


Artikel ini menerangkan fail I/O Python, memberi tumpuan kepada fungsi terbuka () dan modnya ('r', 'w', 'a', 'x', 'b', 't', ''). Butiran membaca (menggunakan baca (), readline (), readlines ()) dan menulis, menekankan pengendalian ralat (menggunakan percubaan cuba) dan bes)
Bagaimana saya membaca dan menulis fail di Python?
Python menawarkan cara mudah untuk berinteraksi dengan fail menggunakan fungsi terbina dalamnya. Fungsi teras berkisar di sekitar fungsi open()
, yang mengambil laluan fail dan mod sebagai argumen. Mari kita terokai membaca dan menulis:
Membaca fail:
Untuk membaca fail, anda biasanya menggunakan fungsi open()
dengan mod 'R' (mod baca) dan kemudian gunakan kaedah seperti read()
, readline()
, atau readlines()
untuk mengakses kandungan fail.
<code class="python"># Open a file for reading try: with open("my_file.txt", "r") as file: # Read the entire file content at once contents = file.read() print(contents) # Read the file line by line file.seek(0) # Reset the file pointer to the beginning for line in file: print(line, end="") # end="" prevents extra newline # Read all lines into a list file.seek(0) lines = file.readlines() print(lines) except FileNotFoundError: print("File not found.") except Exception as e: print(f"An error occurred: {e}")</code>
Contoh ini menunjukkan tiga cara untuk dibaca: read()
membaca segala -galanya sekaligus, melangkah dengan for line in file
bacaan fail mengikut baris, dan readlines()
membaca semua baris ke dalam senarai. with open(...) as file:
membina memastikan fail ditutup secara automatik walaupun ralat berlaku.
Menulis Fail:
Menulis ke fail melibatkan pembukaannya dalam mod 'W' (menulis), 'A' (tambahan) mod, atau 'X' (penciptaan eksklusif) mod. Kaedah write()
menambah kandungan ke fail.
<code class="python">try: with open("my_new_file.txt", "w") as file: file.write("This is the first line.\n") file.write("This is the second line.\n") with open("my_new_file.txt", "a") as file: #Append mode file.write("This line is appended.\n") except Exception as e: print(f"An error occurred: {e}")</code>
'W' menimpa kandungan yang ada, 'A' menambah ke akhir, dan 'x' mencipta fail baru dan gagal jika seseorang sudah wujud. Ingatlah untuk memasukkan aksara baru ( \n
) untuk rehat garis yang betul.
Apakah mod fail yang berbeza yang terdapat dalam python untuk fail I/O?
Fungsi open()
Python menyokong beberapa mod akses fail, masing -masing menentukan bagaimana fail dikendalikan:
- 'r' (baca): Membuka fail untuk membaca. Ini adalah mod lalai. Ralat berlaku jika fail tidak wujud.
- 'W' (tulis): Membuka fail untuk menulis. Mewujudkan fail baru jika ia tidak wujud, dan overwrites kandungan jika ia berlaku.
- 'X' (Penciptaan Eksklusif): Membuka fail untuk menulis hanya jika ia tidak wujud. Jika fail wujud, ralat dibangkitkan.
- 'a' (tambah): Membuka fail untuk menulis. Sekiranya fail itu wujud, data baru dilampirkan hingga akhir; Jika tidak, fail baru dibuat.
- 'b' (binari): digunakan bersamaan dengan mod lain ('rb', 'wb', 'ab', 'xb'). Membuka fail dalam mod binari, sesuai untuk fail bukan teks (imej, executable, dan lain-lain).
- 't' (teks): digunakan bersamaan dengan mod lain ('rt', 'wt', 'at', 'xt'). Ini adalah mod lalai dan digunakan untuk fail teks. Ia mengendalikan watak -watak baru mengikut konvensyen sistem.
- '' (kemas kini): digunakan dengan mod lain ('r', 'w', 'a', 'x'). Membolehkan membaca dan menulis ke fail. 'R' membolehkan membaca dan menulis dari awal, 'w' menimpa, dan 'a' tambahan.
Mod ini boleh digabungkan. Sebagai contoh, "r b"
membuka fail untuk membaca dan menulis dalam mod binari.
Bagaimanakah saya dapat menangani kesilapan yang berpotensi semasa membaca atau menulis fail di Python?
Operasi I/O Fail boleh menemui pelbagai kesilapan, seperti fail yang tidak ada, kebenaran yang tidak mencukupi, atau masalah ruang cakera. Kod yang teguh harus mengendalikannya dengan anggun. Pendekatan yang paling biasa adalah menggunakan blok try-except
:
<code class="python">try: with open("my_file.txt", "r") as file: # ... file operations ... except FileNotFoundError: print("File not found. Creating a new file...") with open("my_file.txt", "w") as file: file.write("File created.") except PermissionError: print("Permission denied. Check file permissions.") except OSError as e: print(f"An operating system error occurred: {e}") except Exception as e: #catch any other exception print(f"An unexpected error occurred: {e}")</code>
Contoh ini menangkap pengecualian khusus ( FileNotFoundError
, PermissionError
, OSError
) untuk pengendalian ralat yang lebih bermaklumat dan Exception
generik untuk menangkap sebarang isu berpotensi lain. Sentiasa menjadi spesifik apabila mungkin untuk mengendalikan kesilapan dengan berkesan.
Apakah beberapa amalan terbaik untuk membaca dan menulis fail besar secara efisien di Python?
Membaca dan menulis fail besar memerlukan pengoptimuman untuk mengelakkan masalah memori dan meningkatkan prestasi. Berikut adalah beberapa amalan terbaik:
- Baris berulang mengikut baris: Elakkan memuatkan keseluruhan fail ke dalam memori sekaligus. Iterate melalui baris fail mengikut baris menggunakan
for
seperti yang ditunjukkan dalam contoh pertama. Ini jauh lebih cekap memori untuk fail besar. - Gunakan Buffered I/O: Kelas
io.BufferedReader
danio.BufferedWriter
menyediakan Buffered I/O, yang meningkatkan prestasi dengan mengurangkan bilangan cakera cakera. - Penjana: Untuk fail yang sangat besar, menggunakan penjana dapat meningkatkan kecekapan memori. Penjana menghasilkan nilai atas permintaan, mengelakkan memuatkan keseluruhan fail ke dalam ingatan.
- Chunking: Baca dan tulis fail dalam ketulan saiz tertentu dan bukannya memprosesnya sekaligus. Ini meminimumkan penggunaan memori dan membolehkan kemas kini kemajuan.
- Pemetaan Memori: Untuk akses rawak ke fail besar, pertimbangkan untuk menggunakan
mmap
(pemetaan memori). Ini memetakan sebahagian fail ke memori, yang membolehkan akses yang cekap ke bahagian tertentu tanpa memuatkan keseluruhan fail.
<code class="python">import io import mmap #Chunking Example chunk_size = 1024 with open("large_file.txt", "r") as file: while True: chunk = file.read(chunk_size) if not chunk: break #Process the chunk #... #Memory Mapping Example with open("large_file.txt", "r b") as f: mm = mmap.mmap(f.fileno(), 0) #0 means map the entire file #Access specific parts of the file using mm[start:end] mm.close()</code>
Memilih pendekatan terbaik bergantung pada aplikasi tertentu dan bagaimana fail diakses. Untuk pemprosesan berturut -turut, garis lelaran mengikut baris atau menggunakan buffered I/O biasanya mencukupi. Untuk akses rawak, pemetaan memori mungkin lebih sesuai. Untuk fail yang sangat besar yang melebihi RAM yang ada, pertimbangkan untuk menggunakan perpustakaan khusus seperti Dask
atau Vaex
yang mengendalikan pengiraan luar teras.
Atas ialah kandungan terperinci Bagaimana saya membaca dan menulis fail di Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Python's Unittest and Pytest adalah dua kerangka ujian yang digunakan secara meluas yang memudahkan penulisan, penganjuran dan menjalankan ujian automatik. 1. Kedua -duanya menyokong penemuan automatik kes ujian dan menyediakan struktur ujian yang jelas: Unittest mentakrifkan ujian dengan mewarisi kelas ujian dan bermula dengan ujian \ _; Pytest lebih ringkas, hanya memerlukan fungsi bermula dengan ujian \ _. 2. Mereka semua mempunyai sokongan dakwaan terbina dalam: Unittest menyediakan kaedah AssertEqual, AssertTrue dan lain-lain, manakala PYTest menggunakan pernyataan menegaskan yang dipertingkatkan untuk memaparkan butiran kegagalan secara automatik. 3. Semua mempunyai mekanisme untuk mengendalikan penyediaan ujian dan pembersihan: un

Parameter lalai Python hanya dimulakan sekali apabila ditakrifkan. Jika objek yang boleh berubah (seperti senarai atau kamus) digunakan sebagai parameter lalai, tingkah laku yang tidak dijangka mungkin disebabkan. Sebagai contoh, apabila menggunakan senarai kosong sebagai parameter lalai, pelbagai panggilan ke fungsi akan menggunakan semula senarai yang sama dan bukannya menghasilkan senarai baru setiap kali. Masalah yang disebabkan oleh tingkah laku ini termasuk: 1. Perkongsian data yang tidak dijangka antara panggilan fungsi; 2. Hasil panggilan berikutnya dipengaruhi oleh panggilan sebelumnya, meningkatkan kesukaran debugging; 3. Ia menyebabkan kesilapan logik dan sukar untuk dikesan; 4. Mudah untuk mengelirukan kedua -dua pemaju baru dan berpengalaman. Untuk mengelakkan masalah, amalan terbaik adalah untuk menetapkan nilai lalai kepada tiada dan membuat objek baru di dalam fungsi, seperti menggunakan my_list = tiada bukan my_list = [] dan pada mulanya dalam fungsi

Senarai Python, Kamus dan Pengumpulan Pengumpulan meningkatkan kebolehbacaan kod dan kecekapan penulisan melalui sintaks ringkas. Mereka sesuai untuk memudahkan operasi lelaran dan penukaran, seperti menggantikan gelung berbilang baris dengan kod satu baris untuk melaksanakan transformasi atau penapisan unsur. 1. Senarai pemantauan seperti [x2forxinrange (10)] secara langsung boleh menghasilkan urutan persegi; 2. KESELAMATAN KAMI seperti {x: x2forxinrange (5)} jelas menyatakan pemetaan nilai utama; 3. Penapisan bersyarat seperti [XforxinNumbersifx%2 == 0] membuat logik penapisan lebih intuitif; 4. Keadaan kompleks juga boleh tertanam, seperti menggabungkan penapisan pelbagai syarat atau ekspresi ternary; Tetapi operasi bersarang atau kesan sampingan yang berlebihan harus dielakkan untuk mengelakkan mengurangkan kebolehkerjaan. Penggunaan derivasi yang rasional dapat mengurangkan

Python berfungsi dengan baik dengan bahasa dan sistem lain dalam seni bina mikroservis, kunci adalah bagaimana setiap perkhidmatan berjalan secara bebas dan berkomunikasi dengan berkesan. 1. Menggunakan API standard dan protokol komunikasi (seperti HTTP, REST, GRPC), Python membina API melalui rangka kerja seperti Flask dan FastAPI, dan menggunakan permintaan atau HTTPX untuk memanggil perkhidmatan bahasa lain; 2. Menggunakan broker mesej (seperti Kafka, Rabbitmq, Redis) untuk merealisasikan komunikasi tak segerak, perkhidmatan Python dapat menerbitkan mesej untuk pengguna bahasa lain untuk memproses, meningkatkan sistem decoupling, skalabilitas dan toleransi kesalahan; 3. Memperluas atau membenamkan runtime bahasa lain (seperti Jython) melalui C/C untuk mencapai pelaksanaan

Pythonisidealfordataanalysisysisduetonumpyandpandas.1) numpyexcelsatnumericalcomputationswithfast, multi-dimensiArarraySandvectorizedoperationsLikenp.sqrt ()

Pengaturcaraan Dinamik (DP) mengoptimumkan proses penyelesaian dengan memecahkan masalah kompleks ke dalam subproblem yang lebih mudah dan menyimpan hasilnya untuk mengelakkan pengiraan berulang. Terdapat dua kaedah utama: 1. Top-down (Hafalan): Recursif menguraikan masalah dan menggunakan cache untuk menyimpan hasil pertengahan; 2. Bottom-Up (Jadual): Bangun secara beransur-ansur dari keadaan asas. Sesuai untuk senario di mana nilai maksimum/minimum, penyelesaian optimum atau subproblem yang bertindih diperlukan, seperti urutan Fibonacci, masalah backpacking, dan lain -lain.

Untuk melaksanakan iterator tersuai, anda perlu menentukan kaedah __iter__ dan __Next__ di dalam kelas. ① Kaedah __iter__ mengembalikan objek iterator itu sendiri, biasanya diri sendiri, bersesuaian dengan persekitaran berulang seperti untuk gelung; ② Kaedah __Next__ mengawal nilai setiap lelaran, mengembalikan elemen seterusnya dalam urutan, dan apabila tidak ada lagi item, pengecualian hentian harus dibuang; ③ Status mesti dikesan dengan betul dan keadaan penamatan mesti ditetapkan untuk mengelakkan gelung tak terhingga; ④ Logik kompleks seperti penapisan talian fail, dan perhatikan pembersihan sumber dan pengurusan memori; ⑤ Untuk logik mudah, anda boleh mempertimbangkan menggunakan hasil fungsi penjana sebaliknya, tetapi anda perlu memilih kaedah yang sesuai berdasarkan senario tertentu.

Trend masa depan dalam Python termasuk pengoptimuman prestasi, jenis yang lebih kuat, peningkatan runtime alternatif, dan pertumbuhan berterusan bidang AI/ML. Pertama, Cpython terus mengoptimumkan, meningkatkan prestasi melalui masa permulaan yang lebih cepat, pengoptimuman panggilan fungsi dan operasi integer yang dicadangkan; Kedua, jenis petikan sangat terintegrasi ke dalam bahasa dan alat untuk meningkatkan pengalaman keselamatan dan pembangunan kod; Ketiga, runtime alternatif seperti Pyscript dan Nuitka menyediakan fungsi baru dan kelebihan prestasi; Akhirnya, bidang AI dan Sains Data terus berkembang, dan perpustakaan yang muncul mempromosikan pembangunan dan integrasi yang lebih cekap. Trend ini menunjukkan bahawa Python sentiasa menyesuaikan diri dengan perubahan teknologi dan mengekalkan kedudukan utama.
