Python File

本文主要研究 Python 文件操作。

打开大文件的工具

很多时候，自带的工具打开大文件是很慢的，我们可以使用 EmEditor 工具，免费版还是很好用的。

File API

exists

可以使用如下的逻辑来判断我们的函数是否存在：

if not os.path.exists(s.file_split):
    logging.error("The file {} is not exists! please check your path!".format(s.file_split))
    logging.debug("sys.path is {}".format(sys.path))
    exit(1) # if in __main__

listdir()

很多时候我们需要遍历一个文件夹下面的所有文件，可以这样实现：

file_dir = r''
for anr_file in os.listdir(file_dir):
    parse_anr(anr_file)

😭😭😭 BUG

切记 anr_file 最好传入文件的路径，而不是文件名本身。

for anr_file in os.listdir(file_dir):
    file_path = os.path.join(file_dir, anr_file)
    parse_anr(file_path)

在这个地方进行一个对比，以便于引起注意。

Rename Folder

如果想对文件进行重命名的话，可以使用 os.rename(), 下面这是一个例子：

import os
new_folder_name = r"anr/anr_{}".format(time.strftime("%Y%m%d_%H%M_%S"))
os.rename(r"anr/anr", new_folder_name)

在这个例子中，我们使用了时间戳，命名后的文件类似于: anr/anr_20230303_1115_14。

File path

windows

在 windows 下面，python 的路径可以有以下的写法：

1. 使用双下划线避免转码问题；
2. 使用 r'xxx' 可以避免双下划线；这种做法的优点在于，可以直接复制文件的路径使用；
3. os.path 模块的使用；

Linux

window 下的路径如果继续想在 linux 下面使用，可以使用两种方式：

1. os.step 模块；这个保证了下划线是可以和操作系统匹配的

2. os.path 模块；

   import os
   path = os.path.join('folder_name', 'file_name')

linecache

linecache 是 Python 3.10 自带的文件处理模块。

linecache.getline()

linecache 可以用来指定行号，然后读取这一行的元素。

>>> import linecache
>>> linecache.getline(linecache.__file__, 8)
'import sys\n'

😂😂😂 需要注意的是，8 表示第 9 行元素，linecache 取值默认从 0 开始。

这个函数会返回文件对应的这行结果，举例来说：

def get_line_content_by_line_num(self, line_num=None):
    # 参数校验
    if not line_num and self._line_num == -1:
        print('give a line num!')
        return

    if not line_num:
        line_num = self._line_num
        content = linecache.getline(self.file, line_num)
        return content

对应的测试用例和输出：

def test01(self):
    line_num = 7187
    res = self.s.get_line_content_by_line_num(line_num)
    print(res)
    
# [TID 003c7e] I/ecmascript: 0000541c:aa1003f5 	mov	x21, x16

需要注意的一个小细节是，getline()函数，而不是 getlines(), 这两个的功能是不一样的。

linecache.getlines()

getlines() 可以用来获取这个文件的所有行，我们也可以根据这个函数来获取范围行的元素，如下所示：

with open(self.file, 'r') as f:
    for i, line in enumerate(f):
        file_lines = linecache.getlines(self.file)[i:i + n]

mutil lines

with open(self.file, 'r') as f:
    for idx, line in enumerate(f, 1):
        ops = []
        for j in range(n):
            next_line = linecache.getline(f.name, idx + j)
            if next_line.strip():
                ops.append(next_line.split()[1])

目前得到文件中的连续行用该方法比较不错。比较 linecache.getlines() 更不容易出 bug, 但是为了方便起见，我们还是有限使用 linecache.getlines() 来取值。

line after match xx

代码找到匹配行开始往下数的第 xx 行注意是单独的一行！，例子为第 4 行(find the header then just take the next xx lines)。

No.1 - itertools.islice

from itertools import islice

with open("words.txt") as f:
    for line in f:
        if line.rstrip() == "Heading":
            print(list(islice(f, 4))[-1])
            break
line to be extracted

需要注意，这种方法可能会使得迭代以外终止，所以不是很好用，等以后加深理解了再研究吧！

No.2 - linecache.getline

from linecache import getline
with open("words.txt") as f:
    for ind, line in enumerate(f,1):
        if line.rstrip() == "Heading":
            print(getline(f.name, ind + 4))
            break
line to be extracted

No.3 - linecache.getline

mutils lines, don't break.

from linecache import getline
with open("words.txt") as f:
    for ind, line in enumerate(f,1):
        if line.rstrip() == "Heading":
            print(getline(f.name, ind + 4))

line to be extracted

other line to be extracted

小技巧：使 line 的编号从 1 开始

我们在 python 的文件处理中，很多时候行号都是从 0 开始的，上面代码中使用了 enumerate(f,1) 来方便了我们的操作，值得借鉴！

其原理可以大概解释如下：

l = list(range(12, 99))
for i, num in enumerate(l, 1):
    print(i, num)
    
1 12
2 13
3 14
4 15

只是把下标变成了从 1 开始，但是并没有跳过第一个元素哦。

File Rights

模式	操作	文件不存在	是否覆盖
r	read 只读	报错	-
w	write 可写	创建	是
a	append 文件后追加	创建	否 追加
r+	可读 可写	报错	是
w+	可读 可写	创建	是
a+	可读 可写	创建	否 追加

• a 是可访问可修改的吗？ 不是。a表示在文件后追加写，append。a+ 既可以追加到文件中，也可以读取文件中的内容，而 a 是不可以读操作的。

BCD fopen() 手册

The argument mode points to a string beginning with one of the following sequences (Additional characters may follow these sequences.):

• r Open text file for reading. The stream is positioned at the beginning of the file.

• r+ Open for reading and writing. The stream is positioned at the beginning of the file.

• w Truncate file to zero length or create text file for writing. The stream is positioned at the beginning of the file.

• w+ Open for reading and writing. The file is created if it does not exist, otherwise it is truncated. The stream is positioned at the beginning of the file.

• a Open for writing. The file is created if it does not exist. The stream is positioned at the end of the file. Subsequent writes to the file will always end up at the then current end of file, irrespective of any intervening fseek(3) or similar.

• a+ Open for reading and writing. The file is created if it does not exist. The stream is positioned at the end of the file. Subsequent writes to the file will always end up at the then current end of file, irrespective of any intervening fseek(3) or similar.