aiofiles 不是真异步，而是用线程池包装同步 I/O；需显式指定 encoding 才能读写文本；必须用 async with 确保资源释放；并发写需手动加锁；适合常规 Web/CLI 场景。
直接说结论：aiofiles 本身不提供真正的异步 I/O，它只是用线程池（loop.run_in_executor）包装了同步的 open，适合 I/O 密集但不追求极致性能的场景；若需真正零拷贝异步文件操作，得换 uvloop + os.open + os.sendfile 或用 trio 的 Path，但绝大多数 Web/CLI 场景下 aiofiles 足够用且更安全。
为什么 aiofiles.open 不是“真异步”？
Python 标准库的文件对象（io.BufferedIOBase 等）内部基于系统调用（如 read()、write()），而这些调用在 Linux/macOS 上默认是阻塞的，无法被 asyncio 事件循环直接接管。所以 aiofiles 实际上是把每个 read() 或 write() 提交到默认的 ThreadPoolExecutor 中执行，主线程继续跑事件循环——本质是“伪异步”，但对磁盘 I/O 这类慢操作已足够隐藏延迟。
- 表现上不会卡住 event loop，
await仍可让出控制权 - 并发读多个小文件时，吞吐提升明显；但大量小写（如每条日志
await f.write(...)）会因线程切换开销变大 - 不能和
asyncio.to_thread（Py3.9+）混用同一文件对象，容易引发ValueError: I/O operation on closed file
aiofiles.open 的正确打开模式与编码处理
它支持标准 open() 的所有参数，但必须显式指定 encoding 才能返回 str；否则返回 bytes。这点比同步 open 更严格，因为底层没做自动解码。
- 文本读写务必加
encoding="utf-8"，否则await f.read()返回bytes，后续.splitlines()会报错 -
mode="w"会清空文件，"a"追加，"x"独占创建（文件存在则抛FileExistsError） - 二进制模式（
"rb"/"wb"）不用设encoding，但注意bytes和str混用会触发TypeError
示例：
import aiofiles
<h1>✅ 正确：文本读取</h1><p>async def read_config():
async with aiofiles.open("config.json", mode="r", encoding="utf-8") as f:
content = await f.read()
return json.loads(content)</p><h1>❌ 错误：没设 encoding，content 是 bytes，json.loads() 失败</h1><p>async def bad_read():
async with aiofiles.open("config.json", mode="r") as f:
content = await f.read() # type: bytes
return json.loads(content) # TypeError</p>
并发读写多个文件时的资源泄漏风险
aiofiles.open 返回的对象不是 context manager 的子类，但支持 async with——这是唯一推荐的用法。漏掉 async with 或提前 await f.close() 后再 await f.read()，会导致 ValueError: I/O operation on closed file 或句柄泄露。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 永远用
async with aiofiles.open(...) as f:，不要手动close() - 避免在
async with块外保存f引用，尤其不要跨await边界使用 - 并发写同一文件时，
aiofiles不做锁，需自行用asyncio.Lock保护
示例（安全并发写）：
import asyncio
import aiofiles
<p>lock = asyncio.Lock()</p><p>async def safe_append_log(msg):
async with lock: # 防止多协程同时写乱序
async with aiofiles.open("app.log", mode="a", encoding="utf-8") as f:
await f.write(f"[{time.time():.0f}] {msg}\n")</p>
真正麻烦的是大文件流式处理或低延迟要求场景——这时 aiofiles 的线程池模型就成了瓶颈，得切到 trio.Path 或自己用 os.pread/os.pwrite 配合 asyncio.to_thread 控制缓冲区大小。不过对配置加载、模板渲染、日志聚合这类任务，它已经把事情做对了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
