Python中文件I/O高效操作处理的技巧分享
如何读写文本文件？
实际案例
某文本文件编码格式已直(如UTF-8,GBK,BIG5)，在python2.x和python3.x中分别如何读取这些文件？
解决方案
字符串的语义发生了变化：
python2
python3
str
bytes
unicode
str
python2.x 写入文件前对 unicode 编码，读入文件后对二进制字符串解码
> f = open('py2.txt', 'w')
> s = u'你好'
> f.write(s.encode('gbk'))
> f.close()
> f = open('py2.txt', 'r')
> t = f.read()
> print t.decode('gbk')
你好
python3.x 中 open 函数指定 t 的文本模式， encoding 指定编码格式
> f = open('py3.txt', 'wt', encoding='utf-8')
> f.write('你好')
2
> f.close()
> f = open('py3.txt', 'rt', encoding='utf-8')
> s = f.read()
> s
'你好'
如何设置文件的缓冲
实际案例
将文件内容写入到硬盘设备时，使用系统调用，这类I/O操作的时间很长，为了减少I/O操作的次数，文件通常使用缓冲区（有足够多的数据才进行系统调用），文件的缓存行为，分为全缓冲、行缓存、无缓冲。
如何设置Python中文件对象的缓冲行文？
解决方案
全缓冲： open 函数的 buffering 设置为大于1的整数n，n为缓冲区大小
> f = open('demo2.txt', 'w', buffering=2048)
> f.write('+' * 1024)
> f.write('+' * 1023)
# 大于2048的时候就写入文件
> f.write('-' * 2)
> f.close()
行缓冲： open 函数的 buffering 设置为1
> f = open('demo3.txt', 'w', buffering=1)
> f.write('abcd')
> f.write('1234')
# 只要加上\n就写入文件中
> f.write('\n')
> f.close()
无缓冲： open 函数的 buffering 设置为0
> f = open('demo4.txt', 'w', buffering=0)
> f.write('a')
> f.write('b')
> f.close()
如何将文件映射到内存？
实际案例
- 在访问某些二进制文件时，希望能把文件映射到内存中，可以实现随机访问.(framebuffer设备文件)
- 某些嵌入式设备，寄存器呗编址到内存地址空间，我们可以映射 /dev/mem 某范围，去访问这些寄存器
- 如果多个进程映射到同一个文件，还能实现进程通信的目的
解决方案
使用标准库中的 mmap 模块的 mmap() 函数，它需要一个打开的文件描述符作为参数
创建如下文件
[root@iZ28i253je0Z ~]# dd if=/dev/zero of=demo.bin bs=1024 count=1024 1024+0 records in 1024+0 records out 1048576 bytes (1.0 MB) copied, 0.00380084 s, 276 MB/s # 以十六进制格式查看文件内容 [root@iZ28i253je0Z ~]# od -x demo.bin 0000000 0000 0000 0000 0000 0000 0000 0000 0000 * 4000000
> import mmap
> import os
> f = open('demo.bin','r+b')
# 获取文件描述符
> f.fileno()
3
> m = mmap.mmap(f.fileno(),0,access=mmap.ACCESS_WRITE)
> type(m)
<type 'mmap.mmap'>
# 可以通过索引获取内容
> m[0]
'\x00'
> m[10:20]
'\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00'
# 修改内容
> m[0] = '\x88'
查看
[root@iZ28i253je0Z ~]# od -x demo.bin 0000000 0088 0000 0000 0000 0000 0000 0000 0000 0000020 0000 0000 0000 0000 0000 0000 0000 0000 * 4000000
修改切片
> m[4:8] = '\xff' * 4
查看
[root@iZ28i253je0Z ~]# od -x demo.bin 0000000 0088 0000 ffff ffff 0000 0000 0000 0000 0000020 0000 0000 0000 0000 0000 0000 0000 0000 * 4000000 > m = mmap.mmap(f.fileno(),mmap.PAGESIZE * 8,access=mmap.ACCESS_WRITE,offset=mmap.PAGESIZE * 4) > m[:0x1000] = '\xaa' * 0x1000
查看
[root@iZ28i253je0Z ~]# od -x demo.bin 0000000 0088 0000 ffff ffff 0000 0000 0000 0000 0000020 0000 0000 0000 0000 0000 0000 0000 0000 * 0040000 aaaa aaaa aaaa aaaa aaaa aaaa aaaa aaaa * 0050000 0000 0000 0000 0000 0000 0000 0000 0000 * 4000000
如何访问文件的状态？
实际案例
在某些项目中，我们需要获得文件状态，例如：
- 文件的类型(普通文件、目录、符号链接、设备文件…)
- 文件的访问权限
- 文件的最后的访问/修改/节点状态更改时间
- 普通文件的大小
- …..
解决方案
当前目录有如下文件
[root@iZ28i253je0Z 2016-09-16]# ll total 4 drwxr-xr-x 2 root root 4096 Sep 16 11:35 dirs -rw-r--r-- 1 root root 0 Sep 16 11:35 files lrwxrwxrwx 1 root root 37 Sep 16 11:36 lockfile -> /tmp/qtsingleapp-aegisG-46d2-lockfile
系统调用
标准库中的os模块下的三个系统调用 stat 、 fstat 、 lstat 获取文件状态
> import os
> s = os.stat('files')
> s
posix.stat_result(st_mode=33188, st_ino=267646, st_dev=51713L, st_nlink=1, st_uid=0, st_gid=0, st_size=0, st_atime=1473996947, st_mtime=1473996947, st_ctime=1473996947)
> s.st_mode
33188
> import stat
# stat有很多S_IS..方法来判断文件的类型
> stat.S_ISDIR(s.st_mode)
False
# 普通文件
> stat.S_ISREG(s.st_mode)
True
获取文件的访问权限，只要大于0就为真
> s.st_mode & stat.S_IRUSR 256 > s.st_mode & stat.S_IXGRP 0 > s.st_mode & stat.S_IXOTH 0
获取文件的修改时间
# 访问时间 > s.st_atime 1473996947.3384445 # 修改时间 > s.st_mtime 1473996947.3384445 # 状态更新时间 > s.st_ctime 1473996947.3384445
将获取到的时间戳进行转换
> import time > time.localtime(s.st_atime) time.struct_time(tm_year=2016, tm_mon=9, tm_mday=16, tm_hour=11, tm_min=35, tm_sec=47, tm_wday=4, tm_yday=260, tm_isdst=0)
获取普通文件的大小
> s.st_size 0
快捷函数
标准库中 os.path 下的一些函数，使用起来更加简洁
文件类型判断
> os.path.isdir('dirs')
True
> os.path.islink('lockfile')
True
> os.path.isfile('files')
True
文件三个时间
> os.path.getatime('files')
1473996947.3384445
> os.path.getmtime('files')
1473996947.3384445
> os.path.getctime('files')
1473996947.3384445
获取文件大小
> os.path.getsize('files')
0
如何使用临时文件？
实际案例
某项目中，我们从传感器采集数据，每收集到1G数据后，做数据分析，最终只保存分析结果，这样很大的临时数据如果常驻内存，将消耗大量内存资源，我们可以使用临时文件存储这些临时数据(外部存储)
临时文件不用命名，且关闭后会自动被删除
解决方案
使用标准库中的 tempfile 下的 TemporaryFile, NamedTemporaryFile
> from tempfile import TemporaryFile, NamedTemporaryFile
# 访问的时候只能通过对象f来进行访问
> f = TemporaryFile()
> f.write('abcdef' * 100000)
# 访问临时数据
> f.seek(0)
> f.read(100)
'abcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcdefabcd'
> ntf = NamedTemporaryFile() # 如果要让每次创建NamedTemporaryFile()对象时不删除文件，可以设置NamedTemporaryFile(delete=False) > ntf.name # 返回当前临时文件在文件系统中的路径 '/tmp/tmppNvBu2'
总结
以上就是关于Python中文件I/O高效处理技巧的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。
下一篇：Scrapy-redis爬虫分布式爬取的分析和实现