文件读写

读文件

使用Python内置的open()函数，传入文件名和标示符：

# 标示符'r'表示读
f = open('/User/michael/test.txt', 'r')            # 这样就成功打开了一个文件
r.read()    # 调用read()方法一次读取文件全部内容
            # Python把内容堵到内存用一个str对象表示
f.close()    # 最后一步是调用close()方法关闭文件
# 如果文件不存在，就会抛出一个 IOError 的错误
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# FileNotFoundError: [Errno 2] No such file or directory: '/Users/michael/notfound.txt'

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：

try:
    f = open('/path/to/file', 'r')
    print(f.read())
finally:
    if f:
        f.close()

Python引入with语句来自动帮我们调用close()方法：

# 同 try...finally，但更简洁且不必调用f.close()方法
width open('/path/to/file', 'r') as f:
    print(f.read())

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：

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

file-like Object

像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

前面讲的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：

f = open('/User/michael/test.jpg', 'rb')
f.read()
# b'\xff\xd8\xff\xe1\x00\x18Exif\x00\x00...' # 十六进制表示的字节

字符编码

要独处非UTF-8编码的文本文件，需要给open()函数传入**encoding**参数

>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk')
>>> f.read()
'测试'

遇到有些编码不规范的文件，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：

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

写文件

和读文件一样，区别是调用open()函数时，传入标识符'w'或者'wb'表示写文本文件或者二进制文件：

f = open('/User/michael/test.txt', 'w')
f.write('Hello, world!')
f.close()

可以反复调用write()来写入文件，但是务必调用f.close()来关闭文件。

with open('/User/michael/test.txt', 'w') as f:
    f.write('Hello, world!')

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。

以'w'模式写入文件时，如果文件已存在，会直接覆盖（相当于删掉后新写入一个文件）。如果希望追加到文件末尾，可以传入'a'以追加（append）模式写入。

默认模式是'r'（打开阅读文本，同义词'rt'）。模式'w+'并'w+b'打开和截断文件。模式'r+' 和'r+b'打开文件而不会被截断。

StringIO和ByteslO

数据读写不一定是文件，也可以在内存中读写。

StringIO

StringIO就是在内存中读写str。
要把str写入StringIO需要先创建一个StringIO，然后像文件一样写入：

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

getvalue()方法用于获得写入后的str。

要读取StringIO，可以用一个str初始化StringIO，然后，像读文件一样读取：

from io import StringIO
f = StringIO('Hello!\nHi!\nGoodbye!')
while True:
    s = f.readline()
    if s == '':
        break
    print(s.strip())
# Hello!
# Hi!
# Goodbye!

BytesIO

StringIO操作的只能是str，如果要操作二进制数据，就需要使用BytesIO。
BytesIO实现了在内存中读写bytes，我们创建一个BytesIO，然后写入一些bytes：

from io import BytesIO
f = BytesIO()
s.write('中文'.encode('utf-8'))        # 6
print(f.getvalue())            # b'\xe4\xb8\xad\xe6\x96\x87'

请注意，写入的不是str，而是经过UTF-8编码的bytes。

和StringIO类似，可以用一个bytes初始化BytesIO，然后，像读文件一样读取：

from io import BytesIO
f = BytesIO(b'\xe4\xb8\xad\xe6\x96\x87')
f.read()
# b'\xe4\xb8\xad\xe6\x96\x87'

操作文件和目录

使用Python内置的os模块直接调用操作系统提供的接口函数。

>>> import os
>>> os.name # 操作系统类型
'posix'

如果是posix，说明系统是Linux、Unix或Mac OS X，如果是nt，就是Windows系统。

环境变量

在操作系统中定义的环境变量，全部保存在os.environ这个变量中，可以直接查看：

>>> os.environ
environ({'VERSIONER_PYTHON_PREFER_32_BIT': 'no', 'TERM_PROGRAM_VERSION': '326', 'LOGNAME': 'michael', 'USER': 'michael', 'PATH': '/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin', ...})

要获取某个环境变量的值，可以调用os.environ.get('key')：

>>> os.environ.get('PATH')
'/usr/bin:/bin:/usr/sbin:/sbin:/usr/local/bin:/opt/X11/bin:/usr/local/mysql/bin'
>>> os.environ.get('x', 'default')
'default'

操作文件和目录

操作文件和目录的函数一部分放在os模块中，一部分放在os.path模块中，这一点要注意一下。
查看、创建和删除目录可以这么调用：

# 查看当前目录的绝对路径
>>> os.path.abspath('.')
'/Users/michael'
# 在某个目录下创建一个新目录，首先把新目录的完整路径表示出来：
>>> os.path.join('/User/michael', 'testdir')
'/Users/michael/testdir'
# 然后创建一个目录：
>>> os.mkdir('/User/micheal/testdir')
# 删掉一个目录
>>> os.rmdir('/User/micheal/testdir')

把两个路径合成一个时，不要直接拼字符串，而要通过os.path.join()函数，这样可以正确处理不同操作系统的路径分隔符。
在Linux/Unix/Mac下，os.path.join()返回part-1/part-2，而Windows下会返回part-1\part-2

要拆分路径时，也不要直接去拆字符串，而要通过os.path.split()函数，这样可以把一个路径拆分为两部分，后一部分总是最后级别的目录或文件名：

>>> os.path.split('/User/michael/testdir/file.txt')
('/User/michael/testdir', 'file.txt')

os.path.splitext()可以让你直接获得文件扩展名：

>>> os.path.splitext('/path/to/file.txt')
('/path/to/file', '.txt')

这些合并、拆分路径的函数并不要求目录和文件要真实存在，它们只对字符串进行操作。

文件操作使用下面的函数。假定当前目录下有一个test.txt文件：

# 对文件重命名:
>>> os.rename('test.txt', 'test.py')
# 删掉文件:
>>> os.remove('test.py')

shutil模块提供了copyfile()的函数，你还可以在shutil模块中找到很多实用函数，它们可以看做是os模块的补充。

# 用Python的特性过滤文件，比如列出当前目录下的所有目录：
>>> [x for x in os.listdir('.') if os.path.isdir(x)]
# 要列出所有的.py文件，也只需一行代码：
>>> [x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1] == '.py']

序列化

Python提供了pickle模块来实现序列化。

>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'

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。
或者用另一个方法pickle.dump()直接把对象序列化后写入一个file-like Object：
（注意：一个有s一个没spickle.dumps() pickle.dump()）

>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()

看看写入的dump.txt文件，一堆乱七八糟的内容，这些都是Python保存的对象内部信息。

要把对象从磁盘读到内存时，可以先把内容读到一个bytes，然后用pickle.loads()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。我们打开另一个Python命令行来反序列化刚才保存的对象：

>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}

Pickle的问题和所有其他编程语言特有的序列化问题一样，就是它只能用于Python，并且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的数据，不能成功地反序列化也没关系。

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：

如何把Python对象变成一个JSON：

>>> import json
>>> d = dict(name='Bob', age=20,l score=88)
>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'

dumps()方法返回一个str，内容就是标准的JSON。类似的，dump()可以直接把JSON写入一个file-like Object。

要把JSON反序列化为Python对象，用loads()或者对应的load()方法，前者把JSON的字符串反序列化，后者从file-like Object中读取字符串并反序列化：

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}

JSON进阶

Python的dict对象可以直接序列化为JSON的{}， 不过很多时候更喜欢用class表示对象：

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)) 
# Traceback (most recent call last):
#   ...
# TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable

运行代码报错，因为Student对象不是一个可序列话的JSON对象， 默认情况下，dumps()方法不知道如何将Student实例变成一个JSON的{}对象。
除了第一个必须的obj参数外，dumps()方法还提供了一大堆的可选参数。
可选参数default就是把任意一个对象变成可序列为JSON的对象，只需要为Student专门写一个转换函数，再把函数传进去：

def student2dict(std):
    return {
        'name': std.name,
        'age': std.age,
        'score': std.score
    }

这样，Student实例首先被student2dict()函数转换成dict，然后再被顺利序列化为JSON：

>>> print(json.dumps(s, default=student2dict))
{"age": 20, "name": "Bob", "score": 88}

不过下次在遇到类似的实例照样无法序列化为JSON。我们可以偷个懒把任意class的实例变成dict：

print(json.dumps(s, default=lambda obj: obj.__dict__))

因为通常class的实例都有一个__dict__属性，他就是一个dict，用来存储实例变量。也有少数例外，比如定义了__slot__的class。

JSON反序列化为一个Student对象实例，loads()方法首先转换出一个dict对象，然后传入的object_hook函数负责把dict转换成Student实例：

def dict2student(d):
    return Student(d['name'], d['age'], d['score'])

运行结果如下：

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>        # 打印出的是反序列化的Student实例对象。