任何语言都离不开对文件的操作，Python语言是如何来操作和管理文件的。掌握文件的基本概念、基本操作，了解文件属性、 linux 系统的文件管理机制及os模块对文件和目录的处理等相关内容。

• [√]慕课网Meshare_huang老师：Python文件处理

文件简介

Python的文件处理:

初学者：推荐使用虚拟机VMwareStation + Deepin

必备前置条件知识储备：

1. Linux系统知识
2. Linux下Python开发环境
3. 掌握Python基础知识

Python文件概念：

文件： Python中文件是对象依赖我们的具体系统。

Linux文件：一切设备都可以看成文件

• 例如：磁盘文件，管道，网络Socket，外设等。

文件属性：用户，读，写，执行权限；

在Linux控制台输入命令：

#cd进一个空目录
cd Desktop/ 
#创建一个文件夹
mkdir PythonFile 
cd PythonFile 
touch hello.py
vim hello.py

mark

使用i进入insert模式进行插入代码。
插入完成后使用esc退出编辑模式，输入:wq进行保存。

mark mark

通过ls -l命令可以看到文件的一些基本属性：

• 第一个横杠代表是一个文件，还是一个目录。-代表是一个文件，d代表是一个目录
  如下图1为一个目录。
  mark

mark

• 第一组rw-代表当前用户对于当前文件有读有写没有执行权限。(-代表没有权限，x为可执行)

• 第二组r--：表示当前用户组对该文件有读r 没有写w的权限，没有执行权限x

• 第三组r--：表示其他用户对该文件有读r权限，但没有写w和执行x权限

• 第一个mtianyan代表文件的拥有者是mtianyan

• 第二个mtianyan 代表这个文件所属的用户组是mtianyan

• 21代表文件的大小是21字节 后面的时间是文件的创建时间。后面是文件名。

mark

可以看到我们最为当前用户现在没有该文件执行权限。

使用chmod为文件增加权限说明：

• 如果给所有人添加可执行权限：chmod a+x 文件名；
• 如果给文件所有者添加可执行权限：chmod u+x 文件名；
• 如果给所在组添加可执行权限：chmod g+x 文件名；
• 如果给所在组以外的人添加可执行权限：chmod o+x 文件名；

mark

可以看到我们通过chmod +x hello.py为当前用户，用户组，其他用户都添加了执行权限

Linux下首行一定要加这句话：!/usr/bin/Python，!/usr/bin/Python是告诉操作系统执行这个脚本的时候，调用/usr/bin下的python解释器。

mark

打印出了Helloworld好像有点问题。以后对Linux熟了再回来看。

mark

python命令是可以正常执行的。

文件基础操作

主要讲解文件打开及文件不同的打开方式、使用read,readlines及迭代器访问文件、文件写入方式及写缓存处理、文件关闭及由不关闭导致的问题、文件指针及文件指针操作

文件打开方式

open()

open(name [,mode[buf]])

• name : 文件路径
• mode : 打开方式
• buf : 缓冲buffering大小

mode方式有：只读，只写。读写。

read()

read([size]) 

读取文件(读取size个字节，默认读取全部)

• 如果文件长度大于size，我们就读size个长度。
• 如果文件长度小于size，我们就把文件读完。
• 如果没有设置size，默认全部读完。

readline()

readline([size])

读取一行

readlines()

readlines([size])

读取完文件(看到后面你就知道并不是)，返回每一行所组成的列表。我们就可以使用列表访问的方式，使用文件。

弊端：一次性读完，占用很大内存。

write()

write(str)

将字符串写入文件

writelines()

writelines(sequence_of_strings) : 写多行到文件

sequence_of_strings是一个由字符型组成的列表。一次性写入多行。

输入ipython进入ipython环境

mark

type(f)可以看到打开的文件类型就是一个文件对象。

mark

拥有的方法可以使用f. + Tab自动补齐

mark

Error：File not open for writing

这里因为我们使用的是默认无参数打开，此时我们并不拥有写权限。

Python文件打开方式

mode	说明	说明
'r'	只读方式打开	文件必须存在
'w'	只写方式打开	文件不存在创建文件;存在则清空内容
'a'	追加方式打开	文件不存在创建文件
'r+'/'W+'	读写方式打开
'a+'	追加和读写方式打开

'rb','wb','ab','rb+','wb+','ab+':都是采用二进制方式打开。

练习'r' 'w' 'a' 'r+'

mark

• 不带参数的open是用只读方式打开的，所以文件不存在会报错。

mark

• 请注意关闭文件f.close()否则cat时文件内容会为空。

mark

• 当我们再次打开文件使用w方式。已存在的文件会被清空才打开。

mark

• 我们以a方式打开此时我们可以对于文件进行追加操作，原有内容并没有被清空
  新增内容被添加到了最后。

mark

• 当我们以r+方式打开，我们新增的内容会从文件开始替换原有内容的一部分。

mark

• 当我们以w+方式打开，文件可以被读写。但是文件内容被清空。

mark

• 此时新文件可以被读写。

使用二进制方式打开的使用方法与上面介绍的基本一致。

意义在于： 比如读取一张图片的EXIF信息读取图片的长宽拍照日期

如果我们以普通方式打开是以文本方式打开，不能读取到正确的内容。
当我们以二进制打开我们就可以读取到正确的EXIF信息。

学习了打开文件，读取文件，写入文件。文件打开方式的不同。

文件读取方式

read()

read([size]) 

读取文件(读取size个字节，默认读取全部)

• 如果文件长度大于size，我们就读size个长度。
• 如果文件长度小于size，我们就把文件读完。
• 如果没有设置size，默认全部读完。

readline()

readline([size])

读取一行

示例操作

首先使用touch mtianyan.txt 和 vi mtianyan.txt
创建并写入内容：

blog.mtianyan.cn
blog.mtianyan.cn
blog.mtianyan.cn

mark

可以看出

readline(size):
    if len(line) > size:
        return size
    if len(line) < size:
        return len(line)

readlines()

readlines([size])

读取完文件(整数个buffer左右字节)，返回每一行所组成的列表。我们就可以使用列表访问的方式，使用文件。

弊端：一次性读完，占用很大内存。

示例操作：

mark

虽然设置了size为1,但是还是把所有都读出来了。

mark

输入help(f.readlines)查看定义：重复的调用readline()然后返回一个读到的行所组成的列表。

读取文件的大小：

• 如果size小于缓冲区的大小，则读取缓冲区大小的数据
• 如果size大于缓冲区的大小，读取size大小的数据，但不是完全的等于size的大小，一般读取比size大的整行的数据.

这个设置是python解释器内部的一个变量。

import io
io.DEFAULT_BUFFER_SIZE

mark

设置参数小于8192每次能读取8192个字节。

• 设置参数大于一个8192小于2*8192=16384。则读取两个buffer值.
• BUFFER都是一整个一整个读

Linux命令使用

使用vi打开文件。y是复制当前行，yy是复制光标所在的一整行.
如果复制了一行，则p是在光标所在行的下一行粘贴，10000p就是粘贴10000次

• 命令yy，10000p复制10000行 .然后:set nu 显示行数

• gg：

  • 跳转到文件头 :1 或 gg
  • 跳转到文件末尾行数+gg :$ Shift+g
  • 跳转到指定行,例跳转到123行：123gg或:123.

使用ctrl+z可将程序切换到后台。用fg可将后台程序切换到前台。

mark

可以看到此时的文件以及有十几万个字节了

mark

可以看出这时候不再是一次性把文件读取完了，而是读取了482行。

170051/100003行，每行17个字节。

mark

这时我们的size大于了缓冲区的大小8192。因此我们的size到了8192和16384
之间。

重点：系统数据是按着整个buffer，整个buffer来读的。此时系统会读取差不多两个buffer的数据。也就是963*17 =16371 。

待探究

iter: 使用迭代器读取文件

mark

迭代器并不是把我们的文件全部存入了内存中。而是我们每使用一次next方法就会自动读取下一行。所以能在不消耗大量内存的情况下进行读取整个文件。

文件写入与写缓存

write()

write(str)

将字符串写入文件

writelines()

writelines(sequence_of_strings) : 写多行到文件

sequence_of_strings参数是一个可迭代对象:

• 可以是字符串
• 可以是字符串所组成的元组。
• 可以是一个字符串所组成的迭代器。
• 也可是一个字符串组成的列表

实际操作

mark

In [37]: cat test.txt
test write
In [38]: f = open("mtianyan.txt",'w')
In [39]: f.writelines('123456')
In [40]: f.writelines((1,2,3))
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-40-0a3726375675> in <module>()
----> 1 f.writelines((1,2,3))

TypeError: writelines() argument must be a sequence of strings

写入一个元组会报错 ：提示必须是由字符串组成的序列。

In [41]: f.writelines(('1','2','3'))
In [42]: f.writelines(['1','2','3'])
In [43]: f.close()
In [44]: cat test.txt
test write
In [45]: cat mtianyan.txt
123456123123

可以看到我们都可以正常的写入由字符串组成的列表。

In [46]: f = open("mtianyan.txt",'w')
In [47]: f.write("11111")
In [48]: cat mtianyan.txt

In [49]: 

文件内容为空，因为我们没有使用f.close()将文件关闭。

Linux系统有一种写缓存机制。如果我们不主动调用f.close()或 flush
他是不会写到磁盘文件的。

mark

写文件的过程中Python解释器进行系统调用。Linux系统内核将文件写入系统文件缓冲区。
当我们调用f.close()时，系统会更新文件到硬盘。

Python写磁盘的缓存机制

1. 主动调用closed()或flush方法。写缓存同步到磁盘
2. 写入数据量大于或等于写缓存，写缓存同步到磁盘。（此时系统写缓存又清空，然后就又继续缓存直到close())

实际操作

In [62]: f = open("mtianyan.txt",'w')
In [63]: f.write('test write')
In [64]: cat mtianyan.txt
In [65]: f.flush()
In [66]: cat mtianyan.txt
test write

进行flush()操作时内容更新。

mark mark

说明我的Linux的缓冲区就是这么大147456
当我们执行close文件会变大。因为全部写进去了。

文件关闭

1. 将写缓存同步到磁盘；
2. linux系统中每个进程打开的文件个数是有限的；
3. 如果打开文件数到了系统限制，在打开文件就会失败；

mtianyan@mtianyan-deep:~/Desktop/PythonFile$ ps
   PID TTY          TIME CMD
  5587 pts/1    00:00:00 bash
  5918 pts/1    00:00:02 ipython

看到ipython进程：

mtianyan@mtianyan-deep:~/Desktop/PythonFile$ cat /proc/5918/limits 
Limit                     Soft Limit           Hard Limit           Units     
Max open files            1024                 1048576              files     

• file.fileno():文件描述符；每打开一个就会加1，直到1024失败

n [3]: for i in range(1027):
   ...:     f = open("mtianyan.txt",'r')
   ...:     print ("%d：%d" %(i,f.fileno()))

mark

并没有起到效果。fileno在10和12不断来回

实现代码:

In [11]: for i in range(1025):
    ...:     list_f.append(open("mtianyan.txt",'w'))
    ...:     print ("%d:%d" %(i,list_f[i].fileno()))
    ...:     

运行结果：

1010:1022
---------------------------------------------------------------------------
IOError                                   Traceback (most recent call last)
<ipython-input-10-dd5ee4024396> in <module>()
      1 for i in range(1025):
----> 2     list_f.append(open("mtianyan.txt",'w'))
      3     print ("%d:%d" %(i,list_f[i].fileno()))
      4 

IOError: [Errno 24] Too many open files: 'mtianyan.txt'

因此我们需要养成良好编码习惯记得关闭文件。

文件指针。

1. 写入文件后，必须打开才能读取写入的内容
2. 读取文件后，无法重新再次读取读取过的内容

比如：写完文件必须关闭才能读到我们写入的内容。

文件指针用于定位我们当前文件所执行到的位置：

• 使用open()打开时文件指针就在起始位置。
• read(3)文件指针就会往后挪3个位置。指向第四个位置。
• write('mtianyan')就会从当前文件指针4开始写。文件指针就会移动8个字节。

我们之前的问题都是因为我们无法使文件指针归于起始位置的，
下面我们学习自由操作文件指针：

seek(offset[,whence]):移动文件指针
    offset 偏移量，可以为负数
    whence：偏移相对位置：
os.SEEK_SET:相对文件的起始位置0
os,SEEK_CUR:相对文件的当前位置1
os.SEEK_END:相对文件的结尾位置2

In [1]: f = open('mtianyan.txt','r+')
In [2]: import os
In [3]: f.tell() 
Out[3]: 0

f.tell()（函数）返回当前文件的偏移返回的是一个整数，也许是一个长整数

In [4]: f.read(3)
Out[4]: 'tes'
In [5]: f.tell()
Out[5]: 3
In [6]: f.seek(0, os.SEEK_SET)
In [7]: f.tell()
Out[7]: 0

可以看出我们可以使用f.seek(0, os.SEEK_SET)来进行指针归零。

In [8]: f.seek(0,os.SEEK_END)
In [9]: f.tell()
Out[9]: 3139
In [10]: ls -l mtianyan.txt
-rw-r--r-- 1 mtianyan mtianyan 3139 1月   6 03:58 mtianyan.txt
In [11]: f.read(5)
Out[11]: ''

当然我们也可以把文件指针指到末尾去。文件指针已经在末尾了，向后继续读取会为空。

In [12]: f.seek(-5,os.SEEK_END)
In [13]: f.read(5)
Out[13]: '231\n\n'

使用f.seek(-5,os.SEEK_END)可以将文件指针倒着移回去。

In [14]: f.tell()
Out[14]: 3139
In [15]: f.seek(-5,os.SEEK_CUR)
In [16]: f.tell()
Out[16]: 3134

读取5个之后，指针又跑到了3139：使用f.seek(-5,os.SEEK_CUR)
又可以从当前位置往前移。

当文件偏移大于文件长度会出现的问题：

In [17]: f.seek(0,os.SEEK_END)
In [18]: f.tell()
Out[18]: 3139
In [19]: f.seek(-3140,os.SEEK_END)
---------------------------------------------------------------------------
IOError                                   Traceback (most recent call last)
<ipython-input-19-331d0bc629ca> in <module>()
----> 1 f.seek(-3140,os.SEEK_END)

IOError: [Errno 22] Invalid argument

会报错：告诉我们这是一个无效的参数。类似于索引越界等。

文件属性及OS模块使用

讲解文件属性、标准文件、文件命令行参数、文件编码格式、使用os模块中方法对文件进行操作、使用os模块中的方法对目录进行操作

文件属性编码格式

Python文件属性

• file.fileno():文件描述符；每打开一个就会加1，直到1024失败
• file.mode:文件打开权限
• file.encoding:文件编码格式
• file.closed:文件是否关闭

In [20]: f.fileno()
Out[20]: 12
In [21]: f.closed
Out[21]: False
In [22]: f.mode
Out[22]: 'r+'
In [23]: f.encoding

没有返回值：为ASCII码文件。应该与系统相关。

Python标准文件

• 文件标准输入：sys.stdin；
• 文件标准输出：sys.stdout；
• 文件标准错误：sys.stderr;

In [26]: import sys
In [27]: type(sys.stdin)
Out[27]: file
In [28]: sys.stdin.mode
Out[28]: 'r'
In [29]: sys.stdin.read()

系统的sys.stdin的read()是指从控制台读入数据。

In [32]: sys.stdin.fileno()
Out[32]: 0

系统的sys.stdin的fileno为0。也就是我们启动一个进程，他首先会打开标准输入：从控制台读数据。

a = raw_input() 其实内部是调用sys.stdin来读取数据的。

In [37]: sys.stdout.mode
Out[37]: 'w'
In [38]: sys.stdout.write("1000")
1000

sys.stdout只可以写，不可以读。写入相当于写入到控制台，会直接显示。

print实际内部调用的是stdout

In [39]: sys.stdout.fileno()
Out[39]: 1

sys.stdout是系统在启动程序时第二个打开的。

也就是系统会先为我们打开输入，再打开输出。

In [40]: sys.stderr.mode
Out[40]: 'w'
In [41]: sys.stderr.write("error")
error
In [42]: sys.stderr.fileno()
Out[42]: 2

sys.stderr是系统在启动程序时第二个打开的。
先开输入，再开输出。第三err输出。

Python文件命令行参数

sys模块提供了sys.argv，通过该属性可以得到命令行参数

很多程序都是这么做的：比如加上-v,根据不同的参数完成不同的功能。

sys.argv是一个字符串组成的列表

import sys

if __name__ == '__main__':
    print len(sys.argv)
    for arg in sys.argv:
        print arg

运行结果：

1
D:\mtianBlog\hexoBlog-Github\source\_posts\test.py

直接运行,我们没有提供参数，打印出了当前文件的绝对路径文件名。

Python文件编码方式。

使用普通方式打开文件：写入u天涯明月笙。

In [3]: f.write(u'天涯明月笙')
---------------------------------------------------------------------------
UnicodeEncodeError                        Traceback (most recent call last)
<ipython-input-3-3cd15b559bd9> in <module>()
----> 1 f.write(u'天涯明月笙')

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-4: ordinal not in range(128)

会报错：UnicodeEncodeError因为我们的文件是ascii格式的。不能将Unicode字符串写入。

实现代码:

In [1]: a = unicode.encode(u'天涯','utf-8')
In [2]: a
Out[2]: '\xe5\xa4\xa9\xe6\xb6\xaf'
In [3]: f.write(a)

运行结果：

In [7]: cat mtianyan.txt
天涯

我们可以用codecs模块提供方法创建制定编码格式文件.

import codecs
f = codecs.open('test.txt','w','utf-8')
f.encoding

open(fname,mode,encoding,errors,buffering):使用指定编码格式打开文件

linux文件系统

所有设备都可以看为文件:

• 包括磁盘(ext2,ext4)文件,NFS文件系统，各种外设

mark

虚拟文件系统为文件提供文件节点

每一个外设在内核中都有一个对应的驱动程序。通过系统调用对文件节点进行访问。把所有外设作为文件处理。

mark

在操作系统之上的Python解释器,Python程序跑在解释器中。

mark

使用open()会访问文件节点。设备节点对应虚拟文件系统的方法，这个文件系统与驱动绑定。
驱动会操作硬件设备。

os模块对文件和目录进行操作

使用os模块来打开文件：

os.open(filename, flag [,mode])打开文件

- os.O_CREAT:创建文件
- os.O_RDONLY:只读方式打开
- os.O_WRONLY:只写方式打开
- os.O_RDWR:读写方式打开

os.read(fd, buffersize):读取文件，返回值为读取的内容
os.write(fd, string):写入文件 ,返回值是写入数据的大小
os.lseek(fd, pos, how): 文件指针操作
os.close(fd):关闭文件

umask获取系统的默认权限。我的是0022

In [14]:fd = os.open('mtianyan.txt',os.O_CREAT | os.O_RDWR)
In [15]: n = os.write(fd,"mtianyan")
In [16]: n
Out[16]: 8
In [17]: os.lseek(fd,0,os.SEEK_SET)
Out[17]: 0
In [18]: os.read(fd,5)
Out[18]: 'mtian'
Out[19]: os.close()

使用os是为了跨平台。

os方法

os方法	说明
os.access(path, mode)	判断该文件权限：F_OK存在,权限:R_OK ,W_OK, X_OK
os.listdir(path)	返回当path路径下所有文件名组成的列表
os.remove(path)	删除文件
os.rename(old, new)	修改文件或者目录名
os.mkdir(path[, mode])	创建目录
os.makedirs(path[, mode])	创建多级目录
os.removedirs(path)	删除多级目录
os.rmdir(path)	删除目录(目录必须空目录)

os.access('mtianyan,txt',os.R_OK)
os.listdir('./')
os.rename('test/','test1')

os.path方法

os.path方法	说明
os.path.exists(path)	当前路径是否存在,也可以判断是否有该文件
os.path.isdir(s)	是否是一个目录
os.path.isfile(path)	是否是一个文件
os.path.getsize(filename)	返回文件大小，返回目录文件大小
os.path.dirname(p)	返回路径的目录
os.path.basename(p)	返回路径的文件名

os.path.exists('./mtianyan.txt')
# True
os.path.isdir('./'')
# True
os.path.isdir('mtianyan.txt')
# False
os.path.isfile('mtianyan.txt')
# True

文件练习

使用Python来管理ini文件：实现查询，添加，删除，保存。

• 掌握文件的基本操作
• 认识ini文件
• 了解ConfigPaser

ini配置文件格式：

节： [session]
参数(键=值)  name=value

[port]
    port1 = 800
    port2 = 900

定位带port这个节，然后找到。

ConfigParser

mtianyan.txt内容:

[userinfo]
name = mtianyan
pwd = abc

[study]
python = 15
java_base = 20

两个概念：sections(大的分类)和option小的选项

import ConfigParser
cfg = ConfigParser.ConfigParser()

help(cfg.read)

cfg.read('mtianyan.txt')
# ['mtianyan.txt']
cfg.sections() #返回节点值：userinfo，study
# ['userinfo', 'study']
for se in cfg.sections():
    print se
    print cfg.items(se)
#遍历出整个文件

遍历结果如下

userinfo
[('name', 'johntian'), ('pwd', 'abc')]
study
[('python_base', '15'), ('python_junior', '20'), ('linux_base_', '15')]

cfg.set('userinfo', 'pwd', '1234567')     #修改键值
cg.set('userinfo','email','1147727180.com')//增加键值

cfg.remove_option('user info','email')  //删除键值

文件操作练习

import os
import ConfigParser

'''
1: dump ini
2: del section
3: del item
4: modify item
5: add section
6: save modify

'''


class student_info(object):

    def __init__(self, recordfile):
        self.logfile = recordfile
        self.cfg = ConfigParser.ConfigParser()

    def cfg_load(self):
        self.cfg.read(self.logfile)

    def cfg_dump(self):
        se_list = self.cfg.sections()
        print "**********************>"
        for se in se_list:
            print se
            print self.cfg.items(se)
            print "<*********************"

    def delete_item(self, section, key):
        self.cfg.remove_option(section, key)

    def delete_section(self, sescion):
        self.cfg.remove_option(section)

    def add_section(self, section):
        self.cfg.add_section(section)

    def set_item(self, section, key, value):
        self.cfg.set(section, key, value)

    def save(self):
        fp = open(self.logfile, 'w')
        self.cfg.write(fp)
        fp.close()

if __name__ == '__main__':
    info = student_info('mtianyan.txt')
    info.cfg_load()
    info.cfg_dump()
    info.add_section('userinfo')
    info.set_item('userinfo', 'pwd', 'abc')
    info.cfg_dump()
    info.add_section('login')
    info.set_item('login', '2018-0106', '20')
    info.cfg_dump()
    info.save()

运行结果：

**********************>
**********************>
userinfo
[('pwd', 'abc')]
<*********************
**********************>
userinfo
[('pwd', 'abc')]
<*********************
login
[('2018-0106', '20')]
<*********************
[Finished in 0.3s]