文件操作，json与pickle序列化，函数编程

文件操作

• 文件操作模式：r，只读模式（默认）；w，只写模式（不可读；不存在则创建；存在则删除内容）；a，追加模式（可读，不存在则创建，存在则只追加内容。）r+，读写模式（可读；可写；可追加）；w+，写读模式（先创建文件，写入文件开始读）
• 二进制读写模式：rb；wb；ab（二进制文件的读，写，追加模式）
• 在打开读取文件时，文件内有个指向读取位置的指针，会随之移动到已经读到的位置处
• 打开文件：f = open("yesterday",'r',encoding="utf-8")#r为指定模式为读取模式
• 创建文件：f = open("yesterday",'w',encoding="utf-8")#在写模式下open为创建新文件
• 文件追加：f= open("yesterday",'a',encoding="utf-8")#在追加模式打开文件
• 可读可写可追加模式：f = open("yesterday",'r+',encoding="utf-8")#打开文件读写
• 可读可写可追加模式：f = open("yesterday",'w+',encoding="utf-8")#创建文件写入读取
• 为防止忘了关闭文件，可使用with语句：with open("yesterday",'r',encoding="utf-8") as f:#所有操作指令都在with下执行，当执行结束跳出with则自动关闭文件
• 文件读取data = f.read()#在只写和追加模式下可用，read可填写读取的字符数
• 文件读取一行：print(f.readlines())#读取文件的一行内容
• 循环读取整个文件：

###这种方法将文件一次性读取成列表，放到内存中，不适合大文件
f = open("ZhenhuiZhang",'r', encoding="utf-8")
for line in f.readlines(): #一次性读取整个列表
    print(line)
f.close()

###这种方法将文件一行一行的读取，适合大文件，占用内存小
f = open("ZhenhuiZhang",'r', encoding="utf-8")
for line in f:#一行一行读取，迭代器方法
    print(line)
f.close()

• 文件写入：f.write("write by zzh")#在写模式活追加模式下才可用
• 文件关闭：f.close()#在文件操作完成后，务必记得关闭文件
• 读取文件指针位置：print(f.tell())#文件指针位置，位置根据字符个数计数
• 移动文件指针位置：f.seek(0)#移动到文件开头
• 文件编码格式：print(f.encoding)#获取文件的编码格式
• 将内存中的缓存写入硬盘文件f.flush()#强制刷新
• 文件截断f.truncate(25)#从文件指针位置往后截断到25个字符处

序列化与反序列化

json数据序列化

• 在编写程序过程中，当我想要对一个数据进行临时的存储，并且在未来的一个时刻将数据进行恢复，即将目标数据以文件形式进行存储，可使用json序列化
• json序列化也可用于不同语言之间的数据交互，将数据用A语言json序列化，再用B语言json反序列化。目前json已经取代xml成为主流的程序间交互数据的方式。
• json只能够处理简单的数据类型，而无法处理复杂的数据（如函数）
• json序列化：

import json
info = {"name": 'zzh' , "age": 23}
f = open("test.test", "w")
f.write(json.dumps(info))
f.close()

• json反序列化：

f =open("test.test","r")
info = json.loads(f.read())
print(info)
f.close()

pickle数据序列化

• 若要以文件存储复杂的内容，则可以采用pickle，其用法与json较为类似
• 但是pickle只能在python中可以使用
• pickle序列化：

import pickle
def sayhi(name):
    print('hello',name)
info = {"name": 'zzh',"age": 23,"func":sayhi}
f = open("test.test", "wb")##注意这里是二进制的写
f.write(pickle.dumps(info))
f.close()
###或者也可以等效成下面###
f = open("test.test", "wb")##注意这里是二进制的写
pickle.dump(info,f)
f.close()

• pickle反序列化：

f =open("test.test","rb")##注意这里是二进制的读
info = pickle.loads(f.read())
print(info)
f.close()
###或者也可以等效成下面###
f =open("test.test","rb")##注意这里是二进制的读
info = pickle.load(f)
print(info)
f.close()

3.函数式编程

• 常见的编程方式有：面向对象（class），面向过程（def），函数式编程（def）
• 函数是指将一组语句的集合通过一个名字(函数名)封装起来，要想执行这个函数，只需调用其函数名即可
• 形参与实参：形参变量只有在被调用时才分配内存单元，在调用结束时，即刻释放所分配的内存单元。因此，形参只在函数内部有效。函数调用结束返回主调用函数后则不能再使用该形参变量。实参可以是常量、变量、表达式、函数等，无论实参是何种类型的量，在进行函数调用时，它们都必须有确定的值，以便把这些值传送给形参。因此应预先用赋值，输入等办法使参数获得确定值。
• 在函数内部若想修改全局变量，则需要声明global zzh #zzh为全局变量名，但是强烈不推荐使用
• 当全局变量与局部变量同名时：在定义局部变量的子程序内，局部变量起作用；在其它地方全局变量起作用。
• 函数的参数与返回值：

def calc(x,y):
    res = x**y
    return res #返回函数执行结果
c = calc(a,b) ＃结果赋值给c变量
print(c)

• 函数的默认参数：可以在定义函数时，给予默认参数；调用时若用户未指定则使用默认参数。如：def calc(x=1,y=2):
• 非固定参数：若函数传入的参数数量不固定，可使用非固定参数。
  *args方法：接收N个位置参数，将其转化为元组，如：def stu_info(name,age,*args): # *args 会把多传入的参数变成一个元组形式。
  **kwargs方法：接收N个关键字参数，将其转化为字典，如：

def stu_register(name,age,*args,**kwargs): # **kwargs 会把多传入的参数变成一个字典
    print(name,age,args,kwargs)
stu_register("ZZH",23,"CN","Python",sex="Male",province="FuJian")
#输出  :  ZZH 23 ('CN', 'Python') {'province': 'FuJian', 'sex': 'Male'}

• 参数放置顺序：位置参数， 关键字参数，默认值参数，参数组*args，参数组**kwargs
• 函数递归：如果一个函数在内部调用自身本身，这个函数就是递归函数。
• 递归特性:1. 必须有一个明确的结束条件；2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少；3. 递归效率不高，递归层次过多会导致栈溢出
• 匿名函数：calc = lambda x:x*3#lambda为匿名函数关键字
• 高阶函数：一个函数就可以接收一个函数作为参数，或者一个函数的返回结果是一个函数，则称这种函数就称之为高阶函数。

def add(a,b,func):
    return func(a)+func(b)
res = add(3,-6,abs)
print(res)
#输出：9

参考：
https://www.cnblogs.com/alex3714/articles/5740985.html
http://www.cnblogs.com/alex3714/articles/5161349.html