吗?

4 file-like对象

        类文件对象,可以向文件对象一个操作,比如socket对象,输入输出对象(stdin,stdout)等都是类文件对象.

In [120]: from sys import stdin,stdout

In [122]: stdout.write('123')
123
In [123]: type(stdout)
Out[123]: colorama.ansitowin32.StreamWrapper

In [124]:

每个程序初始化运行时,都会打开3个文件:

• stdin: 标准输入
• stdout: 标准输出
• stderr: 标准错误输出**