在讲述fileinput模块之前,首先说一下python内置的文件API—open()函数以及与其相关的函数。
我这里主要讲讲其中四个比较重要和常用的方法,更多的方法,可以参考:菜鸟教程http://www.runoob.com/python/file-methods.html
(1)file = open(file_name [, access_mode][, buffering])
参数解析:
1. file_name:
file_name变量是一个需要访问的文件名称的字符串值,在应用中需要用单引号或者双引号将文件名包裹起来。
2. access_mode:
access_mode决定了打开文件的模式:只读,写入,追加等。这个参数是非强制的,默认文件访问模式为只读(r)
详细模式可以参考:菜鸟教程http://www.runoob.com/python/python-files-io.html
3. buffering:
这个参数用于设置缓存区的大小。如果buffering的值被设为0,就不会有缓存。如果buffering的值取1,访问文件时会寄存行。如果将buffering的值设为大于1的整数,这个整数就为缓存区的缓存大小。如果取负值,寄存区的缓冲大小则为系统默认。
(2)file.flush()方法
用于刷新缓冲区,,即将缓冲区中的数据立刻写入文件,同时清空缓冲区
flush()方法在爬虫中也用得挺多,在爬虫过程由于种种原因,程序中断,写入缓存的数据没有写入磁盘很可惜,所以可以手动添加flush()方法
(3)file.close()方法
关闭文件,并将缓冲区的数据写入文件中。
文件的缓存机制
在写入文件内容的时候,在我们调用python的write()函数对文件进行写入的时候,python解析器会调用操作系统的write方法,但值得注意的是,不是马上保存到磁盘中的,是先写到内核的缓冲区里面,只有当我们主动调用flush()函数或者close()函数的时候,才会将缓冲区的内容写入磁盘中。另外当写入的数据量大于或者等于缓冲区的大小的时候,写缓冲会自动同步到磁盘。
例如:
写20万行数据结果
file = open('file1.txt','a+') for i in range(200000): file.write('this line is line%s'%i) file.write('\r\n')
pycharm报出如下的提示
因为我设置的buffering是默认的系统的缓存大小,所以当写到1999856行时,就刚好到系统的缓存区大小,因为所需要写的数据大于缓存区的大小,所以这些内容直接就写入了磁盘,而1998856后面的数据在写入的时候还是先写到了缓存区中,而这些数据的大小显然是小于缓存区大小的,所以被保存在缓存区中,并没有写到磁盘。
使用flush()方法后,所有在缓存区的数据都会写入到磁盘中
如果我直接在调用open()方法的时候像下面这样设置buffering为1,就无需担心缓存的问题了
(4)file.seek(offset [,whence]) 文件指针
当文件进行写入或者读取的时候,文件指针会根据具体的内容进行移动。
参数解析:
offset:偏移量,代表需要移动偏移的字节数
whence:可选参数,默认值为 0。作用是给offset参数设定起始值,表示要从哪个位置开始偏移。0代表从文件开头开始算起,1代表从当前位置开始算起,2代表从文件末尾算起。
例如以下案例:
file = open('file.txt','a+',1) for i in range(200): file.write('this line is line%s'%i) file.write('\r\n') for line in file: print(line) file.close()
终端没有打印任何数据
如果将代码顺序修改一下
file = open('file.txt','a+',1) for i in range(200): file.write('this line is line%s'%i) file.write('\r\n') file.close() f = open('file.txt','r+') for line in f: print(line) f.close()
终端打印出数据
那么怎么用seek()方法呢?
import os file = open('file.txt','a+',1) for i in range(200): file.write('this line is line%s'%i) file.write('\r\n') file.seek(0,os.SEEK_SET) for line in file: print(line) file.close()
同样也能打印出数据
上面,我用了os模块的SEEK_SET
os模块有这些内容:
os.SEEK_SET:表示文件的相对起始位置
os.SEEK_CUR:表示文件的相对当前位置
os.SEEK_END:表示文件的相对结束位置
关于fileinput模块
fileinput可以对文件进行细致化的处理,比直接的open方法有更多文件操扩展。可以一次性迭代一个或者多个文件,并对文件进行修改。
主要的函数有:
1. input([files[,inplace[,backup]]]) 帮助迭代多个输入流中的行
2. filename() 返回当前文件的名称
3.nestfile() 关闭当前文件并移动到下一个文件
4. close() 关闭序列(多个文件
5. lineno() 返回(多个文件累计的)当前行号
6. filelineno() 返回在当前文件的行好
7. isfirstline() 检查当前是否是当前文件中的第一行
8. isstdin() 检查最后一行是否来自sys.stdin
可以理解,fileinput模块重点是对多文件的读取和适当时候的修改。而没有直接的写操作
1. input()方法
这个函数是fileinput模块中最重要的一个函数,参数相对复杂一点。
官方的定义:
fileinput.input([files[, inplace[, backup[, bufsize[, mode[, openhook]]]]]])
input(files=None, inplace=False, backup='', bufsize=0, mode='r', openhook=None)
1)files列表,可以是一个文件,也可以是多个文件的列表形式
2)inplace 是否对文件进行就地