python文件操作：字符编码与文件处理
本文目录：
一、字符编码
储备知识点
1. 计算机系统分为三层:
应用程序
操作系统
计算机硬件
2. 运行python程序的三个步骤
1. 先启动python解释器
2. 再将python文件当作普通的文本文件读入内存
3. 解释执行读入内存的代码,开始识别语法
字符编码
1. 什么是字符编码
字符编码表: 人类的字符<------------>数字 1Bytes=8bit 1B=8b 1字节等于8个二进制位 ASCII码:只能识别英文字符,1英文字符=8bit 用8个二进制bit(比特位)位表示一个英文字符 GBK:能识别汉字与英文,1汉字=16bit,1英文字符=8bit Shift_JIS Euc-kr unicode:能够识别万国字符,1字符=2Bytes=16bit 两大特点: 1. 能够兼容万国字符 2. 与各个国家的字符编码都有映射关系
utf-8:是unicode的转换格式,1个英文字符=1Bytes 1汉字=3Bytes
重点理论: 1 编码与解码: 字符---编码-->unicode的二进制-------编码----->GBK的二进制 GBK的二进制-----解码-->unicode的二进制----解码->字符 2\ 解决乱码问题的核心法则: 字符用什么编码格式编码的,就应该用什么编码格式进行解码 3\ python解释器默认的字符编码 python2:ASCII python3:UTF-8 通过文件头可以修改python解释器默认使用的字符编码 在文件首行写:#coding:文件当初存的时候用的字符编码 针对python2解释器中定义字符串应该: x=u"上" 对于python3解释即便是x="上"不加u前缀也是存成unicode 在python3中 x='上' # '上'存成了uncidoe unicode--------encode----------->gbk res=x.encode('gbk') #res是gbk格式的二进制，称之为bytes类型 gbk(bytes类型)-------decode---------->unicode y=res.decode('gbk') #y就是unicode
关于字符编码的操作： 1. 编写python文件，首行应该加文件头：#coding:文件存时用的编码 2. 用python2写程序，定义字符串应该加前缀u，如x=u'上' 3. python3中的字符串都是unicode编码的，python3的字符串encode之后可以得到bytes类型
2. 为何字符要编码
人类与计算机打交道用的都是人类的字符,而计算机无法识别人类的字符,只能识别二进制,所以必须将人类的字符编码成计算机能识别的二进制数字.
二、文件处理
什么是文件
文件是操作系统提供给用户/应用程序的一种虚拟单位，该虚拟单位直接映射的是硬盘空间
为何要处理文件
用户/应用程序直接操作文件（读/写）就被操作系统转换成具体的硬盘操作，从而实现
用户/应用程序将内存中的数据永久保存到硬盘中
如何用文件
# 文件处理的三个步骤 # f=open(r'c.txt',mode='r',encoding='utf-8') # 文件对象（应用程序的内存资源）------》操作系统打开的文件（操作系统的内存资源） # # print(f) # data=f.read() # f.close() # 向操作系统发送信号，让操作系统关闭打开的文件，从而回收操作系统的资源 # 上下文管理 # with open(r'c.txt',mode='r',encoding='utf-8') as f,open(r'b.txt',mode='r',encoding='utf-8') as f1: # 读写文件的操作 # pass # 文件的打开模式：r（默认的） w a # 操作文件内容的模式： # t（默认的）:操作文件内容都是以字符串为单位,会自动帮我们解码，必须指定encoding参数 # b: 操作文件内容都是以Bytes(二进制)为单位，硬盘中存的是什么就取出什么，一定不能指定encoding参数 # 总结:t模式只能用于文件本文件，而b模式可以用于任意文件 # r模式：只读模式,在文件不存在时则报错，如果文件存在文件指针跳到文件的开头 # with open(r'c.txt',mode='rt',encoding='utf-8') as f: # print(f.read()) # print(f.readable()) # print(f.writable()) # f.write('hello') # 只能读 # data=f.read() # print(data,type(data)) # with open(r'c.txt',mode='rb') as f: # data=f.read() # # print(data,type(data)) # res=data.decode('utf-8') # print(res) # with open(r'c.txt',mode='rt',encoding='utf-8') as f: # # line=f.readline() # # print(line,end='') # # line1=f.readline() # # print(line1,end='') # # line2 = f.readline() # # print(line2,end='') # # lines=f.readlines() # print(lines) # with open(r'c.txt',mode='rt',encoding='utf-8') as f: # line=f.readline() # print(line,end='') # 循环读文件内容的方法： # with open(r'c.txt',mode='rt',encoding='utf-8') as f: # for line in f: # print(line,end='')
