字符编码、文件操作

一、字符编码

1、人类能识别的是字符等高级标识符，电脑只能识别0,1组成的标识符，要完成人与机器之间的信息交流，

一定需要一个媒介，进行两种标识符的转化(两种标识符的对应关系)。对应关系形成的结构称之为：编码表

2、编码表的发展史

1.ascii（ASCII）：字母、数字、英文符号与计算机01标识符的对应关系

二进制：11111111 => 255 => 1bytes(1字节) => 8个二进制位

2.中国：研究汉字与计算机01标识符的对应关系：gb2312 => GBK(***) => GB18030

日本：Shift_JIS

棒子：Euc-kr

等等。。。。。

3. 制造一个可以完成万国字符与计算机01标识符的对应关系的编码表

编码表：unicode表

py2：ascii，没有按万国编码，原因py2诞生先于万国编码
py3: utf-8, 采用万国编码来解释文本内容

3.1 unicode与utf-8什么关系

unicode与utf-8采用的是一张unicode编码表，utf-8是unicode编码表体现方式，变长存储数据。

总结：变长优点：（大量数据都是以英文存在，所以utf-8空间更小）传输速度更快

unicode：用2个字节来存储汉字，用2个字节来存储英文字母，占有空间较多，读取效率极高

utf-8：用3-6个字节来存储汉字，用1个字节来存储英文字母，占有空间较少，读取效率低

内存都是按unicode存储数据，硬盘和cpu采用utf-8来存取数据
二、字符串类型

1.1 unicode字符串，默认字符串

# s1 = u'abc你好\n不好'

1.2 字节字符串

# s2 = b'abc123\xb7\xb7'

1.3 原义字符串: 不对字符串内存做任何操作(eg:\n的转化)

# s3 = r'abc你好\n不好'

2.1 编码与解码

# s = '123呵呵'
# n_b = bytes(s, encoding='utf-8')

# b = b'123\xe5\x91\xb5\xe5\x91\xb5'
# n_s = str(b, encoding='GBK')

总结：将u字符串编码成b字符串

print(u'你好'.encode('utf-8'))

将b字符串解码成u字符串

print(b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('utf-8'))

三、文件操作

1.1 文件：硬盘中一块存储空间(虚拟的文件)

1.2 文件操作：根据文件名来操作硬盘的那块存储空间，操作方式 读read 写write

2、使用文件的三步骤

2.1使用文件的三步骤

打开文件

# 变量名 = 文件空间
# 文件路径 操作模式(读|写) 编码
f = open('a.txt', 'r', encoding='utf-8')

操作文件

# data = f.read(3) # 将所有内容读取出来，如果设置读取长度，按照规定长度读取数据
# print(data)

# 一次读取一行
# line = f.readline()
# print(line)
# line = f.readline()
# print(line)

# 按行一次性全部读出
# lines = f.readlines()
# print(lines)

# 逐步一行一行读取
# l = []
# for line in f:
# print(line)
#l.append(line)
# print(l)

#s = set()
#for line in f:
# s.add(line)
#print(s)

关闭文件

f.close() # 释放操作系统对文件的持有，变量f还被应用程序持有

# del f # 系统自动回收
print(f)

3、操作模式

主模式：r:读 | w:写 | a:追加

从模式：b:按字节操作 | t:按字符操作 | +:可读可写

x:异常写 | U:被遗弃了

3.1 基础写

# 文件不存在：会新建文件，再操作文件
# 文件存在：先清空文件，再操作文件

w = open('b.txt', 'w', encoding='utf-8')

w.write('456')

w.close()

print('end')