【Python进阶】掌握这些骚技巧,99%的文件操作都游刃有余!

diyanpython 2020-09-18

处理文件是我们几乎每天都躲不开的任务之一。Python中含有几个用于执行文件操作的内置模块,例如读取文件,移动文件,获取文件属性等。本文总结了许多值得了解的函数,这些函数可用于进行一些Python中最常见的文件操作,可以极大地提高我们处理文件的效率。

打开&关闭文件

读取或写入文件前,首先要做的就是打开文件,Python的内置函数open可以打开文件并返回文件对象。文件对象的类型取决于打开文件的模式,可以是文本文件对象,也可以是原始二进制文件,或是缓冲二进制文件对象。每个文件对象都有诸如 read()和write()之类的方法。

你能看出以下代码块中存在的问题吗?我们稍后来揭晓答案。

file = open("test_file.txt","w+")  


file.read()  

file.write("a new line") 

Python文档列出了所有可能的文件模式,其中最常见的模式可见下表。但要注意一个重要规则,即:如果某一文件存在,那么任何与w相关的模式都会截断该文件,并再创建一个新文件。如果你不想覆盖原文件,请谨慎使用此模式,或尽量使用追加模式 a。

【Python进阶】掌握这些骚技巧,99%的文件操作都游刃有余!

上一个代码块中的问题是打开文件后未关闭。在处理文件后关闭文件很重要,因为打开的文件对象可能会出现诸如资源泄漏等不可预测的风险,以下两种方式可以确保正确关闭文件。

1.使用 close()

第一种方法是显式使用close()。但较好的做法是将该代码放在最后,因为这样的话就可以确保在任何情况下都能关闭该文件,而且会使代码更加清晰。但开发人员也应负起责任,记得关闭文件。

try:  


    file =open("test_file.txt","w+")  


    file.write("a new line")  


exception Exception as e:  


    logging.exception(e)  


finally:  

    file.close() 

2.使用上下文管理器,with open(...) as f

第二种方法是使用上下文管理器。若你对此不太熟悉,还请查阅Dan Bader用Python编写的上下文管理器和“ with”语句。用withopen() as f实现了使用__enter__ 和 __exit__ 方法来打开和关闭文件。此外,它将try / finally语句封装在上下文管理器中,这样我们就不会忘记关闭文件啦。

with open("test_file","w+") as file:  

    file.write("a new line") 

两种方法哪个更优?这要看你使用的场景。以下示例实现了将50000条记录写入文件的3种不同方式。从输出中可见,use_context_manager_2()函数与其他函数相比性能极低。这是因为with语句在一个单独函数中,基本上会为每条记录打开和关闭文件,这种繁琐的I / O操作会极大地影响性能。

def _write_to_file(file, line):  


    with open(file, "a") as f:  

        f.write(line)  


def _valid_records():  


    for i inrange(100000):  


        if i %2==0:  


            yield i  


def use_context_manager_2(file):  


    for line in_valid_records():  


        _write_to_file(file, str(line))  


def use_context_manager_1(file):  


    with open(file, "a") as f:  


        for line in_valid_records():  


            f.write(str(line))  


def use_close_method(file):  


    f =open(file, "a")  


    for line in_valid_records():  


        f.write(str(line))  


    f.close()  


use_close_method("test.txt")  


use_context_manager_1("test.txt")  


use_context_manager_2("test.txt")  


# Finished use_close_method  in 0.0253 secs  


# Finished  use_context_manager_1 in 0.0231 secs  

# Finished use_context_manager_2  in 4.6302 secs 

对比close()和with语句两种方法

读写文件

文件打开后,开始读取或写入文件。文件对象提供了三种读取文件的方法,分别是 read()、readline() 和readlines()。

  •  默认情况下,read(size=-1)返回文件的全部内容。但若文件大于内存,则可选参数 size 能帮助限制返回的字符(文本模式)或字节(二进制模式)的大小。 
  •  readline(size=-1) 返回整行,最后包括字符 n。如果 size 大于0,它将从该行返回最大字符数。 
  •  readlines(hint=-1) 返回列表中文件的所有行。若返回的字符数超过了可选参数hint,则将不返回任何行。 

在以上三种方法中,由于read() 和readlines()在默认情况下以字符串或列表形式返回完整的文件,所以这两种方法的内存效率较低。一种更有效的内存迭代方式是使用readline()并使其停止读取,直到返回空字符串。空字符串“”表示指针到达文件末尾。

with open( test.txt ,  r ) as reader:  


    line = reader.readline()  


    while line !="":  


        line = reader.readline()  

        print(line) 

以节省内存的方式读取文件

编写方式有两种:write()和writelines()。顾名思义,write()能编写一个字符串,而writelines()可编写一个字符串列表。开发人员须在末尾添加 n。

with open("test.txt", "w+") as f:  

    f.write("hi")  


    f.writelines(["this is aline", "this is another line"])  


# >>>cat test.txt  


# hi  


# this is a line  

# this is anotherline 

在文件中写入行

若要将文本写入特殊的文件类型(例如JSON或csv),则应在文件对象顶部使用Python内置模块json或csv。

import csv  


import json  


with open("cities.csv", "w+") as file:  


    writer = csv.DictWriter(file, fieldnames=["city", "country"])  

    writer.writeheader() 

    writer.writerow({"city": "Amsterdam", "country": "Netherlands"})  

    writer.writerows([  

                 {"city": "Berlin", "country": "Germany"},  


                 {"city": "Shanghai", "country": "China"},  


    ])  


# >>> cat cities.csv  

# city,country  


# Amsterdam,Netherlands  


# Berlin,Germany  


# Shanghai,China  


with open("cities.json", "w+") as file:  


    json.dump({"city": "Amsterdam", "country": "Netherlands"}, file)  


# >>>cat cities.json  
# { "city":"Amsterdam", "country": "Netherlands" } 

在文件内移动指针

当打开文件时,会得到一个指向特定位置的文件处理程序。在r和w模式下,处理程序指向文件的开头。在a模式下,处理程序指向文件的末尾。

tell() 和 seek()

当读取文件时,若没有移动指针,那么指针将自己移动到下一个开始读取的位置。以下2种方法可以做到这一点:tell()和seek()。

tell()以文件开头的字节数/字符数的形式返回指针的当前位置。seek(offset,whence = 0)将处理程序移至远离wherece的offset字符处。wherece可以是:

  •  0: 从文件开头开始
  •  1:从当前位置开始
  •  2:从文件末尾开始 

在文本模式下,wherece仅应为0,offset应≥0。

with open("text.txt", "w+") as f:  


    f.write("0123456789abcdef")  


    f.seek(9)  


    print(f.tell()) # 9 (pointermoves to 9, next read starts from 9)  
    print(f.read()) # 9abcdef 

tell()和seek()

了解文件状态

操作系统中的文件系统具有许多有关文件的实用信息,例如:文件的大小,创建和修改的时间。要在Python中获取此信息,可以使用os或pathlib模块。实际上,os和pathlib之间有很多共同之处。但后者更面向对象。

os 

使用os.stat(“ test.txt”)可以获取文件完整状态。它能返回具有许多统计信息的结果对象,例如st_size(文件大小,以字节为单位),st_atime(最新访问的时戳),st_mtime(最新修改的时戳)等。

print(os.stat("text.txt"))  

>>> os.stat_result(st_mode=33188, st_ino=8618932538,st_dev=16777220, st_nlink=1, st_uid=501, st_gid=20, st_size=16,st_atime=1597527409, st_mtime=1597527409, st_ctime=1597527409) 

单独使用os.path可获取统计信息。

os.path.getatime()  

os.path.getctime()  


os.path.getmtime()  

os.path.getsize() 

Pathlib

使用pathlib.Path("text.txt").stat()也可获取文件完整状态。它能返回与os.stat()相同的对象。

print(pathlib.Path("text.txt").stat())  
>>>os.stat_result(st_mode=33188, st_ino=8618932538, st_dev=16777220, st_nlink=1,st_uid=501, st_gid=20, st_size=16, st_atime=1597528703, st_mtime=1597528703,st_ctime=1597528703) 

下文将在诸多方面比较os和pathlib的异同。

复制,移动和删除文件 

Python有许多处理文件移动的内置模块。你在信任Google返回的第一个答案之前,应该明白:模块选择不同,性能也会不同。有些模块会阻塞线程,直到文件移动完成;而其他模块则可能异步执行。

shutil

shutil是用于移动、复制和删除文件(夹)的最著名的模块。它有3种仅供复制文件的方法:copy(),copy2()和copyfile()。

copy() v.s. copy2():copy2()与copy()非常相似。但不同之处在于前者还能复制文件的元数据,例如最近的访问时间和修改时间等。不过由于Python文档操作系统的限制,即使copy2()也无法复制所有元数据。

shutil.copy("1.csv", "copy.csv")  


shutil.copy2("1.csv", "copy2.csv")  


print(pathlib.Path("1.csv").stat())  


print(pathlib.Path("copy.csv").stat())  

print(pathlib.Path("copy2.csv").stat())  


# 1.csv  

# os.stat_result(st_mode=33152, st_ino=8618884732,st_dev=16777220, st_nlink=1, st_uid=501, st_gid=20, st_size=11,st_atime=1597570395, st_mtime=1597259421, st_ctime=1597570360) 

# copy.csv  

# os.stat_result(st_mode=33152, st_ino=8618983930,st_dev=16777220, st_nlink=1, st_uid=501, st_gid=20, st_size=11,st_atime=1597570387, st_mtime=1597570395, st_ctime=1597570395) 

#copy2.csv  

# os.stat_result(st_mode=33152, st_ino=8618983989, st_dev=16777220,st_nlink=1, st_uid=501, st_gid=20, st_size=11, st_atime=1597570395,st_mtime=1597259421, st_ctime=1597570395) 

 copy() v.s. copy2()

copy() v.s. copyfile():copy()能将新文件的权限设置为与原文件相同,但是copyfile()不会复制其权限模式。其次,copy()的目标可以是目录。如果存在同名文件,则将覆盖原文件或创建新文件。但是,copyfile()的目标必须是目标文件名。

shutil.copy("1.csv", "copy.csv")  


shutil.copyfile("1.csv", "copyfile.csv")  


print(pathlib.Path("1.csv").stat())  


print(pathlib.Path("copy.csv").stat())  

print(pathlib.Path("copyfile.csv").stat())  


# 1.csv  

#os.stat_result(st_mode=33152, st_ino=8618884732, st_dev=16777220, st_nlink=1,st_uid=501, st_gid=20, st_size=11, st_atime=1597570395, st_mtime=1597259421,st_ctime=1597570360) 

# copy.csv  

#os.stat_result(st_mode=33152, st_ino=8618983930, st_dev=16777220, st_nlink=1,st_uid=501, st_gid=20, st_size=11, st_atime=1597570387, st_mtime=1597570395,st_ctime=1597570395) 

# copyfile.csv  


# permission(st_mode) is changed  

#os.stat_result(st_mode=33188, st_ino=8618984694, st_dev=16777220, st_nlink=1,st_uid=501, st_gid=20, st_size=11, st_atime=1597570387, st_mtime=1597570395,st_ctime=1597570395) 
shutil.copyfile("1.csv", "./source") 
#IsADirectoryError: [Errno 21] Is a directory:  ./source 

 copy() v.s. copyfile()

os

os 模块内含system()函数,可在subshell中执行命令。你需要将该命令作为参数传递给system(),这与在操作系统上执行命令效果相同。为了移动和删除文件,还可以在os模块中使用专用功能。

# copy  


os.system("cp 1.csvcopy.csv")   


# rename/move  

os.system("mv 1.csvmove.csv")  


os.rename("1.csv", "move.csv")  


# delete  


os.system("rmmove.csv")  

异步复制/移动文件

到目前为止,解决方案始终是同步执行的,这意味着如果文件过大,需要更多时间移动,那么程序可能会终止运行。如果要异步执行程序,则可以使用threading,multiprocessing或subprocess模块,这三个模块能使文件操作在单独的线程或进程中运行。

import threading  


import subprocess  


import multiprocessing  


src ="1.csv"  

dst ="dst_thread.csv" 

thread = threading.Thread(target=shutil.copy,args=[src, dst])  


thread.start()  

thread.join() 
dst ="dst_multiprocessing.csv" 

process = multiprocessing.Process(target=shutil.copy,args=[src, dst])  


process.start()  


process.join()  


cmd ="cp 1.csv dst_subprocess.csv"  

status = subprocess.call(cmd, shell=True) 

异步执行文件操作

搜索文件

复制和移动文件后,你可能需要搜索与特定模式匹配的文件名,Python提供了许多内置函数可以选择。

Glob

glob模块根据Unix shell使用的规则查找与指定模式匹配的所有路径名,它支持使用通配符。

glob.glob(“ *。csv”)搜索当前目录中所有具有csv扩展名的文件。使用glob模块,还可以在子目录中搜索文件。

>>>import glob  


>>> glob.glob("*.csv")  


[ 1.csv ,  2.csv ]  


>>> glob.glob("**/*.csv",recursive=True)  


[ 1.csv ,  2.csv ,  source/3.csv ]  

os

os模块功能十分强大,它基本上可以执行所有文件操作。我们可以简单地使用os.listdir()列出目录中的所有文件,并使用file.endswith()和file.startswith()来检测模式,还可使用os.walk()来遍历目录。

import os  


for file in os.listdir("."):  


    if file.endswith(".csv"):  


        print(file)  


for root, dirs, files in os.walk("."):  


   for file in files:  


      if file.endswith(".csv"):  

         print(file) 

搜索文件名——os

pathlib

pathlib 的功能与glob模块类似。它也可以递归搜索文件名。与上文基于os的解决方案相比,pathlib代码更少,并且提供了更多面向对象的解决方案。

from pathlib importPath  

p =Path(".")  


for name in p.glob("**/*.csv"): # recursive  

    print(name) 

搜索文件名——pathlib

管理文件路径

管理文件路径是另一项常见的执行任务。它可以获取文件的相对路径和绝对路径,也可以连接多个路径并找到父目录等。

相对路径和绝对路径

os和pathlib都能获取文件或目录的相对路径和绝对路径。

import os  


import pathlib  


print(os.path.abspath("1.txt"))  # absolute  


print(os.path.relpath("1.txt"))  # relative  


print(pathlib.Path("1.txt").absolute())  # absolute  

print(pathlib.Path("1.txt"))  # relative 

文件的相对和绝对路径

联接路径

这是我们可以独立于环境连接os和pathlib中的路径的方式。pathlib使用斜杠创建子路径。

import os  


import pathlib  


print(os.path.join("/home", "file.txt"))  

print(pathlib.Path("/home") /"file.txt") 

链接文件路径

获取父目录

dirname()是在os中获取父目录的函数,而在pathlib中,只需使用Path().parent函数,就能获取父文件夹。

import os  


import pathlib  


# relative path  


print(os.path.dirname("source/2.csv"))  
# source 

print(pathlib.Path("source/2.csv").parent)  


# source  


# absolute path  


print(pathlib.Path("source/2.csv").resolve().parent)  


# /Users/<...>/project/source  


print(os.path.dirname(os.path.abspath("source/2.csv")))  

# /Users/<...>/project/source 

获取父文件夹

相关推荐