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
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：