第十一章 IO編程
1、IO在計算機中指Input/Output，也就是輸入和輸出。由於程序和運行時數據是在內存中駐留，由CPU這個超快的計算核心來執行，涉及到數據交換的地方，通常是磁盤、網絡等，就需要IO接口。
2、比如你打開瀏覽器，訪問新浪首頁，瀏覽器這個程序就需要通過網絡IO獲取新浪的網頁。瀏覽器首先會發送數據給新浪服務器，告訴它我想要首頁的HTML，這個動作是往外發數據，叫Output，隨後新浪服務器把網頁發過來，這個動作是從外面接收數據，叫Input。所以，通常，程序完成IO操作會有Input和Output兩個數據流。當然也有隻用一個的情況，比如，從磁盤讀取文件到內存，就只有Input操作，反過來，把數據寫到磁盤文件裏，就只是一個Output操作。
3、IO編程中，Stream（流）是一個很重要的概念，可以把流想象成一個水管，數據就是水管裏的水，但是隻能單向流動。Input Stream就是數據從外面（磁盤、網絡）流進內存，Output Stream就是數據從內存流到外面去。對於瀏覽網頁來說，瀏覽器和新浪服務器之間至少需要建立兩根水管，纔可以既能發數據，又能收數據。
4、由於CPU和內存的速度遠遠高於外設的速度，所以，在IO編程中，就存在速度嚴重不匹配的問題。舉個例子來說，比如要把100M的數據寫入磁盤，CPU輸出100M的數據只需要0.01秒，可是磁盤要接收這100M數據可能需要10秒，怎麼辦呢？有兩種辦法：
（1）同步IO：第一種是CPU等着，也就是程序暫停執行後續代碼，等100M的數據在10秒後寫入磁盤，再接着往下執行，這種模式稱爲同步IO；
（2）異步IO：另一種方法是CPU不等待，只是告訴磁盤，“您老慢慢寫，不着急，我接着幹別的事去了”，於是，後續代碼可以立刻接着執行，這種模式稱爲異步IO。
4、同步和異步的區別就在於是否等待IO執行的結果。好比你去麥當勞點餐，你說“來個漢堡”，服務員告訴你，對不起，漢堡要現做，需要等5分鐘，於是你站在收銀臺前面等了5分鐘，拿到漢堡再去逛商場，這是同步IO。
你說“來個漢堡”，服務員告訴你，漢堡需要等5分鐘，你可以先去逛商場，等做好了，我們再通知你，這樣你可以立刻去幹別的事情（逛商場），這是異步IO。
很明顯，使用異步IO來編寫程序性能會遠遠高於同步IO，但是異步IO的缺點是編程模型複雜。想想看，你得知道什麼時候通知你“漢堡做好了”，而通知你的方法也各不相同。如果是服務員跑過來找到你，這是回調模式，如果服務員發短信通知你，你就得不停地檢查手機，這是輪詢模式。總之，異步IO的複雜度遠遠高於同步IO。
5、IO封裝
操作IO的能力都是由操作系統提供的，每一種編程語言都會把操作系統提供的低級C接口封裝起來方便使用，Python也不例外。我們後面會詳細討論Python的IO編程接口。
注意，本章的IO編程都是同步模式，異步IO由於複雜度太高，後續涉及到服務器端程序開發時我們再討論。
11.1 文件讀寫
讀寫文件是最常見的IO操作。Python內置了讀寫文件的函數，用法和C是兼容的。
讀寫文件前，我們先必須瞭解一下，在磁盤上讀寫文件的功能都是由操作系統提供的，現代操作系統不允許普通的程序直接操作磁盤，
所以，讀寫文件就是請求操作系統打開一個文件對象（通常稱爲文件描述符），然後，通過操作系統提供的接口從這個文件對象中讀取數據（讀文件），或者把數據寫入這個文件對象（寫文件）。
一、讀文件——先後調用open（）、read（）、close（）
1、要以讀文件的模式打開一個文件對象，使用Python內置的open()函數，傳入文件名和標示符：
>>> f = open('/Users/michael/test.txt', 'r')
標示符'r'表示讀，這樣，我們就成功地打開了一個文件。
如果文件不存在，open()函數就會拋出一個IOError的錯誤，並且給出錯誤碼和詳細的信息告訴你文件不存在：
>>> f=open('/Users/michael/notfound.txt', 'r')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
FileNotFoundError: [Errno 2] No such file or directory: '/Users/michael/notfound.txt'
如果文件打開成功，接下來，調用read()方法可以一次讀取文件的全部內容，Python把內容讀到內存，用一個str對象表示：
>>> f.read()
'Hello, world!'
最後一步是調用close()方法關閉文件。文件使用完畢後必須關閉，因爲文件對象會佔用操作系統的資源，並且操作系統同一時間能打開的文件數量也是有限的：
>>> f.close()
由於文件讀寫時都有可能產生IOError，一旦出錯，後面的f.close()就不會調用。
2、所以，爲了保證無論是否出錯都能正確地關閉文件，我們可以使用try ... finally來實現：
try:
f = open('/path/to/file', 'r')
print(f.read())
finally:
if f:
f.close()
但是每次都這麼寫實在太繁瑣，所以，
3、Python引入了with語句來自動幫我們調用close()方法：
with open('/path/to/file', 'r') as f:
print(f.read())
這和前面的try ... finally是一樣的，但是代碼更佳簡潔，並且不必調用f.close()方法。
調用read()會一次性讀取文件的全部內容，如果文件有10G，內存就爆了，所以，要保險起見，
4、可以反覆調用read(size)方法，每次最多讀取size個字節的內容。另外，調用readline()可以每次讀取一行內容，調用readlines()一次讀取所有內容並按行返回list。因此，要根據需要決定怎麼調用。
5、如果文件很小，read()一次性讀取最方便；如果不能確定文件大小，反覆調用read(size)比較保險；如果是配置文件，調用readlines()最方便：
for line in f.readlines():
print(line.strip()) # 把末尾的'\n'刪掉
6、file-like Object
像open()函數返回的這種有個read()方法的對象，在Python中統稱爲file-like Object。除了file外，還可以是內存的字節流，網絡流，自定義流等等。file-like Object不要求從特定類繼承，只要寫個read()方法就行。
StringIO就是在內存中創建的file-like Object，常用作臨時緩衝。
7、二進制文件
前面講的默認都是讀取文本文件，並且是UTF-8編碼的文本文件。要讀取二進制文件，比如圖片、視頻等等，用'rb'模式打開文件即可：
>>> f = open('/Users/michael/test.jpg', 'rb')
>>> f.read()
b'\xff\xd8\xff\xe1\x00\x18Exif\x00\x00...' # 十六進制表示的字節
8、字符編碼
要讀取非UTF-8編碼的文本文件，需要給open()函數傳入encoding參數，例如，讀取GBK編碼的文件：
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk')
>>> f.read()
'測試'
遇到有些編碼不規範的文件，你可能會遇到UnicodeDecodeError，因爲在文本文件中可能夾雜了一些非法編碼的字符。遇到這種情況，open()函數還接收一個errors參數，表示如果遇到編碼錯誤後如何處理。最簡單的方式是直接忽略：
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')
二、寫文件
1、open（）、write（）、close（）函數
寫文件和讀文件是一樣的，唯一區別是調用open()函數時，傳入標識符'w'或者'wb'表示寫文本文件或寫二進制文件：
>>> f = open('/Users/michael/test.txt', 'w')
>>> f.write('Hello, world!')
>>> f.close()
你可以反覆調用write()來寫入文件，但是務必要調用f.close()來關閉文件。當我們寫文件時，操作系統往往不會立刻把數據寫入磁盤，而是放到內存緩存起來，空閒的時候再慢慢寫入。只有調用close()方法時，操作系統才保證把沒有寫入的數據全部寫入磁盤。忘記調用close()的後果是數據可能只寫了一部分到磁盤，剩下的丟失了。
2、所以，還是用with語句來得保險：
with open('/Users/michael/test.txt', 'w') as f:
f.write('Hello, world!')
要寫入特定編碼的文本文件，請給open()函數傳入encoding參數，將字符串自動轉換成指定編碼。
【小結】
在Python中，文件讀寫是通過open()函數打開的文件對象完成的。使用with語句操作文件IO是個好習慣。
11.2 StringIO和BytesIO
一：StringIO
1、StringIO顧名思義就是在內存中讀寫str。
2、要把str寫入StringIO，我們需要先創建一個StringIO，然後，像文件一樣寫入即可：
>>> from io import StringIO
>>> f = StringIO()
>>> f.write('hello')
5
>>> f.write(' ')
1
>>> f.write('world!')
6
>>> print(f.getvalue())
hello world!
3、getvalue()方法用於獲得寫入後的str。
要讀取StringIO，可以用一個str初始化StringIO，然後，像讀文件一樣讀取：
>>> from io import StringIO
>>> f = StringIO('Hello!\nHi!\nGoodbye!')
>>> while True:
s = f.readline()
if s == '':
break
print(s.strip())
Hello!
Hi!
Goodbye!
二、BytesIO
StringIO操作的只能是str，如果要操作二進制數據，就需要使用
BytesIO。
BytesIO實現了在內存中讀寫bytes，我們創建一個BytesIO，然後寫入一些bytes：
>>> from io import BytesIO
>>> f = BytesIO()
>>> f.write('中文'.encode('utf-8'))
6
>>> print(f.getvalue())
b'\xe4\xb8\xad\xe6\x96\x87'
請注意，寫入的不是str，而是經過UTF-8編碼的bytes。
和StringIO類似，可以用一個bytes初始化BytesIO，然後，像讀文件一樣讀取：
>>> from io import BytesIO
>>> f = BytesIO(b'\xe4\xb8\xad\xe6\x96\x87')
>>> f.read()
b'\xe4\xb8\xad\xe6\x96\x87'
【小結】
StringIO和BytesIO是在內存中操作str和bytes的方法，使得和讀寫文件具有一致的接口。
11.3 操作文件和目錄
如果我們要操作文件、目錄，可以在命令行下面輸入操作系統提供的各種命令來完成。比如dir、cp等命令。
Python內置的os模塊也可以直接調用操作系統提供的接口函數。
使用os模塊的基本功能：
>>> import os
>>> os.name # 操作系統類型
'posix'
如果是posix，說明系統是Linux、Unix或Mac OS X，如果是nt，就是Windows系統。
1、環境變量
在操作系統中定義的環境變量，全部保存在os.environ這個變量中，可以直接查看：
>>> os.environ
要獲取某個環境變量的值，可以調用os.environ.get('key')：
>>> os.environ.get('PATH')
>>> os.environ.get('x', 'default')
'default'
2、操作文件和目錄
操作文件和目錄的函數一部分放在os模塊中，一部分放在os.path模塊中，這一點要注意一下。查看、創建和刪除目錄可以這麼調用：
# 查看當前目錄的絕對路徑:
>>> os.path.abspath('.')
'/Users/michael'
# 在某個目錄下創建一個新目錄，首先把新目錄的完整路徑表示出來:
>>> os.path.join('/Users/michael', 'testdir')
'/Users/michael/testdir'
# 然後創建一個目錄:
>>> os.mkdir('/Users/michael/testdir')
# 刪掉一個目錄:
>>> os.rmdir('/Users/michael/testdir')
把兩個路徑合成一個時，不要直接拼字符串，而要通過os.path.join()函數，這樣可以正確處理不同操作系統的路徑分隔符。在Linux/Unix/Mac下，os.path.join()返回這樣的字符串：
part-1/part-2
而Windows下會返回這樣的字符串：
part-1\part-2
同樣的道理，要拆分路徑時，也不要直接去拆字符串，而要通過os.path.split()函數，這樣可以把一個路徑拆分爲兩部分，後一部分總是最後級別的目錄或文件名：
>>> os.path.split('/Users/michael/testdir/file.txt')
('/Users/michael/testdir', 'file.txt')
os.path.splitext()可以直接讓你得到文件擴展名，很多時候非常方便：
>>> os.path.splitext('/path/to/file.txt')
('/path/to/file', '.txt')
這些合併、拆分路徑的函數並不要求目錄和文件要真實存在，它們只對字符串進行操作。
文件操作使用下面的函數。
假定當前目錄下有一個test.txt文件：
# 對文件重命名:
>>> os.rename('test.txt', 'test.py')
# 刪掉文件:
>>> os.remove('test.py')
但是複製文件的函數居然在os模塊中不存在！原因是複製文件並非由操作系統提供的系統調用。理論上講，我們通過上一節的讀寫文件可以完成文件複製，只不過要多寫很多代碼。
幸運的是shutil模塊提供了copyfile()的函數，你還可以在shutil模塊中找到很多實用函數，它們可以看做是os模塊的補充。
最後看看如何利用Python的特性來過濾文件。比如我們要列出當前目錄下的所有目錄，只需要一行代碼：
>>> [x for x in os.listdir('.') if os.path.isdir(x)]
['.lein', '.local', '.m2', '.npm', '.ssh', '.Trash', '.vim', 'Applications', 'Desktop', ...]
要列出所有的.py文件，也只需一行代碼：
>>> [x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1]=='.py']
['apis.py', 'config.py', 'models.py', 'pymonitor.py', 'test_db.py', 'urls.py', 'wsgiapp.py']
是不是非常簡潔？
【小結】
Python的os模塊封裝了操作系統的目錄和文件操作，要注意這些函數有的在os模塊中，有的在os.path模塊中。
shutil模塊提供了copyfile()的函數，你還可以在shutil模塊中找到很多實用函數，它們可以看做是os模塊的補充。
11.4 序列化
在程序運行的過程中，所有的變量都是在內存中，比如，定義一個dict：
d = dict(name='Bob', age=20, score=88)
可以隨時修改變量，比如把name改成'Bill'，但是一旦程序結束，變量所佔用的內存就被操作系統全部回收。如果沒有把修改後的'Bill'存儲到磁盤上，下次重新運行程序，變量又被初始化爲'Bob'。
1、我們把變量從內存中變成可存儲或傳輸的過程稱之爲序列化，在Python中叫pickling，
在其他語言中也被稱之爲serialization，marshalling，flattening等等，都是一個意思。
序列化之後，就可以把序列化後的內容寫入磁盤，或者通過網絡傳輸到別的機器上。
反過來，把變量內容從序列化的對象重新讀到內存裏稱之爲反序列化，即unpickling。
2、Python提供了pickle模塊來實現序列化。
首先，我們嘗試把一個對象序列化並寫入文件：
>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'
3、pickle.dumps()方法把任意對象序列化成一個bytes，然後，就可以把這個bytes寫入文件。
4、或者用另一個方法pickle.dump()直接把對象序列化後寫入一個file-like Object：
>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()
看看寫入的dump.txt文件，一堆亂七八糟的內容，這些都是Python保存的對象內部信息。
5、當我們要把對象從磁盤讀到內存時，可以先把內容讀到一個bytes，然後用pickle.loads()方法反序列化出對象，也可以直接用pickle.load()方法從一個file-like Object中直接反序列化出對象。我們打開另一個Python命令行來反序列化剛纔保存的對象：
>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}
變量的內容又回來了！
當然，這個變量和原來的變量是完全不相干的對象，它們只是內容相同而已。
6、Pickle的問題和所有其他編程語言特有的序列化問題一樣，就是它只能用於Python，並且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的數據，不能成功地反序列化也沒關係。
二、JSON
1、如果我們要在不同的編程語言之間傳遞對象，就必須把對象序列化爲標準格式，比如XML，但更好的方法是序列化爲JSON，因爲JSON表示出來就是一個字符串，可以被所有語言讀取，也可以方便地存儲到磁盤或者通過網絡傳輸。JSON不僅是標準格式，並且比XML更快，而且可以直接在Web頁面中讀取，非常方便。
JSON表示的對象就是標準的JavaScript語言的對象，JSON和Python內置的數據類型對應如下：
JSON類型 Python類型
{} dict
[] list
"string" str
1234.56 int或float
true/false True/False
null None
2、Python內置的json模塊提供了非常完善的Python對象到JSON格式的轉換。我們先看看如何把Python對象變成一個JSON：
>>> import json
>>> d = dict(name='Bob', age=20, score=88)
>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'
dumps()方法返回一個str，內容就是標準的JSON。類似的，dump()方法可以直接把JSON寫入一個file-like Object。
3、要把JSON反序列化爲Python對象，用loads()或者對應的load()方法，前者把JSON的字符串反序列化，後者從file-like Object中讀取字符串並反序列化：
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}
由於JSON標準規定JSON編碼是UTF-8，所以我們總是能正確地在Python的str與JSON的字符串之間轉換。
4、JSON進階
Python的dict對象可以直接序列化爲JSON的{}，不過，很多時候，我們更喜歡用class表示對象，比如定義Student類，然後序列化：
import json
class Student(object):
def __init__(self, name, age, score):
self.name = name
self.age = age
self.score = score
s = Student('Bob', 20, 88)
print(json.dumps(s))
運行代碼，毫不留情地得到一個TypeError：
Traceback (most recent call last):
...
TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable
錯誤的原因是Student對象不是一個可序列化爲JSON的對象。
如果連class的實例對象都無法序列化爲JSON，這肯定不合理！
別急，我們仔細看看dumps()方法的參數列表，可以發現，除了第一個必須的obj參數外，dumps()方法還提供了一大堆的可選參數：
https://docs.python.org/3/library/json.html#json.dumps
這些可選參數就是讓我們來定製JSON序列化。前面的代碼之所以無法把Student類實例序列化爲JSON，是因爲默認情況下，dumps()方法不知道如何將Student實例變爲一個JSON的{}對象。
可選參數default就是把任意一個對象變成一個可序列爲JSON的對象，我們只需要爲Student專門寫一個轉換函數，再把函數傳進去即可：
def student2dict(std):
return {
'name': std.name,
'age': std.age,
'score': std.score
}
這樣，Student實例首先被student2dict()函數轉換成dict，然後再被順利序列化爲JSON：
>>> print(json.dumps(s, default=student2dict))
{"age": 20, "name": "Bob", "score": 88}
不過，下次如果遇到一個Teacher類的實例，照樣無法序列化爲JSON。我們可以偷個懶，把任意class的實例變爲dict：
print(json.dumps(s, default=lambda obj: obj.__dict__))
因爲通常class的實例都有一個__dict__屬性，它就是一個dict，用來存儲實例變量。也有少數例外，比如定義了__slots__的class。
同樣的道理，如果我們要把JSON反序列化爲一個Student對象實例，loads()方法首先轉換出一個dict對象，然後，我們傳入的object_hook函數負責把dict轉換爲Student實例：
def dict2student(d):
return Student(d['name'], d['age'], d['score'])
運行結果如下：
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>
打印出的是反序列化的Student實例對象。
【小結】
1) Python語言特定的序列化模塊是pickle，
2) 但如果要把序列化搞得更通用、更符合Web標準，就可以使用json模塊。json模塊的dumps()和loads()函數是定義得非常好的接口的典範。
3) 當我們使用時，只需要傳入一個必須的參數。但是，當默認的序列化或反序列機制不滿足我們的要求時，我們又可以傳入更多的參數來定製序列化或反序列化的規則，既做到了接口簡單易用，又做到了充分的擴展性和靈活性。