开发技术--浅谈文件操做与字符编码

开发|浅谈文件操做与字符编码

据说Python的文件操做很容易在某一些电脑上出问题，然而罪魁祸首就是字符编码。让咱们来了解一些底层的编码方式。

前言

目前全部的文章思想格式都是:知识+情感。
知识:对于全部的知识点的描述。力求不含任何的自我感情色彩。
情感:用我本身的方式，解读知识点。力求通俗易懂，完美透析知识。

正文

本文主要分为两大部分，一部分是如何使用Python进行文件操做，另外一部分是聊一下字符编码的那些事。(比较绕，尽可能用最最最通俗的话表述~~)

文件操做

1.文件操做方式
open()
close()
直接看源码吧~~

def open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True):
    """
    Open file and return a stream.  Raise OSError upon failure.

    ========= ===============================================================
    Character Meaning
    --------- ---------------------------------------------------------------
    'r'       open for reading (default)
    'w'       open for writing, truncating the file first
    'x'       create a new file and open it for writing
    'a'       open for writing, appending to the end of the file if it exists
    'b'       binary mode
    't'       text mode (default)
    '+'       open a disk file for updating (reading and writing)
    'U'       universal newline mode (deprecated)
    ========= ===============================================================

    """
    pass

2.文件操做mode

'r'       只读
    'w'       清空文件内容，只写
    'a'       打开文件，追加内容
    'b'       二进制操做文件，因此就有rb/wb/ab
    '+'       增长读写的功能，plus的功能~，因此就有w+/r+

3.读文件
1)最经常使用的是使用with 语句打开文件，不须要考虑关闭文件，自动进行文件的关闭
2)使用文件句柄f进行打开文件，必须本身指定关闭文件
3)文件读取的时候，可使用 read() 读取全部的文件，也可使用readline() 读取文件的一行
4)注意原始文件的编码，不指定pycharm默认的是utf-8，编码错误就乱码

4.写文件
1)写数据到文件，使用 write()函数，可是不是直接写到硬盘中，是先写到内存中，过必定时间以后写到硬盘中。
2)可使用 flush（） （强刷内存中数据到硬盘）

5.文件的经常使用操做
关键点：文件中光标的位置

seek()   # (注意:文件的编码，整数倍的文件编码单元的字节)
truncate（）  # 截断数据
tell()   # 返回光标的位置
修改文件局部内容  
    占内存修改
    占硬盘修改

6.附加了解内容
1)给文件重命名
可使用 : os.rename() 或者 os.replace()
注意:在使用with打开文件重命名的时候，会报错，缘由是当前文件尚未被关闭，是没有办法重命名的，能够更换打开方式，使用文件句柄打开。

2)sys.argv
sys.argv[]是从程序外部获取参数
sys.argv[0]表示代码自己文件路径
不理解的能够参考一下 这篇文章;http://www.javashuo.com/article/p-cthlxfyn-n.html

字符编码

基础知识

1.二进制是什么？
二进制是0与1，计算机只认识二进制。可是人并不认识计算机认识的二进制(命令转化的二进制)。人只认知命令。那么命令如何变为二进制就是须要解决的问题。

2.ASCII表能够干什么？
ASCII表表示的256个字符的顺序表。既然有顺序，那么人能够读的是十进制，而十进制能够变为二进制，因此ASCII表也就是起到了特殊字符映射到二进制的做用。
Python查看输入字符对应的二进制的十进制数是多少的函数: ord('a')

注意:此时咱们就能够输入ASCII表中的字符，就会转为二进制，计算机就看懂了。见下图ASCII表:

3.数据的表示
在计算机中，规定一个二进制数为一个bit(位)。
八个二进制数为八个bit，称为1个bytes，表示1个字节。
进而:1KB=1024B

GB2312与GBK

在基础知识，已经知道了ASCII表是作什么的，那么如今能够表示ASCII表中的字符到计算机中了，此时其余除了ASCII表中的字符去哪里找，有怎么存储到计算机中？
中国，最早使用的是 GB2312，随着须要表示字符数量的增多，开始使用GBK。此时就能够将汉字转换为计算机能够看懂的二进制数。
注意: GBK是在ASCII表中的进行的字符映射扩展。此时表示一个汉字须要2个字节。

unicode

unicode编码，是将全球的语言字符进行了整合，全部的语言字符均可以在unicode中找到。
注意:unicode编码的全部字符所有须要4个字节。

utf家族

utf家族的表明明星是: utf-8。
因为使用unicode编码，文件的存储变大，而且不利于网络数据的传输和存储，因此改进的方式是utf家族，其中使用对多的就是utf-8.
UTF-8： 使用一、二、三、4个字节表示全部字符；优先使用1个字符、没法知足则使增长一个字节，最多4个字节。英文占1个字节、欧洲语系占2个、东亚(中国)占3个，其它及特殊字符占4个

编码的转换

1.前提知识:
1)计算机的内存中数据，也就是内存中的二进制0和1，是使用 unicode 编码。
2)全部的网络传输与数据存储(硬盘上的数据)，是使用utf-8 编码。
3)Windows系统的编码是 gbk。

2.不一样编码转换方法
使用unicode编码做为中介，首先将源编码文件进行解码(decode（）解码)成为unicode，再将unicode编码(encode（）)成为目标编码格式。

3.pycharm中声明编码格式
推荐声明：coding:utf-8 # -- encoding:utf-8 --
注意:第一行写编码声明，此时pycharm会自动将该文件的编码格式变为utf-8.本身留意书写与不写声明，pycharm右下角的变化。

结束语

小结一下，文件操做中，使用with语句打开的时候，若是对文件继续操做，不手动关闭，会报错。(本身踩得大坑，with语句不会在跳出with以后自动关闭，有必定的时延)
字符编码，真心很差理解，其实最简单的方式就是，分开看内存，硬盘，操做系统，软件，以及对应的编码是什么，就会很清楚了，祝你们学习愉快~~
一点感悟:时间很快，就是转眼间的事，尽可能将本身的时间进行量化~~~