python入门 Day08

Day 08

字符编码、文件处理

一、储备知识

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

文本编辑器的原理

1. 打开编辑器就打开了启动了一个进程，是在内存中的，所以，用编辑器编写的内容也都是存放与内存中的，断电后数据丢失
2. 要想永久保存，需要点击保存按钮：编辑器把内存的数据刷到了硬盘上。
3. 在我们编写一个py文件（没有执行），跟编写其他文件没有任何区别，都只是在编写一堆字符而已。

python解释器执行py文件的原理 ，例如python test.py

• 第一阶段：python解释器启动，此时就相当于启动了一个文本编辑器
• 第二阶段：python解释器相当于文本编辑器，去打开test.py文件，从硬盘上将test.py的文件内容读入到内存中(小复习：pyhon的解释性，决定了解释器只关心文件内容，不关心文件后缀名)
• 第三阶段：python解释器解释执行刚刚加载到内存中test.py的代码( ps：在该阶段，即真正执行代码时，才会识别python的语法，执行文件内代码，当执行到name=“egon"时,会开辟内存空间存放字符串"egon”)

二、什么是字符编码

计算机要想工作必须通电,即用‘电’驱使计算机干活,也就是说‘电’的特性决定了计算机的特性。电的特性即高低电平(人类从逻辑上将二进制数1对应高电平,二进制数0对应低电平)，关于磁盘的磁特性也是同样的道理。结论：计算机只认识数字

很明显，我们平时在使用计算机时，用的都是人类能读懂的字符（用高级语言编程的结果也无非是在文件内写了一堆字符），如何能让计算机读懂人类的字符？

必须经过一个过程：
　　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

1、ASCII：只能识别英文字符
特点：采用8bit对应一个英文字符
8bit=1Byte

2、GBK：可以识别中文字符串与英文字符
特点：采用16bit对应字符，该字符可以是英文字符、也可以是中文字符

3、shift-JIS

4、unicode：可以识别万国字符
特点：2Bytes对应一个字符

5、utf-8
1Byte对应英文字符
3Byte对应一个中文字符

三、字符串的发展史

1、群雄割据：

英文字符--------------内存：ASCII二进制数--------------->硬盘：ASCII二进制数
中文英文字符--------------内存：GBK二进制数--------------->硬盘：GBK二进制数
日文英文字符--------------内存：shiftJIS二进制数--------------->硬盘：shiftJIS二进制数
韩文英文字符--------------内存：Euc-Kr二进制数--------------->硬盘：Euc-Kr二进制数

2、过渡阶段：

中文英文字符------------内存：unicode=gbk====>硬盘：GBK二进制数
日文英文字符------------内存：unicode=shifJIS>硬盘：shiftJIS二进制数
韩文英文字符------------内存：unicode=Euc-Kr=>硬盘：Euc-Kr二进制数
万国字符----------------内存：unicode=utf-8==>硬盘：utf-8二进制数

内存固定使用：unicode
我们可以改变的是从内存写入硬盘采用的编码格式

3、分久必合：

万国字符----------------内存：unicode=utf-8==>硬盘：utf-8二进制数
万国字符----------------内存：utf-8==========================>硬盘：utf-8二进制数

四、乱码问题

​ 1、储存的时候乱了：采用的字符编码无法识别输入的字符。存的时候已经乱了，是无法补救的，读取的时候也一定乱了

​ **solution：**存入硬盘的编码格式应该用utf-8格式

​ 2、读取的时候乱了：存储的时候采用的可以识别输入的字符但是读取的时候乱码了，采用的字符编码表与存储时候的编码表不是同一个

​ **solution：**存储读取都用相同的编码格式

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

​ 第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；

​ 第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。

小结

Python 3的字符串使用Unicode，直接支持多语言。

当str和bytes互相转换时，需要指定编码。最常用的编码是UTF-8。Python当然也支持其他编码方式，比如把Unicode编码成GB2312：

>>> '中文'.encode('gb2312')
b'\xd6\xd0\xce\xc4'

但这种方式纯属自找麻烦，如果没有特殊业务要求，请牢记仅使用UTF-8编码。

格式化字符串的时候，可以用Python的交互式环境测试，方便快捷。

文件操作的其他方法

一、什么是文件

文件是操作系统提供给用户/应用程序操作硬盘的一个虚拟单位

​ 文件是具有文件名的一组相关信息的集合。由若干个记录组成。文件系统是操作系统中与文件管理有关的软件和数据的集合。

功能

​ 1. 实现按文件名存取文件信息

​ 2. 为用户提供统一友好的接口

​ 3. 实施对文件和文件目录的管理

​ 4. 文件存储器空间的分配与回收

​ 5. 提供有关文件的共享和保护。

二、为什么要使用文件

存取硬盘必须使用文件

三、如何用文件

f = open(文件路径,打开模式)

open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True)

• name : 一个包含了你要访问的文件名称的字符串值。
• mode : mode 决定了打开文件的模式：只读，写入，追加等。所有可取值见如下的完全列表。这个参数是非强制的，默认文件访问模式为只读®。
• encoding : 设置编码的格式

mode 详解

mode	说明	备注
r	只读方式打开	文件必须存在
w	只写方式打开	文件不存在则创建文件
a	追加方式打开（即一打开文件，文件指针自动移到文件末尾）	文件不存在则创建文件
r\w\a+	打开一个文件进行更新（读写模式）
r\w\ab	以二进制打开一个文件进行更新（读写模式）

f.write(数据)

fileObject.write( [ str ])

向文件中写入指定字符串 ， 返回的是写入的字符长度。

str – 要写入文件的字符串。

f.close()

fileObject.close()

用于关闭一个已打开的文件， 该方法没有返回值。

应用程序/用户 文件对象/文件句柄=================》遥控器
操作系统 打开文件a.txt============》空调
硬件 硬盘

四、打开文件路径

绝对路径

绝对路径是指目录下的绝对位置，直接到达目标位置，通常是从盘符开始的路径。完整的描述文件位置的路径就是绝对路径，以web站点根目录为参考基础的目录路径。

windows系统 r"\"

data_txt = open(r"C:\Users\S\Desktop\userdata.txt", mode="rt", encoding="utf-8")
datas = data_txt.read()
userdata_list = datas.split("\n")

linux系统 “/”

data_txt = open("C:/Users/S/Desktop/userdata.txt", mode="rt", encoding="utf-8")

相对路径

相对路径就bai是指由这个文件所在的路du径引起的跟其它文件（或zhi文件夹）的路径关系。使用相对路径可以dao为我们带来非常多的便利。

windows系统 r"\"

data_txt = open(r"Desktop\userdata.txt", mode="rt", encoding="utf-8")
datas = data_txt.read()
userdata_list = datas.split("\n")

linux系统 “/”

data_txt = open("Desktop/userdata.txt", mode="rt", encoding="utf-8")

\userdata.txt", mode=“rt”, encoding=“utf-8”)
datas = data_txt.read()
userdata_list = datas.split("\n")

##### linux系统  "/"

```python
data_txt = open("Desktop/userdata.txt", mode="rt", encoding="utf-8")

本文地址：https://blog.csdn.net/A1L__/article/details/107368112