一个运行中的程序会存取放在随机存取存储器（RAM）上的数据。RAM读取速度快，但断电后保存在上面的数据会自动消失；磁盘速度比RAM慢，但可以一直保持数据。因此，计算机系统在数据存储设计中得权衡磁盘和RAM。程序员需要在非易失性介质（例如磁盘）上做持久化存储和检索数据。
在这篇文章中，你将学习到以下内容
1.文本文件读写
①文件的打开
普通文件是数据持久化最简单的类型，它仅仅是在一个文件名下的字节流，把数据从一个文件读入内存，然后从内存写入文件。读写一个文件之前需要使用open()函数打开它：f = open(filename[,mode[,buffering]])。
- f：open()返回的文件对象；
- filename：文件的字符串名；
- mode：可选参数，打开模式和文件类型；
- buffering：可选参数，文件的缓冲区，默认为-1。
mode第一个字母表明对其的操作：
- ‘r’表示读模式；
- ‘w’表示写模式。如果文件不存在则新创建，如果存在则重写新内容；
- ‘x’表示在文件不存在的情况下新创建并写文件；
- ‘a’表示在文件末尾追加写内容；
- ‘+’表示读写模式。
mode第二个字母是文件类型：
- ‘t’（或者省略）表示文本类型；
- ‘b’表示二进制文件。
②使用write()写文本文件
生成的文件“example”可以在Python目录下找到，用记事本打开，就能看到刚刚输入的这五行代码。
如果源字符串很大，可以将数据分块，直到所有字符被写入。
例如下面，第一次写入50个字符，然后写入剩下的32个字符：
③使用read()、readline()或者readlines()读文本文件
可以使用不带参数的read()函数一次读入文件的所有内容：
和写入一样，读入也可以设置最大的字符数限制。
例如下面，一次读入50个字符，然后把每一块拼接成原来的字符串article：
我们还可以使用readline()每次读入文件的一行。
例如下面，通过追加每一行拼接成原来的字符串article：
读取文本文件最简单的方式是使用迭代器，它也是每次返回一行，但是代码比之前的例子短：
也可以使用函数readlines()调用每次读取一行，并返回单行字符串的列表：
④使用with自动关闭文件
每一次打开文件之后，都得使用close()关闭文件。
如果不close()，那就要等到垃圾回收时，自动释放资源，垃圾回收的时机是不确定的，也无法控制的。如果程序是一个命令，很快就执行完了，那么可能影响不大（并不是说就保证没问题）。但如果程序是一个服务，或是需要很长时间才能执行完，或者很大并发执行，就可能导致资源被耗尽，也有可能导致死锁。
Python中有一个上下文管理器，可以很好的防止我们忘了使用close()关闭文件，上下文管理器会清理一些资源例如打开的文件。它的书写形式为with expression as variable：
完成上下文管理器的代码后，文件会被自动关闭。
2.二进制文件
①使用write()写二进制文件
如果文件模式字符串中包含'b'，那么文件会以二进制模式打开。这种情况下，读写的是字节而不是字符串。
和文本一样，二进制数据也可以分块写入：
②使用read()读二进制文件
③使用seek()改变位置
无论是读或者写文件，Python都会跟踪文件中的位置。函数 tell() 返回距离文件开始处的字节偏移量。函数seek()允许跳转到文件其他字节偏移量的位置：f.seek(offset[, whence])。offset：开始的偏移量，也就是代表需要移动偏移的字节数；whence：给offset参数一个定义，表示要从哪个位置开始偏移：
0代表从文件开头开始算起，1代表从当前位置开始算起，2代表从文件末尾算起。
同时，值得注意的是，如果whence为1或者2时，需要用rb打开文件，否则程序会报错。
whence值为空没设置时会默认为0。
3.结构化文本文件
对于简单的文本文件，唯一的结构层次是间隔的行，但有时候需要更加结构化的文本，用于后续使用的程序保存数据或者向另外一个程序传送数据。
①CSV
带分隔符的文件一般用作数据交换格式或者数据库，是纯文本文件，以逗号为分隔符。csv文件可以是任何支持迭代器协议的对象，并在每次调用其方法时返回一个字符串- 文件对象和列表对象都是合适的。
- 值没有类型，所有值都是字符串；
- 不能指定字体颜色等样式；
- 不能指定单元格的宽高，不能合并单元格；
- 没有多个工作表；
- 不能嵌入图像图表。
- 除了逗号，还有其他可代替的分隔符'|'和'\t'很常见；
- 有些数据会有转义字符序列，如果分隔符出现在一块区域内，则整块都要加上引号或者在它之前加上转义字符；
- 文件可能有不同的换行符，在第一行可以加上列名。
文件读取
reader：re = csv.reader()。接受一个可迭代对象（比如csv文件），能返回一个生成器，可以从其中解析出内容。
DictReader：re = csv.DictReader()。与reader类似，但返回的每一个单元格都放在一个元组的值内。
文件写操作
w = csv.writer()/，w.witerow(rows)（row：写一行进去）。当文件不存在时，自动生成，支持单行写入和多行写入。
字典数据写入：w = csv.DictWriter()，w.writeheader()，w.writerow(rows)。writeheader就是写表头，writerow把字典当中key对应的表头的标题栏，然后value写进CSV文件里。
②Excel
openpyxl模块（需要cmd里用pip安装）
- 用来读写扩展名为xlsx/xlsm/xltx/xltm的文件；
- Workbook类是对工作簿的抽象；
- Worksheet类是对表格的抽象；
- Cell类是对单元格的抽象文件写操作。
创建Excel文件
一个Workbook对象代表一个Excel文档，使用该方法创建一个Worksheet对象后才能打开一个表from openpyxl import Workbook，wb = Workbook()，ws = wb.active。
读取Excel文件
注意是load_worbook！from openpyxl import load_workbook，wb = load_workbook(filename)，ws = wb.file.active：把当前的工作表提交出来。
获取单元格信息
- 获取Cell对象:
c = wb[‘sheet’][‘A1’]：通过索引的形式取到工作表，再用单元格的坐标的对象来引用它，c = wb[‘sheet’].cell(row=1,column=1)：直接用点cell的坐标； c.coordinate：返回单元格坐标；c.value：返回单元格的值；c.row：返回单元格所在的行坐标；c.column：返回单元格所在列坐标。
PyPDF2：轻松处理pdf文件的库
- 包含了PdfFileReader、PdfFileMerger、PageObject和PdfFileWriter四个主要类；
- 能进行读写、分割、合并、文件转换等多种操作；
- 只能从PDF文档中提取文本并返回为字符串，而无法提取图像、图表或其他媒体。
PDF读操作：pdfFileReader类
首先用内置迭代open函数打开它，获得一个文件对象，然后再用FileReader处理这个文件，对象就返回了一个FileReader：readFile = open('test.pdf','rb')，pdfFileReader = PdfFileReader(readFile)。
.getNumPages():计算PDF文件总页数；.getPage(index):检索指定编号index的页面。
PDF写操作：pdfFileWriter类
首先由writefile可以进行写，我们有一个写对象，可以得到这个写的对象：writeFile = 'output.pdf'，pdfFileWriter = PdfFileWriter()
.addPage(pageObj):根据每页返回的PageObject,写入到文件；.addBlankPage():在文件的最后一页后面写入一个空白页,保存到新文件。
合并多个pdf文档
我们可以用append往FileMerger当中把整个pdf文档放里面去，也可以再merge一个，从索引开始，把另一个pdf文件放进去，最后可以把整个merger里的pdf合并在一起，输出一个新的pdf。
单个页面操作：PageObject类
当我们从用pdfreader取到一个page的时候，我们就得到一个pageobject，有了这个对象，我们就能做以下操作：
.extractText()：按照顺序提取文本；.getContents()：访问页面内容；.rotateClockwise(angle)：顺时针旋转；.scale(sx,sy)：改变页面大小。
④XML（参考Bill Lubanovic）
带分隔符的文件仅有两维的数据：行和列。如果你想在程序之间交换数据结构，需要一种方法把层次结构、序列、集合和其他的结构编码成文本。XML是最突出的处理这种转换的标记（markup）格式，它使用标签（tag）分隔数据，如下面的示例文件menu.xml所示：
以下是XML的一些重要特性：
- 标签以一个<字符开头，例如示例中的标签 menu、breakfast、lunch、dinner 和 item；
- 忽略空格；
- 通常一个开始标签（例如<menu>））跟一段其他的内容，然后是最后相匹配的结束标签，例如</menu>；
- 标签之间是可以存在多级嵌套的，例子中，标签item是标签breakfast、lunch和dinner的子标签；
- 可选属性（attribute）可以出现在开始标签里，例如price是item的一个属性；
- 标签中可以包含值（value），例子中每个item都会有一个值，例如第二个breakfast item的pancakes；
- 如果一个命名为thing的标签没有内容或者子标签，它可以用一个在右尖括号的前面添加斜杠的简单标签所表示，例如<thing/>代替开始和结束都存在的标签<thing>和</thing>；
- 存放数据的位置可以是任意的——属性、值或者子标签。例如也可以把最后一个item标签写作 。
在Python中解析XML最简单的方法是使用ElementTree
，下面来解析menu.xml文件以及输出一些标签和属性：
对于嵌套列表中的每一个元素，tag是标签字符串，attrib是它属性的一个字典。ElementTree有许多查找XML导出数据、修改数据乃至写入XML文件的方法，它的Python官方文档中有详细的介绍。
⑤JSON
JavaScript Object Notation（JSON）是源于JavaScript的当今很流行的数据交换格式，它是JavaScript语言的一个子集，也是Python合法可支持的语法,对于Python的兼容性使得它成为程序间数据交换的较好选择。不同于众多的XML模块，Python 只有一个主要的JSON模块json，其中两个主要的函数是json.dumps()和json.loads()。
如果要处理的是文件而不是字符串
，我们可以使用json.dump()和json.load()来编码和解码JSON数据。
JSON编码支持的基本数据类型为None，bool，int，float和str，以及包含这些类型数据的lists，tuples和dictionaries。对于dictionaries，keys需要是字符串类型(字典中任何非字符串类型的key在编码时会先转换为字符串)。 为了遵循JSON规范，我们应该只编码Python的lists和dictionaries。而且，在web应用程序中，顶层对象被编码为一个字典是一个标准做法。JSON编码的格式对于Python语法来说几乎是完全一样的，除了一些小的差异之外。 比如，True会被映射为true，False被映射为false，而None会被映射为null。
如果想参阅更多复杂的例子或者了解json更详细的内容，请查看Python的JSON官方文档。