


Bekerja dengan Fail Asynchronously dalam Python menggunakan aiofiles dan asyncio
Kod tak segerak telah menjadi asas pembangunan Python. Dengan asyncio menjadi sebahagian daripada pustaka standard dan banyak pakej pihak ketiga yang menyediakan ciri yang serasi dengannya, paradigma ini tidak akan hilang dalam masa terdekat.
Jika anda menulis kod tak segerak, adalah penting untuk memastikan semua bahagian kod anda berfungsi bersama supaya satu aspek daripadanya tidak melambatkan segala-galanya. I/O Fail boleh menjadi penyekat biasa di bahagian hadapan ini, jadi mari kita lihat cara menggunakan pustaka aiofiles untuk berfungsi dengan fail secara tidak segerak.
Bermula dengan asas, ini adalah semua kod yang anda perlukan untuk membaca kandungan fail secara tak segerak (dalam fungsi async):
async with aiofiles.open('filename', mode='r') as f: contents = await f.read() print(contents)
Mari kita teruskan dan gali lebih dalam.
Apakah kod tidak menyekat?
Anda mungkin mendengar istilah seperti "tak segerak", "tidak menyekat" atau "serentak" dan agak keliru tentang maksud kesemuanya. Menurut tutorial yang lebih terperinci ini, dua sifat utama ialah:
- Rutin tak segerak boleh "menjeda" sementara menunggu keputusan muktamadnya untuk membiarkan rutin lain berjalan sementara itu.
- Kod tak segerak, melalui mekanisme di atas, memudahkan pelaksanaan serentak. Secara berbeza, kod tak segerak memberikan rupa dan rasa konkurensi.
Jadi kod tak segerak ialah kod yang boleh digantung sementara menunggu keputusan, untuk membolehkan kod lain dijalankan sementara itu. Ia tidak "menyekat" kod lain daripada dijalankan jadi kami boleh memanggilnya kod "tidak menyekat".
Pustaka asyncio menyediakan pelbagai alatan untuk pembangun Python untuk melakukan ini, dan aiofiles menyediakan fungsi yang lebih khusus untuk bekerja dengan fail.
Menyediakan
Pastikan anda telah menyediakan persekitaran Python anda sebelum kami bermula. Ikuti panduan ini melalui bahagian virtualenv jika anda memerlukan bantuan. Mendapatkan semuanya berfungsi dengan betul, terutamanya berkenaan dengan persekitaran maya adalah penting untuk mengasingkan kebergantungan anda jika anda mempunyai berbilang projek yang dijalankan pada mesin yang sama. Anda memerlukan sekurang-kurangnya Python 3.7 atau lebih tinggi untuk menjalankan kod dalam siaran ini.
Sekarang persekitaran anda telah disediakan, anda perlu memasang beberapa perpustakaan pihak ketiga. Kami akan menggunakan aiofiles jadi pasang ini dengan arahan berikut selepas mengaktifkan persekitaran maya anda:
pip install aiofiles==0.6.0
Untuk contoh dalam sisa siaran ini, kami akan menggunakan fail JSON data API Pokemon yang sepadan dengan 150 Pokemon asal. Anda boleh memuat turun folder dengan semua itu di sini. Dengan ini anda harus bersedia untuk meneruskan dan menulis beberapa kod.
Membaca daripada fail dengan aiofiles
Mari kita mulakan dengan hanya membuka fail yang sepadan dengan Pokemon tertentu, menghuraikan JSONnya ke dalam kamus dan mencetak namanya:
async with aiofiles.open('filename', mode='r') as f: contents = await f.read() print(contents)
Apabila menjalankan kod ini, anda sepatutnya melihat "articuno" dicetak ke terminal. Anda juga boleh lelaran melalui fail secara tidak segerak, baris demi baris (kod ini akan mencetak semua 9271 baris articuno.json):
pip install aiofiles==0.6.0
Menulis ke fail dengan aiofiles
Menulis pada fail juga serupa dengan fail Python standard I/O. Katakan kami ingin mencipta fail yang mengandungi senarai semua pergerakan yang setiap Pokemon boleh belajar. Untuk contoh mudah, inilah yang akan kami lakukan untuk Pokemon Ditto, yang hanya boleh mempelajari langkah "transformasi":
import aiofiles import asyncio import json async def main(): async with aiofiles.open('articuno.json', mode='r') as f: contents = await f.read() pokemon = json.loads(contents) print(pokemon['name']) asyncio.run(main())
Mari cuba ini dengan Pokemon yang mempunyai lebih daripada satu pergerakan, seperti Rhydon:
import aiofiles import asyncio async def main(): async with aiofiles.open('articuno.json', mode='r') as f: async for line in f: print(line) asyncio.run(main())
Jika anda membuka rhydon_moves.txt, anda sepatutnya melihat fail dengan 112 baris yang bermula seperti ini.
Menggunakan asyncio untuk melalui banyak fail secara tidak segerak
Sekarang mari kita membuat sedikit lebih rumit dan lakukan ini untuk semua 150 Pokemon yang kami ada fail JSON. Kod kami perlu membaca daripada setiap fail, menghuraikan JSON dan menulis semula setiap pergerakan Pokemon ke fail baharu:
import aiofiles import asyncio async def main(): async with aiofiles.open('ditto_moves.txt', mode='w') as f: await f.write('transform') asyncio.run(main())
Selepas menjalankan kod ini, anda seharusnya melihat direktori fail Pokemon yang diisi dengan fail .txt bersama fail .json, yang mengandungi senarai pergerakan yang sepadan dengan setiap Pokemon.
Jika anda perlu melakukan beberapa tindakan tak segerak dan ingin menamatkan dengan data yang sepadan dengan tugas tak segerak tersebut, seperti senarai dengan setiap pergerakan Pokemon selepas menulis fail, anda boleh menggunakan asyncio.ensure_future dan asyncio.gather.
Anda boleh memecahkan bahagian kod anda yang mengendalikan setiap fail ke dalam fungsi tak segeraknya sendiri dan menambahkan janji untuk panggilan fungsi tersebut ke senarai tugasan. Berikut ialah contoh fungsi itu dan fungsi utama baharu anda akan kelihatan:
import aiofiles import asyncio import json async def main(): # Read the contents of the json file. async with aiofiles.open('rhydon.json', mode='r') as f: contents = await f.read() # Load it into a dictionary and create a list of moves. pokemon = json.loads(contents) name = pokemon['name'] moves = [move['move']['name'] for move in pokemon['moves']] # Open a new file to write the list of moves into. async with aiofiles.open(f'{name}_moves.txt', mode='w') as f: await f.write('\n'.join(moves)) asyncio.run(main())
Ini ialah cara biasa untuk menggunakan kod tak segerak dalam Python dan selalunya digunakan untuk perkara seperti membuat permintaan HTTP.
Jadi untuk apa saya gunakan ini?
Contoh dalam siaran ini menggunakan data daripada Pokemon hanyalah alasan untuk menunjukkan kefungsian modul aiofiles, dan cara anda menulis kod untuk menavigasi melalui direktori fail untuk membaca dan menulis. Mudah-mudahan, anda boleh menyesuaikan sampel kod ini kepada masalah khusus yang anda cuba selesaikan supaya fail I/O tidak menjadi penyekat dalam kod tak segerak anda.
Kami hanya menconteng apa yang boleh anda lakukan dengan aiohttp dan asyncio, tetapi saya harap ini telah memudahkan anda memulakan perjalanan ke dunia Python tak segerak.
Saya tidak sabar untuk melihat apa yang anda bina. Jangan ragu untuk menghubungi dan berkongsi pengalaman anda atau bertanya sebarang soalan.
Atas ialah kandungan terperinci Bekerja dengan Fail Asynchronously dalam Python menggunakan aiofiles dan asyncio. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

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

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

Undress AI Tool
Gambar buka pakaian secara percuma

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 lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
