Работа с файлами

(Долг за прошлую лекцию — дескрипторы)

Оператор with

Заранее задать finally (например, закрыть открытый файл, даже если были исключения)
протокол контекстного менеждера
- .__enter__() / .__exit__(exc_type, exc_val, exc_tb)
```
   1 class CM:
   2     def __init__(self, val = None):
   3         self.val = val
   4 
   5     def __enter__(self):
   6 
   7     def __exit__(self, *args):
   8         print("<<<",*(c for c in args if c))
   9         return self.val
  10 
  11 with CM(True) as f:
  12     print("Working")
  13     raise(SyntaxError("WTF?"))
  14 
  15 print("Done")
```
  - →
```
>>>
Working
<class 'SyntaxError'> WTF? <traceback object at 0x7efe7082cd80>
<<<
Done
```
  - Обратите внимание на то, что третья строка (сообщение о необработанном исключении) может, формально говоря, появиться в любом месте после вывода «Working», потому что выводится на stderr, а все остальные сообщения — на stdout

Далее см. contextlib.html

Просто файлы

В tutorial

open(), r/w/a и т. п.
.read()/.write()/.readline()
файл как итератор, .readlines()
.seek(),.tell()
текстовые и двоичные
- повтор: str, bytes и bytearray
- b/t
файл и with, зачем нужно

бНОПНЯ

Понятие кодировки. Unicode, UTF* и прочее
- Кодировка: соответствие некоторого числа конкретному символу (например, описанному в Unicode)
- Тысячи их
- UTF-8: то ли один байт, то ли два
- Однобайтные кодировки: без указания кодировки нельзя понять, что написано
```
   1 >>> txt = "Вопрос"
   2 >>> print(*map(hex, map(ord, txt)))
   3 0x412 0x43e 0x43f 0x440 0x43e 0x441
   4 >>> txt.encode()
   5 b'\xd0\x92\xd0\xbe\xd0\xbf\xd1\x80\xd0\xbe\xd1\x81'
   6 >>> sys.getdefaultencoding()
   7 'utf-8'
   8 >>> txt.encode('utf-8')
   9 b'\xd0\x92\xd0\xbe\xd0\xbf\xd1\x80\xd0\xbe\xd1\x81'
  10 >>> txt.encode('WINDOWS-1251')
  11 b'\xc2\xee\xef\xf0\xee\xf1'
  12 >>> txt.encode('KOI8-R')
  13 b'\xf7\xcf\xd0\xd2\xcf\xd3'
  14 >>> txt.encode('WINDOWS-1251').decode('KOI8-R')
  15 'бНОПНЯ'
  16 
```
- Представление строк внутри Python: т. н. «питоний unicode» (двухбайтовый)
  - Если в строке нет ни одного не-ASCII символа, она хранится побайтово, но это абсолютно прозрачно, кроме размера:
    1 >>> sys.getsizeof("qwe") 2 52 3 >>> sys.getsizeof("qwer") 4 53 5 >>> sys.getsizeof("qwert") 6 54 7 >>> sys.getsizeof("qwertЫ") 8 86 9 >>> sys.getsizeof("qwertЫs") 10 88 11 >>> sys.getsizeof("qwertЫsf")
codecs

Типизированные файлы

объекты: чтение и запись объектов Python

pickle

pickle.dumps(obj) / pickle.dump(obj, file)

pickle.loads(bytes_object) / pickle.load(file)

   1 >>> import pickle
   2 >>> pickle.dumps(0x14131211)
   3 b'\x80\x04\x95\x06\x00\x00\x00\x00\x00\x00\x00J\x11\x12\x13\x14.'
   4 >>> pickle.dumps(0x14131211)[-5:]
   5 b'\x11\x12\x13\x14.'
   6 >>> du = pickle.dumps(123.123e20)
   7 >>> du
   8 b'\x80\x04\x95\n\x00\x00\x00\x00\x00\x00\x00GD\x84\xdb\x9b\xe5\x05\x1cP.'
   9 >>> ud = pickle.loads(du)
  10 >>> ud
  11 1.23123e+22
  12 >>> F = open("serialized", "bw")
  13 >>> pickle.dump(100500, F)
  14 >>> pickle.dump([1, "WER", None], F)
  15 >>> pickle.dump(b"QWWER", F)
  16 >>> F.close()
  17 >>> F = open("serialized", "br")
  18 >>> pickle.load(F)
  19 100500
  20 >>> pickle.load(F)
  21 [1, 'WER', None]
  22 >>> pickle.load(F)
  23 b'QWWER'
  24 >>> class C:
  25 ...     A = 3
  26 ... 
  27 >>> c = C()
  28 >>> du = pickle.dumps(c)
  29 >>> ud = pickle.loads(du)
  30 >>> ud
  31 <__main__.C object at 0x7f0e60c502b0>
  32 >>> ud.A
  33 3
  34 >>> ud = pickle.loads(du)
  35 Traceback (most recent call last):
  36   File "<stdin>", line 1, in <module>
  37 AttributeError: Can't get attribute 'C' on <module '__main__' (<_frozen_importlib_external.SourceFileLoader object at 0x7f0e60c8bac0>)>
  38 >>> class C:
  39 ...     E = 100500
  40 ... 
  41 >>> ud = pickle.loads(du)
  42 >>> ud
  43 <__main__.C object at 0x7f0e60b50b20>
  44 >>> ud.A
  45 Traceback (most recent call last):
  46   File "<stdin>", line 1, in <module>
  47 AttributeError: 'C' object has no attribute 'A'
  48 >>> ud.E
  49 100500
  50

Pickling Class Instances
небезопасно

структуры типа Си:

struct
- Format Characters
- последовательность байтов

Пример: заголовок PNG

   1 import struct
   2 import zlib
   3 import sys
   4 
   5 HEADER = "8B"
   6 CHUNK = "!I4s"
   7 CRC = "!I"
   8 IHDR = "!IIBBBBB"
   9 
  10 def readpack(fmt, fle):
  11     return struct.unpack(fmt, fle.read(struct.calcsize(fmt)))
  12 
  13 payload = b''
  14 with open(sys.argv[1], "br") as f:
  15     png = readpack(HEADER, f)
  16     print(*map(hex, png))
  17     while (chunk := readpack(CHUNK, f))[1] != b"IEND":
  18         print(*chunk)
  19         data = f.read(chunk[0])
  20         crc = readpack(CRC, f)
  21         if chunk[1] == b"IHDR":
  22             w, h, bpp, col, comp, filt, i = struct.unpack(IHDR, data)
  23             print(f"{w}×{h}, {bpp=}, {col=}, {comp=}, {filt=}, {i=}")
  24         elif chunk[1] == b"IDAT":
  25             payload += data
  26 
  27 print(len(payload), w, h, w*h)
  28 payload = zlib.decompress(payload)
  29 print(len(payload), w, h, w*h)

базы данных

Идея: интерфейс словаря (ключ:значение) + быстрый поиск под капотом

   1 >>> import dbm
   2 >>> F = dbm.open("data.db", "c")
   3 >>> F["qwe"] = "rty"
   4 >>> F["asd"] = "zxcv"
   5 >>> F["qerw"] = "werw"
   6 >>> F["123"] = "123"
   7 >>> 
   8 >>> F["asd"]
   9 b'zxcv'
  10 >>> F[b"asd"]
  11 b'zxcv'
  12 >>> F["Ы"] = "Ы"
  13 >>> F["Ы"]
  14 b'\xd0\xab'
  15 >>> F.close()
  16 >>> F = dbm.open("data.db", "r")
  17 >>> F["qerw"]
  18 b'werw'
  19 >>> k = F.firstkey()
  20 >>> k
  21 b'\xd0\xab'
  22 >>> while k:
  23 ...     print(F[k])
  24 ...     k = F.nextkey(k)
  25 ... 
  26 b'\xd0\xab'
  27 b'rty'
  28 b'zxcv'
  29 b'werw'
  30 b'123'
  31

Файлы с известной структурой
- Тысячи их, часть поддерживают файловый протокол, часть — нет

Д/З

Прощёлкать примеры с файлами в Tutorial, а также примеры по pickle и struct
EJudge: TotalBnopnya 'Неудачная перекодировка'
Текст процедуры на языке Рапира в кодировке koi8-r был несколько (не более четырёх раз) раз перекодирован, причём перекодировщику сообщали совершенно произвольную исходную и целевую кодировку (например, из CP866 в latin1). Восстановить предполагаемый текст процедуры.
- В первой строке ввода — возможные кодировки, не более 8 (через пробел)
- Во второй строке ввода — последовательность шестнадцатеричных цифр — это байты закодированной процедуры
- На выходе — исходный текст процедуры.
- Для упрощения будет считать, что в программе на языке Рапира могут присутствовать только
  - Заглавные русские и латинские буквы (строчных нет)
  - Цифры и символы из набора ()[]+-*/%;.,>=<"!:
  - Пробелы, табуляции и переводы строки
- Известно, что неоднозначная перекодировка (в которой более одного входного символа соответствует одному выходному) не производилась
Input:
```
utf8 koi8-r CP1251 CP866 ISO8859-1 ISO8859-5 mac-arabic cp1140
d0aed091e2959ed19120d0a6d094e29591d091d09428293b0a20202020d093d098d093e2959ee295933a2022d099e29593d091e29591d093d0a6d094d093d095e295992c20e2959ce29598d09121223b0ae2959ae2959dd1913b0a
```
Output:
```
utf8 koi8-r CP1251 CP866 ISO8859-1 ISO8859-5 mac-arabic cp1140
6641665066316635c28066476644663366506644c288c289c29bc28ec280c280c280c28066c2b966c2ad66c2b966316657c29ac280c28266c3b466576650663366c2b96647664466c2b9664566c29fc28cc28066c39c66c3996650c281c282c29bc28e6639665c6635c29bc28e
```
<<EJCMC(148, ZipInfo, Размер архива)>> Написать программу, которой на stdin подаётся zip-архив в виде шестнадцатеричного дампа (последовательность шестнадцатеричных цифр, возможно, разделённых пробелами и переводами строки), а на выходе она показывает количество и суммарный объём хранящихся в нём файлов, если их распаковать.
- Внимание! в отличие от всех предыдущих задач, никакой пустой строки в конце нет, пользуйтесь файловыми операциями ввода!
- Есть минимум два принципиально разных способа решить эту задачу

LecturesCMC/PythonIntro2020/12_Files

Работа с файлами

Оператор with

Просто файлы

бНОПНЯ

Типизированные файлы

Д/З