Python-Lernen – Eingabe und Ausgabe
Eingabe und Ausgabe
Datei
Sie können eine Datei öffnen, indem Sie ein Objekt der Dateiklasse erstellen und zum Lesen und Schreiben die Methoden read, readline oder write der Dateiklasse verwenden die Datei entsprechend. Die Möglichkeit, Dateien zu lesen und zu schreiben, hängt von dem Modus ab, den Sie beim Öffnen der Datei angeben. Wenn Sie schließlich mit der Datei fertig sind, rufen Sie die Methode close auf, um Python mitzuteilen, dass wir mit der Datei fertig sind.
Ein Beispiel für die Verwendung einer Datei ist wie folgt:
Python-Code
poem = '''''\Programming is fun When the work is done if you wanna make your work also fun:use Python!''' f = file('poem.txt', 'w') f.write(poem) f.close() f = file('poem.txt') while True: line = f.readline() if len(line) == 0: break print line, f.close()
Ausgabe:
Python-Code
Programming is fun When the work is done if you wanna make your work also fun: use Python!
Zuerst Zunächst können Sie uns angeben, indem Sie eine Instanz der Dateiklasse mit der Datei und dem Modus erstellen, den Sie öffnen möchten. Der Modus kann Lesemodus ('r'), Schreibmodus ('w') oder Anhängemodus ('a') sein. Es stehen viele andere Modi zur Verfügung. Verwenden Sie die Hilfedatei, um mehr darüber zu erfahren. Wir öffnen die Datei im Schreibmodus, verwenden dann die Schreibmethode der Dateiklasse, um die Datei zu schreiben, und schließen schließlich die Datei mit close.
Als nächstes öffnen wir dieselbe Datei erneut, um die Datei zu lesen. Wenn wir keinen Modus angeben, wird der Lesemodus als Standardmodus verwendet. In einer Schleife verwenden wir die Methode readline, um jede Zeile der Datei zu lesen. Diese Methode gibt eine vollständige Zeile zurück, einschließlich des Newline-Zeichens am Ende der Zeile. Wenn also eine leere Zeichenfolge zurückgegeben wird, bedeutet dies, dass das Ende der Datei erreicht wurde, sodass wir die Schleife stoppen.
Beachten Sie, dass wir Kommas in der Druckanweisung verwenden, um automatische
Zeilenumbrüche zu vermeiden, da der aus der Datei gelesene Inhalt bereits mit einem Zeilenumbruchzeichen endet.
Abschließend schließen wir die Datei mit close.
Speicher
Python bietet ein Standardmodul namens pickle. Damit können Sie jedes Python-Objekt in einer Datei speichern und es dann intakt abrufen. Dies wird als dauerhaftes Speichern von Objekten bezeichnet.
Es gibt ein anderes Modul namens cPickle, das genau das Gleiche tut wie das Pickle-Modul, außer dass es in C geschrieben ist und daher viel schneller ist (1000-mal schneller als Pickle). Sie können jedes davon verwenden, wir verwenden hier jedoch das cPickle-Modul. Denken Sie daran, dass wir beide Module kurz als Pickle-Module bezeichnen.
Die Speicher- und Abrufbeispiele lauten wie folgt:
Python-Code
import cPickle as p shoplistfile = 'shoplist.data' shoplist = ['apple', 'mango', 'carrot'] f = file(shoplistfile, 'w') p.dump(shoplist, f) f.close() del shoplist f = file(shoplistfile) storedlist = p.load(f) print storedlist
Ausgabe:
Python-Code
['apple', 'mango', 'carrot']
Erstens Alle, bitte beachten Sie, dass wir die Syntax import..as verwendet haben. Dies ist eine praktische Methode, damit wir kürzere Modulnamen verwenden können. In diesem Beispiel können wir auch zu einem anderen Modul (cPickle oder pickle) wechseln, indem wir einfach eine Zeile ändern! Im weiteren Verlauf des Programms nennen wir dieses Modul einfach p.
Um ein Objekt in einer Datei zu speichern, öffnen Sie zunächst ein Dateiobjekt im Schreibmodus und rufen Sie dann die Dump-Funktion des Speichermoduls auf, um das Objekt in der geöffneten Datei zu speichern. Dieser Vorgang wird als Speicherung bezeichnet.
Als nächstes verwenden wir die Rückgabe der Ladefunktion des Pickle-Moduls, um das Objekt abzurufen. Dieser Vorgang wird als Speicherabruf bezeichnet.

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Lösung für Erlaubnisprobleme beim Betrachten der Python -Version in Linux Terminal Wenn Sie versuchen, die Python -Version in Linux Terminal anzuzeigen, geben Sie Python ein ...

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Serialisierung und Deserialisierung von Python-Objekten sind Schlüsselaspekte eines nicht trivialen Programms. Wenn Sie etwas in einer Python -Datei speichern, führen Sie eine Objektserialisierung und Deserialisierung durch, wenn Sie die Konfigurationsdatei lesen oder auf eine HTTP -Anforderung antworten. In gewisser Weise sind Serialisierung und Deserialisierung die langweiligsten Dinge der Welt. Wen kümmert sich um all diese Formate und Protokolle? Sie möchten einige Python -Objekte bestehen oder streamen und sie zu einem späteren Zeitpunkt vollständig abrufen. Dies ist eine großartige Möglichkeit, die Welt auf konzeptioneller Ebene zu sehen. Auf praktischer Ebene können das von Ihnen ausgewählte Serialisierungsschema, Format oder Protokoll jedoch die Geschwindigkeit, Sicherheit, den Status der Wartungsfreiheit und andere Aspekte des Programms bestimmen

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti

Dieses Tutorial baut auf der vorherigen Einführung in die schöne Suppe auf und konzentriert sich auf DOM -Manipulation über die einfache Baumnavigation hinaus. Wir werden effiziente Suchmethoden und -techniken zur Änderung der HTML -Struktur untersuchen. Eine gemeinsame DOM -Suchmethode ist Ex

In dem Artikel werden beliebte Python-Bibliotheken wie Numpy, Pandas, Matplotlib, Scikit-Learn, TensorFlow, Django, Flask und Anfragen erörtert, die ihre Verwendung in wissenschaftlichen Computing, Datenanalyse, Visualisierung, maschinellem Lernen, Webentwicklung und h beschreiben

Dieser Artikel führt die Python-Entwickler in den Bauen von CLIS-Zeilen-Schnittstellen (CLIS). Es werden mit Bibliotheken wie Typer, Click und ArgParse beschrieben, die Eingabe-/Ausgabemedelung betonen und benutzerfreundliche Designmuster für eine verbesserte CLI-Usabilität fördern.
