day 16 基础文件处理与字符串编码

字符--------（翻译过程）------->数字

　　这个过程实际就是一个字符如何对应一个特定数字的标准，这个标准称之为字符编码

- 内存中使用的编码是unicode，用空间换时间（程序都需要加载到内存才能运行，因而内存应该是尽可能的保证快）

- 硬盘中或者网络传输用utf-8，网络I/O延迟或磁盘I/O延迟要远大与utf-8的转换延迟，而且I/O应该是尽可能地节省带宽，保证数据传输的稳定性。

无论是何种编辑器，要防止文件出现乱码（请一定注意，存放一段代码的文件也仅仅只是一个普通文件而已，此处指的是文件没有执行前，我们打开文件时出现的乱码）

核心法则就是，文件以什么编码保存的，就以什么编码方式打开

程序的执行

 

python test.py （我再强调一遍，执行test.py的第一步，一定是先将文件内容读入到内存中）

 

阶段一：启动python解释器

阶段二：python解释器此时就是一个文本编辑器，负责打开文件test.py,即从硬盘中读取test.py的内容到内存中

此时，python解释器会读取test.py的第一行内容，#coding:utf-8，来决定以什么编码格式来读入内存，这一行就是来设定python解释器这个软件的编码使用的编码格式这个编码，

可以用sys.getdefaultencoding()查看，如果不在python文件指定头信息＃-*-coding:utf-8-*-,那就使用默认的

python2中默认使用ascii，python3中默认使用utf-8

阶段三：读取已经加载到内存的代码（unicode编码的二进制），然后执行，执行过程中可能会开辟新的内存空间，比如x="egon"

内存的编码使用unicode，不代表内存中全都是unicode编码的二进制，

 

在程序执行之前，内存中确实都是unicode编码的二进制,比如从文件中读取了一行x="egon",其中的x，等号，引号，地位都一样，都是普通字符而已，都是以unicode编码的二进制形式存放与内存中的

 

但是程序在执行过程中，会申请内存（与程序代码所存在的内存是俩个空间），可以存放任意编码格式的数据，比如x="egon",会被python解释器识别为字符串，会申请内存空间来存放"hello"，然后让x指向该内存地址，此时新申请的该内存地址保存也是unicode编码的egon,如果代码换成x="egon".encode('utf-8'),那么新申请的内存空间里存放的就是utf-8编码的字符串egon了

python2与python3的区别

 

回到顶部

 

5.3.1 在python2中有两种字符串类型str和unicode

str类型

当python解释器执行到产生字符串的代码时（例如s='林'），会申请新的内存地址，然后将'林'encode成文件开头指定的编码格式，这已经是encode之后的结果了，所以s只能decode

 

1 #_*_coding:gbk_*_

2 #!/usr/bin/env python

3 

4 x='林'5 # print x.encode('gbk') #报错

6 print x.decode('gbk') #结果：林

 

所以很重要的一点是：

 

在python2中，str就是编码后的结果bytes，str=bytes,所以在python2中，unicode字符编码的结果是str/bytes

 

 

#coding:utf-8

s='林' #在执行时,'林'会被以conding:utf-8的形式保存到新的内存空间中

 

print repr(s) #'\xe6\x9e\x97' 三个Bytes,证明确实是utf-8print type(s) #<type 'str'>

s.decode('utf-8')

# s.encode('utf-8') #报错，s为编码后的结果bytes，所以只能decode

 

unicode类型

当python解释器执行到产生字符串的代码时（例如s=u'林'），会申请新的内存地址，然后将'林'以unicode的格式存放到新的内存空间中，所以s只能encode，不能decode

 

s=u'林'print repr(s) #u'\u6797'print type(s) #<type 'unicode'>

# s.decode('utf-8') #报错，s为unicode，所以只能encode

s.encode('utf-8')

 

打印到终端

对于print需要特别说明的是：

 

当程序执行时，比如

 

x='林'

 

print(x) #这一步是将x指向的那块新的内存空间（非代码所在的内存空间）中的内存，打印到终端，而终端仍然是运行于内存中的，所以这打印可以理解为从内存打印到内存，即内存->内存，unicode->unicode

 

 

对于unicode格式的数据来说，无论怎么打印，都不会乱码

python3中的字符串与python2中的u'字符串'，都是unicode，所以无论如何打印都不会乱码

 

基本操作

2.1 文件操作基本流程初探

 

f = open('chenli.txt') #打开文件

first_line = f.readline()

print('first line:',first_line) #读一行print('我是分隔线'.center(50,'-'))

data = f.read()# 读取剩下的所有内容,文件大时不要用print(data) #打印读取内容 

f.close() #关闭文件

文件打开模式

 

1 文件句柄 = open('文件路径', '模式')

 

打开文件时，需要指定文件路径和以何等方式打开文件，打开后，即可获取该文件句柄，日后通过此文件句柄对该文件操作。

打开文件的模式有：

 

- r ，只读模式【默认模式，文件必须存在，不存在则抛出异常】

- w，只写模式【不可读；不存在则创建；存在则清空内容】

- x， 只写模式【不可读；不存在则创建，存在则报错】

- a， 追加模式【可读； 不存在则创建；存在则只追加内容】

 

"+" 表示可以同时读写某个文件

 

- r+， 读写【可读，可写】

- w+，写读【可读，可写】

- x+ ，写读【可读，可写】

- a+， 写读【可读，可写】

 

 "b"表示以字节的方式操作

 

- rb 或 r+b

- wb 或 w+b

- xb 或 w+b

- ab 或 a+b

 

 注：以b方式打开时，读取到的内容是字节类型，写入时也需要提供字节类型，不能指定编码

 

回到顶部

 

2.4 文件内置函数flush

 

flush原理：

 

- 文件操作是通过软件将文件从硬盘读到内存

- 写入文件的操作也都是存入内存缓冲区buffer（内存速度快于硬盘，如果写入文件的数据都从内存刷到硬盘，内存与硬盘的速度延迟会被无限放大，效率变低，所以要刷到硬盘的数据我们统一往内存的一小块空间即buffer中放，一段时间后操作系统会将buffer中数据一次性刷到硬盘）

- flush即，强制将写入的数据刷到硬盘

文件内光标移动

 

注意：read(3)代表读取3个字符，其余的文件内光标移动都是以字节为单位如seek，tell，read，truncate