diff --git a/Tech/programming-language/Python/进阶/文件和IO操作.md b/Tech/programming-language/Python/进阶/文件和IO操作.md new file mode 100644 index 00000000..fc3357be --- /dev/null +++ b/Tech/programming-language/Python/进阶/文件和IO操作.md @@ -0,0 +1,282 @@ +## Python 文件操作基础 + +### 文件和 IO 的基本概念 + +在编程领域，文件和输入/输出（IO）操作是基本的组成部分。文件是存储在磁盘上的数据集合，可以包含文本、图片、音频等多种格式的数据。IO 操作则涉及到数据的读取（输入）和写入（输出）。在 Python 中，对文件的操作简单而强大，涵盖了从文本文件到复杂数据格式的处理。 + +理解文件的操作对于数据处理、日志记录、配置文件的读写等都至关重要。Python 提供了丰富的库来处理各种类型的文件，使得文件读写变得既简单又安全。 + +### 文件打开与关闭 + +文件在使用前必须先打开，并在操作完成后关闭。Python 通过内置的 `open()` 函数来打开文件，这个函数返回一个文件对象，然后可以对其进行读取或写入操作。文件操作完成后，应该使用 `close()` 方法关闭文件以释放系统资源。但更推荐的做法是使用 `with` 语句（[上下文管理器](Tech/programming-language/Python/进阶/资源管理.md)），它会在代码块执行完毕后自动关闭文件，即使在代码块中发生了异常。 + +### 文件读写操作 + +读取和写入是文件操作中最基础的部分。Python 提供了多种方法来读取文件（如 `read()`，`readline()`，`readlines()`）和写入文件（如 `write()`，`writelines()`）。这些方法可以灵活应用于不同的场景，如逐字符、逐行读取或写入整个文件。 + +### 文件模式 + +在打开文件时，可以指定不同的模式： + +|模式|描述| +|---|---| +|`'r'`|只读模式。如果文件不存在，抛出异常。| +|`'w'`|写入模式。如果文件存在，覆盖原有内容；如果文件不存在，创建新文件。| +|`'a'`|附加模式。如果文件存在，将数据添加到文件末尾；如果文件不存在，创建新文件。| +|`'r+'`|读写模式。可以读取和写入文件，如果文件不存在，抛出异常。| +|`'w+'`|写读模式。打开文件进行读写，覆盖原有内容；如果文件不存在，则创建新文件。| +|`'a+'`|附加和读取模式。可以读取和在文件末尾附加内容；如果文件不存在，则创建新文件。| +|`'rb'`|以二进制格式打开文件进行只读。| +|`'wb'`|以二进制格式打开文件进行写入，覆盖原有内容；如果文件不存在，则创建新文件。| +|`'ab'`|以二进制格式打开文件进行附加，如果文件不存在，则创建新文件。| +|`'rb+'`|以二进制格式打开文件进行读写。| +|`'wb+'`|以二进制格式打开文件进行写读，覆盖原有内容；如果文件不存在，则创建新文件。| +|`'ab+'`|以二进制格式打开文件进行附加和读取。| + +## 文件类型和数据格式处理 + +### 处理文本文件 + +文本文件存储的是可读字符，如 `.txt` 文件。Python 中处理文本文件非常直接，可以使用字符串方法对内容进行操作。 + +```python +# 读取文本文件 +with open('example.txt', 'r') as file: + content = file.read() + print(content) +``` + +### 处理二进制文件 + +二进制文件存储的是字节数据，如图片、音频等。在 Python 中，通过在 `open()` 函数中使用 `'rb'` 或 `'wb'` 模式来读取或写入二进制文件。 + +```python +# 读取二进制文件 +with open('image.png', 'rb') as file: + content = file.read() +``` + +### CSV 文件处理 + +CSV（逗号分隔值）是一种常见的数据交换格式。Python 的 [ csv 模块](Tech/programming-language/Python/模块/数据处理/csv%20文件读写.md) 提供了读取和写入 CSV 文件的功能。 + +```python +import csv + +# 读取 CSV 文件 +with open('data.csv', 'r') as file: + csv_reader = csv.reader(file) + for row in csv_reader: + print(row) + +# 写入 CSV 文件 +with open('output.csv', 'w', newline='') as file: + csv_writer = csv.writer(file) + csv_writer.writerow(['name', 'age']) + csv_writer.writerow(['Alice', 30]) +``` + +### JSON 文件处理 + +JSON（JavaScript Object Notation）是一种轻量级的数据交换格式。Python 的 [json 模块](Tech/programming-language/Python/模块/数据处理/json%20编码和解码器.md) 可以轻松处理 JSON 数据。 + +```python +import json + +# 读取 JSON 文件 +with open('data.json', 'r') as file: + data = json.load(file) + print(data) + +# 写入 JSON 文件 +with open('output.json', 'w') as file: + json.dump({'name': 'Alice', 'age': 30}, file, indent=4) + +``` + +## 文件系统操作 + +### 文件和目录的基本操作 + +Python 的 `os` 和 `shutil` 模块提供了丰富的文件和目录管理功能，包括创建、删除、移动、复制等。 + +```python +import os +import shutil + +# 创建目录 +os.mkdir('new_directory') + +# 移动文件 +shutil.move('example.txt', 'new_directory/example.txt') + +# 复制文件 +shutil.copy('new_directory/example.txt', 'example_copy.txt') + +# 删除文件 +os.remove('example_copy.txt') + +``` + +### 路径操作 + +Python 提供了 `os.path` 和 `pathlib` 模块来处理文件路径的各种需求。 + +```python +from pathlib import Path + +# 创建 Path 对象 +path = Path('example.txt') + +# 检查文件是否存在 +print(path.exists()) + +# 获取文件扩展名 +print(path.suffix) + +``` + +### 使用临时文件 + +`tempfile` 模块用于创建临时文件和目录，这在需要临时存储数据时非常有用。 + +```python +import tempfile + +# 创建临时文件 +temp_file = tempfile.TemporaryFile() + +# 写入临时文件 +temp_file.write(b'Temporary data') +temp_file.seek(0) + +# 读取临时文件 +print(temp_file.read()) + +# 关闭临时文件 +temp_file.close() +``` + +## 高级文件操作技巧 + +### 文件迭代与遍历 + +文件内容可以逐行或按特定条件迭代，这对于处理大型文件尤为重要。 + +```python +# 逐行读取文件 +with open('large_file.txt', 'r') as file: + for line in file: + process(line) # 自定义的处理函数 + +``` + +### 内存映射文件操作 + +使用 `mmap` 模块可以将文件内容映射到内存，这样可以提高读写大文件的效率。 + +```python +import mmap + +# 内存映射一个大文件 +with open('large_file.txt', 'r+b') as f: + mm = mmap.mmap(f.fileno(), 0) + print(mm.readline()) # 读取一行内容 + mm.close() + +``` + +### 异步 IO 操作 + +Python 的 `asyncio` 库允许进行异步 IO 操作，这对于提高 IO 密集型应用的性能很有帮助。 + +```python +import asyncio + +async def read_file_async(file_name): + with open(file_name, 'r') as file: + return await file.read() + +# 在异步函数中调用 +async def main(): + content = await read_file_async('example.txt') + print(content) + +asyncio.run(main()) + +``` + +## 编码和错误处理 + +### 字符编码 + +理解字符编码（如 UTF-8, ASCII）对于正确处理文本文件至关重要，特别是在处理国际化内容时。 + +```python +# 指定文件的编码 +with open('example.txt', 'r', encoding='utf-8') as file: + content = file.read() + +``` + +### 文件操作中的错误处理 + +文件操作可能会引发各种 [异常](Tech/programming-language/Python/进阶/异常处理.md)，例如 `FileNotFoundError` 或 `PermissionError`。正确处理这些异常是编写健壮代码的关键。 + +```python +try: + with open('nonexistent_file.txt', 'r') as file: + content = file.read() +except FileNotFoundError: + print("文件不存在") +``` + +## 性能优化和最佳实践 + +处理文件和 IO 操作时，性能优化和资源管理是两个关键的方面。正确处理这些问题不仅可以提高程序的效率，还能避免常见的资源泄露和同步问题。 + +### 性能优化 + +在处理大型文件时，性能成为一个重要的考虑因素。以下是一些优化文件操作性能的策略： + +#### 逐行处理而非一次性读取整个文件 + +对于非常大的文件，一次性读取整个文件到内存中可能会导致内存溢出。逐行读取文件是一个更好的选择。 + +```python +with open('large_file.txt', 'r') as file: + for line in file: + process(line) # 对每行进行处理 +``` + +#### 使用生成器进行延迟计算 + +如果处理文件的过程涉及到复杂的数据处理，可以**使用生成器来进行延迟计算**，这样可以避免不必要的内存使用。 + +```python +def read_large_file(file_obj): + """逐行读取大文件的生成器""" + for line in file_obj: + yield line.strip() + +with open('large_file.txt', 'r') as file: + for line in read_large_file(file): + process(line) +``` + +#### 内存映射文件 + +对于非常大的文件，使用内存映射的方式可以提高读写效率。这种方法适用于二进制文件，可以让你像访问数组一样访问文件内容。 + +```python +import mmap + +with open('large_file.bin', 'r+b') as f: + mm = mmap.mmap(f.fileno(), 0) + # 访问文件内容 + mm.close() +``` + +### 资源管理最佳实践 + +在文件和 IO 操作中，正确的资源管理至关重要。以下是一些资源管理的最佳实践：[资源管理](Tech/programming-language/Python/进阶/资源管理.md)。