文件的操作及相关异常的处理

文件操作及相关异常处理

标签（空格分隔）： 文件，打开

---

1. 打开文件
   Python使用内置的open()函数打开一个文件，并且返回一个文件对象，也叫句柄(handle)。

   f = open("test.txt")    # 在本文件夹下面的一个文件
   f = open("C:/Python33/README.txt")  # 全路径
   

2. 关闭文件

   • 默认方法：

   f = open("app.log", 'r')
   do_something()
   f.close()
   

   但是这个办法不安全，因为在进行其他操作时，可能会出现异常，程序退出，那么关闭文件的语句就不会被执行。

   • 为了避免异常，可以使用<try-finally>语句来处理

   try:
   	f = open('app.log', 'r')
   	do_something()
   finally:
   	f.close()
   

   • 官网给出的最佳用法

   with open('app.log', 'r') as f:
   do_something()
   

3. 文件操作

   • 写入文件

     • 单独字符串写入(write()方法)

     lines = ['line1', 'line2']
     with open('filename.txt', 'w') as f:
     	s = ''
     	for data in lines:
     		s += data
     		s += '
     '
     	f.write(s)
     

     引入join()函数写入

     lines = ['line1', 'line2']
     with open('filename.txt', 'w') as f:
     	f.write('
     '.join(lines))
     

     • writelines()方法写入

     lines = ['line1', 'line2']
     with open('filename.txt', 'w') as f:
     	f.writelines("%s
     " % l for l in lines)
     

   • 文件读取

     • read()方法
       result = f.read()
       这里返回的是文件内容，是str类型的结果，这个方法还带一个数值类型的参数，指定读取多少内容，如果省略了或者是负数，那么就返回文件的全部内容。

     • readline()方法
       result = f.readline()
       返回的也是字符串，不过是一行内容，继续调用，就会返回下一行内容

     • readlines()方法
       result = f.readlines()
       这里返回的是一个列表，但是当数据较大时，这样的用法会很占用内存，不推荐在数据量大时使用

     • 直接循环文件对象

     for line in f:
     	print line
     	do_something()
     

     这样的用法节省内存，快速，并且代码还简单

     • 大文件的读取

     with open("log.txt") as f:
     	for line in f:
     		do_something_with(line)
     

4. 处理数据（csv文件格式）
   步骤包括：利用csv.reader()函数创建csv模块的读取器（** 迭代器[每次迭代完元素就消失] **） --> 循环调用next()函数读取每一行的数据

import csv
from datetime import datetime
from matplotlib import pyplot as plt

filename = 'guangzhou-2017.csv'
# 打开文件
with open(filename) as f:
	# 创建cvs文件读取器
	reader = csv.reader(f)
	# 读取第一行，这行是表头数据。
	header_row = next(reader)
	print(header_row)
	# 定义读取起始日期
	start_date = datetime(2017, 6, 30)
	# 定义结束日期
	end_date = datetime(2017, 8, 1)
	# 定义3个list列表作为展示的数据
	dates, highs, lows = [], [], []
	for row in reader:
		# 将第一列的值格式化为日期
		d = datetime.strptime(row[0], '%Y-%m-%d')
		# 只展示2017年7月的数据
		if start_date < d < end_date:
			dates.append(d)
			highs.append(int(row[1]))
			lows.append(int(row[2]))

# 配置图形
fig = plt.figure(dpi=128, figsize=(12, 9))
# 绘制最高气温的折线
plt.plot(dates, highs, c='red', label='Highest temperature', 
	alpha=0.5, linewidth = 2.0, linestyle = '-', marker='v')
# 再绘制一条折线
plt.plot(dates, lows, c='blue', label='Lowest temperature',
	alpha=0.5, linewidth = 3.0, linestyle = '-.', marker='o')
# 为两个数据的绘图区域填充颜色
plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)
# 设置标题
plt.title("the temperature of Guangzhou 2017-7")
# 为两条坐标轴设置名称
plt.xlabel("date")
# 该方法绘制斜着的日期标签
fig.autofmt_xdate()
plt.ylabel("Temperature(℃)")
# 显示图例
plt.legend()
ax = plt.gca()
# 设置右边坐标轴线的颜色（设置为none表示不显示）
ax.spines['right'].set_color('none')
# 设置顶部坐标轴线的颜色（设置为none表示不显示）
ax.spines['top'].set_color('none')
plt.show()