python的I/O编程：文件打开、操作文件和目录、序列化操作

1 文件读写

1.1 打开文件：

open(r'D:\text.txt')

1.2 文件模式

值	功能描述
‘r’	读模式
‘w’	写模式
‘a’	追加模式
‘b’	二进制模式
‘+’	读写模式

1.3 文件缓冲区

1.4 文件读取

• 使用try ...finally来保证程序的健壮性

• 使用with语句代替try finally和close方法

  with open(r'd:\text.txt','r') as fileReader:
  
  print fileReader.read()

• 调用readline()可以每次读取一行内容

  with open(r'd:\text.txt','r') as fileReader:
  
  for line in fileReader.readline():
  
  print fileReader.read()

1.5 文件写入

2 操作文件和目录

• 更多点击 : https://www.ctolib.com/topics-87022.html

3 序列化操作

* 将内存中的变量序列化之后，可以把序列化的内容 写入磁盘，或者通过网络传输到别的机器上，实现程序状态的保存和共享，反之为反序列化

* python 提供两个模块：cPickle和pickle来实现序列化，两个模块功能和函数一样，前者运行效率高，使用c语言，不用pip安装，本身自带

* pickle实现序列化主要使用的是dumps方法或dump方法，dumps方法可以将任意对象序列化成一个str，然后将str写入文件进行保存

>>> import cPickle as pickle
>>> d = dict(url='index.html',title='home',content='home')
>>> pickle.dumps(d)
"(dp1\nS'content'\np2\nS'home'\np3\nsS'url'\np4\nS'index.html'\np5\nsS'title'\np
6\ng3\ns."
>>>

* 如果使用dump方法，可以把序列化对象存在文件中

>>> f =open(r'D:\text.txt','wb')
>>> pickle.dump(d,f)
>>> f.close()
>>>

* pickle反序列使用loads或load方法，可先从文件取出放在str，在调用load，或者直接从文件load

>>> f =open(r'D:\text.txt','rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'content': 'home', 'url': 'index.html', 'title': 'home'}
>>>

3 进程和线程

3.1 多线程

• python可以使用os模块和multiprocessing模块实现多线程，后者可以跨平台，前者只能在Unix/linux操作系统上运行
  

3.1.1 使用os模块中的fork方式实现多线程

   import os
   print os.getpid() #获取子进程的进程号
   pid = os.fork()
   if pid == 0 :
     print 'I am child process (%s) and my parent is %s.' % (os.getpid(), os.getppid())
   else :
     print 'I (%s) just created a child process (%s).' % (os.getpid(), pid)

3.1.2 使用multiprocessing模块创建多线程

from multiprocessing import Process  #导入Process模块
import os
def test(name):
	'''
	函数输出当前进程ID，以及其父进程ID。
	此代码应在Linux下运行，因为windows下os模块不支持getppid()
	'''
    print "Process ID： %s" % (os.getpid())
    print "Parent Process ID： %s" % (os.getppid())
if __name__ == "__main__":
	'''
	windows下，创建进程的代码一下要放在main函数里面
	'''
    proc = Process(target=test, args=('nmask',))
    proc.start()
    proc.join()

3.1.3 multiprocessing提供一个pool类来代表进程池

#!code:utf-8
from multiprocessing import Pool
import os,time,random

def run_task(name):
    print('Task %s is running ....')
    time.sleep(random.random()*3)
    print('Task %s end' %name)

if __name__ == '__main__':
    print 'Current process this,'
    p = Pool(processes=3)
    for i in range(5):    #运行5个任务，但pool只允许3个进程，其余等待
        p.apply_async(run_task,args=(i,))
    print 'Waiting for all subprocesses done'
    p.close()    #close必须在join之前运行，调用close之后就不能再添加新的Process了
    p.join()
    print('All subprocesses')

• 运行结果：