字符编码及文件操做

今日学习内容，字符编码。

首先复习一下运行文件的基本操做：

计算机的三个核心组件：CPU、内存、硬盘。

任何一个程序要想运算，必选先有硬盘加载到内存，而后cpu去内存取指执行，运行着的应用程序产生的数据，必先存在内存。

而后是回顾了python解释器运行一个py文件（如xxx.py）的步骤:

一、将python解释器的代码由硬盘读到内存。

二、将xxx.py以普通文本文件形式读到内存。

三、python读取文件内容，识别python语法，执行相应的操做。

（普通的文本编辑器与python解释器的前两步是同样的）

字符编码

今天学习的新内容是字符编码，字符编码针对文字，字符编码只跟文本文件有关。

人在操做计算机的时候输入的是人可以看懂的字符，可是计算机只能识别0101010这样的二进制数据。输入的流程是输入字符>>>字符编码表（字符编码表就是字符与数字的对应关系）>>>二进制数字。

字符编码的发展史以及分类

第一个阶段

计算机由美国人发明，因此最先的字符编码为ASCII。

第二个阶段

中国规定的GBK编码。

日本人规定的Shift_JIS编码。

韩国人规定的Euc-kr编码。

第三个阶段

unicode万国码（能包括全世界的语言）。

为了能够节省unicode耗费空间的UTF-8编码。

结果：内存中统一采用unicode,浪费空间换区能够转换成任意编码（乱码），硬盘采用utf-8，保证存放于硬盘或者基于网络传输的数据量很小，提升传输效率与稳定性。

unicode的两个特色
1.用户在输入的时候，不管输什么字符都可以兼容万国字符
2.其余国家编码的数据由硬盘读到内存的时候unicode与其余各个国家的编码都有对应关系

存取过程当中的数据变换：

数据由内存保存到硬盘
1.内存中的unicode格式二进制数字 >>>>编码(encode)>>>>> utf-8格式的二进制数据
硬盘中的数据由硬盘读到内存
1.硬盘中的utf-8格式的二进制数据 >>>>>解码(decode)>>>>> 内存中unicode格式的二进制数据

乱码:字符不可以正常显示 （编码不一致）

保证不乱吗的关键在于文本文件以什么编码就用什么解码。

python2
将py文件按照文本文件读入解释器中默认使用ASCII码(由于在开发python2解释器的unicode尚未盛行)
python3
将py文件按照文本文件读入解释器中默认使用utf-8

 

基于Python解释器开发的软件，只要是中文，前面都须要加一个u
在python2中，当你不指定文件头的时候，默认用ASCII存储数据，若是指定文件头那么就按照文件头的编码格式存储数据。python3中字符串默认就是unicode编码格式的二进制数。

补充点：1.pycharm终端用的是utf-8格式。2.windows终端采用的是gbk。

x = '上'
res1 = x.encode('gbk')  # 将unicode编码成能够存储和传输的utf-8的二进制数据
print(res1)  # b'\xe4\xb8\x8a'
# bytes类型  字节串类型  你就把它当成二进制数据便可
res2 = res1.decode('gbk')  # 将硬盘中的utf-8格式的二进制数据解码成unicode格式的二进制数据
print(res2)

 你a他
1Bytes|1Bytes|1Bytes|1Bytes|1Bytes|1Bytes|1Bytes  
1+7bit|1+7bit|1+7bit|1+7bit|1+7bit|1+7bit|1+7bit  # 每一个Bytes真正的有效位数是7位，而首位是一个标志位。

文件处理

什么是文件？操做系统提供给用户操做复杂硬件（硬盘）的简易接口。

为何要操做文件？人或者应用程序须要永久的保存数据。

怎么使用？

#1. 向操做系统发送请求，打开某个文件（应用程序要想操做计算机硬件 必须经过操做系统来简介的操做）
f=open('a.txt','r',encoding='utf-8') #默认打开模式就为r
#2. 向操做系统发请求 读取文件内容
f.read()
#3. 告诉操做系统 关闭打开的文件
f.close()

with open

with open(r'D:\Python项目\day07\a.txt',encoding='utf-8') as f ,\

能够自动帮你调用f.close()

文件打开的模式

 r   只读模式

 w   只写模式   

 a   追加写模式

print(f.readable())  # 是否可读
print(f.writable())  # 是否可写
print(f.read())  # 一次性将文件内容所有读出

补充：文件路径能够写相对路径，可是须要注意该文件必须与执行文件在同一层文件下。

r模式在打开文件的时候，若是文件不存在，则直接报错

with open(r'a.txt',mode='r',encoding='utf-8') as f:  mode关键字能够不写
print(">>>1:")
print(f.read())  # 一次性将文件内容所有读出
print('>>>2:')
print(f.read())  # 读完一次以后 文件的光标已经在文件末尾了，再读就没有内容了可读
print(f.readlines())  # 返回的是一个列表  列表中的一个个元素对应的就是文件的一行行内容，内部至关于一个for循环。
print(f.readline())  # 只读取文件一行内容
   

w模式须要慎用

一、文件不存在的状况下，自动建立该文件。

二、文件存在的状况下，先清除文件内容，再写入。

with open(r'xxx.txt',mode='w',encoding='utf-8') as f:  # 当文件xxx.txt不存在时，会生成一个该文件。
   print(f.readable())  # 是否可读
   print(f.writable())  # 是否可写
   f.write('不不不，你没有翻~\n')  # write是用来写入内容的，\n是用来换行的。
   l = ['不sdffs，sdfs有翻~\n','不sdfsdf不，你sdfsf翻~\n','不sfad不，你没sa翻~\n']
   f.writelines(l)  # writeliens的做用是，写入列表l中的全部内容，内部原理也是一个for循环

a模式

1.当文件不存在的状况下 自动建立该文件

2.当文件存在的状况下，不清空文件内容, 文件的光标会移动文件的最后

with open(r'yyy.txt',mode='a',encoding='utf-8') as f:
    f.write('我是小尾巴\n')

操做文件单位的方式
t 文本文件 t在使用的时候须要指定encoding参数 若是不知道默认是操做系统的默认编码
b 二进制 必定不能指定encoding参数