字符编码和文件处理
计算机运行的三大核心硬件
1.CPU 2.内存 3.硬盘
任何一个程序要想运行必须先由硬盘加载到内存，然后去CPU取值执行。
运行着的应用程序产生的数据，必须先存到内存。
字符编码
字符编码针对的是文字
文本编辑器的输入和输出是两个过程，人在操作计算机的时候输入的是人能够看懂的字符，但是计算机只能识别010101这样的二进制数据，那么输入的字符 >>>(字符编码表)>>> 二进制数字
字符编码表就是字符与数字的对应关系
a 0
b 1
a 00
b 01
c 11
d 10
阶段一：现代计算机起源于美国，最早诞生也是基于英文考虑的ASCII
ASCII:用八位二进制表示一个英文字符 所有的英文字符+符号最多也就在125位左右
ASCII最初只用了后七位，127个数字，已经完全能够代表键盘上所有的字符了（英文字符/键盘的所有其他字符）
后来为了将拉丁文也编码进了ASCII表，将最高位也占用了
阶段二:为了满足中文，中国人定制了GBK
GBK:用2Bytes表示一个中文字符 还是用1Bytes表示一个英文字符
为了满足其他国家，各个国家纷纷定制了自己的编码
日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里
阶段三：各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。
于是产生了unicode， 统一用2Bytes代表一个字符， 2**16-1=65535，可代表6万多个字符，因而兼容万国语言
但对于通篇都是英文的文本来说，这种编码方式无疑是多了一倍的存储空间（二进制最终都是以电或者磁的方式存储到存储介质中的）
于是产生了UTF-8，对英文字符只用1Bytes表示，对中文字符用3Bytes
1.浪费存储空间
2.io次数增减，程序运行效率降低(致命)
当内存中的unicode编码格式数据存到硬盘的时候，会按照utf-8编码
unicode transformation format
会将unicode的英文字符由原来的2Bytes变成1Bytes
会将unicode中文字符由原来的2Bytes变成3Bytes
现在的计算机，内存都是unicode，硬盘都是utf-8。
unicode的两个特点
1.用户在输入的时候，无论输什么字符都能够兼容万国字符
2.其他国家编码的数据由硬盘读到内存的时候unicode与其他各个国家的编码都有对应关系
数据由内存保存到硬盘
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
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
保证不乱码在于：文本文件以什么编码编的就以什么编码解
python2，将py文件按照文本文件读入解释器中默认使用ASCII码(因为在开发python2解释器的unicode还没有盛行)
python3 ，将py文件按照文本文件读入解释器中默认使用utf-8
文件头 (coding:utf-8 )
1.因为所有的编码都支持英文字符,所以文件头才能够正常生效
基于Python解释器开发的软件，只要是中文，前面都需要加一个u
为了的就是讲python2(当你不指定文件头的时候，默认用ASCII存储数据，如果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:
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编码成可以存储和传输的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即可
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)
文件处理
1、什么是文件？
操作系统提供给用户操作复杂硬件(硬盘)的简易的接口
2、为什么操作文件
人或者应用程序需要永久的保存数据
3、如何用
f = open()
f.read()
f.close()
"""
通过python代码操作文件
r取消转义
f = open(r'D:\Python项目\day07\a.txt',encoding='utf-8') # 向操作系统发送请求 打开某个文件 # 应用程序要想操作计算机硬件 必须通过操作系统来简介的操作 print(f) # f是文件对象 print(f.read()) # windows操作系统默认的编码是gbk f.read() # 向操作系统发请求 读取文件内容 f.close() # 告诉操作系统 关闭打开的文件 print(f) print(f.read())
文件上下文操作
with open(r'D:\Python项目\day07\a.txt',encoding='utf-8') as f ,\ open(r'D:\Python项目\day07\b.txt',encoding='utf-8') as f1: # f仅仅是一个变量名 你把它看成是一个遥控器 print(f) print(f.read()) print(f1) print(f1.read())
文件打开的模式
1、r 只读模式/
2、w 只写模式
3、追加写模式
操作文件单位的方式
t 文本文件 t在使用的时候需要指定encoding参数 如果不知道默认是操作系统的默认编码
b 二进制 一定不能指定encoding参数
mode参数 可以不写 不写的话默认是rt 只读的文本文件 这个t不写默认就是t
with open(r'D:\Python项目\day07\a.txt',mode='r',encoding='utf-8') as f: print(f.readable()) # 是否可读 print(f.writable()) # 是否可写 print(f.read()) # 一次性将文件内容全部读出 with open(r'D:\Python项目\day07\1.jpeg',mode='rb') as f: print(f.readable()) # 是否可读 print(f.writable()) # 是否可写 print(f.read()) # 一次性将文件内容全部读出
r模式在打开文件的时候 如果文件不存在 直接报错
文件路径可以写相对路径 但是需要注意该文件必须与执行文件在同一层文件下
with open(r'a.txt',mode='r',encoding='utf-8') as f: with open(r'a.txt','r',encoding='utf-8') as f1: mode关键字可以不写 print(f.readable()) # 是否可读 print(f.writable()) # 是否可写 print(">>>1:") print(f.read()) # 一次性将文件内容全部读出 print('>>>2:') print(f.read()) # 读完一次之后 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 for line in f: # f可以被for循环 每for循环依次 读一行内容 print(i) # 这个方法 就可以解决大文件一次性读取占用内存过高的问题 print(f.readline()) # 只读取文件一行内容 print(f.readline()) print(f.readline()) print(f.readline())
w模式:w模式一定要慎用
1.文件不存在的情况下 自动创建该文件
2.当文件存在的情况下 会先清空文件内容再写入
with open(r'xxx.txt',mode='w',encoding='utf-8') as f: print(f.readable()) # 是否可读 print(f.writable()) # 是否可写 f.write('不不不，你没有翻~\n') f.write('不不不，你没有翻~\n') f.write('不不不，你没有翻~\n') f.write('不不不，你没有翻~\r') f.write('不不不，你没有翻~') l = ['不sdffs，sdfs有翻~\n','不sdfsdf不，你sdfsf翻~\n','不sfad不，你没sa翻~\n'] # 上下等价 for i in l: f.write(i)
a模式
1.当文件不存在的情况下 自动创建该文件
2.当文件存在的情况下，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: print(f.readable()) # 是否可读 print(f.writable()) # 是否可写 f.write('我是小尾巴\n')
