Python开发之路Day7---字符编码和文件处理(1)
一、字符编码
什么是字符编码?
答:我们能够了解到,我们人类能够理解的是字符的高等标识符,计算机智能识别类似于0和1组成的标识符,那么我们人类和计算机沟通,一定需要某种媒介来支持,来进行两种标识符的相互转换。例如:
1 10 -> 00010000 2 'a' - > 10001000 3 '好' -> 10101010
我们把以上的这种对应关系叫做编码表。
对应的几个名词:
字符编码:人和计算机交流的一种媒介(人能够识别的和机器能够欧识别的一种媒介)
ascii码:是字母、数字和英文符号和计算机0和1标识符的对应关系
了解部分:编码表的进化历程
1.ascii码:是字母、数字和英文字母和机器计算机0、1之间的对应关系。二进制的范围[0,255]相当于1个字节相当于8个二进制数。
2.作为中国人啊。我们当然也有自己的编码表,gb2312编码:主要是研究汉字和计算机0和1之间的对用关系。相对应的大和名族和棒子的也有他们相对应的字符编码表。
3.最后经历的就是所谓的万国编码表,它能够利用万国的语言来和机器计算及形成对应的关系,那就是unicode编码表。在早期的python2时期,那个时候还没有unicode编码,所有主要使用ascii码;后期python3的诞生,我们就主要使用的就是utf-8编码。
4.思考:unicode码和utf-8码之间有什么样子的关系?为什么出了unicode还使用utf-8呢?
首先,unicode编码存储汉字使用2个字节,存储英文字母也是2个字节;utf-8编码存储汉字使用3-6个字节,存储英文字母使用1个字节。所以如果将他们进行对比,有点和缺点十分的明显:对于unicode码,它占的空间较多,但是读取的执行效率极高;但是对于utf-8码,它占的空间较少,但是读取执行的效率很低。所以,utf-8码是unicode码的一种体现形式,从根本上说买他的实质就是一张unicode表,但是由于utf-8的变长存储数据的优点。(主要是存储的大多数为英文字母,只占据1个字节,所以传输的书读更快。)
5.乱码:是因为的存储数据时的字符编码和读取时的字符编码不一致。
6.编码和解码(常用)
1 # 将u字符串编码成b字符串 2 print(u'你好'.encode('utf-8')) 3 # 将b字符串解码成u字符串 4 print(b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('utf-8'))
二、文件处理
1.文件:是硬盘中的一块存储空间(虚拟文件)。
2.文件的操作:就是通过文件名来控制硬盘的那块存储空间,就是read和write。
3.使用文件的三个步骤:
打开文件:
1 # 变量名 = 文件空间 2 3 # 文件路径 操作模式(读|写) 编码 4 5 f = open('a.txt', 'r', encoding='utf-8')
操作文件:
1 # 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 2 # print(data) 3 4 # 一次读取一行 5 # line = f.readline() 6 # print(line) 7 # line = f.readline() 8 # print(line) 9 10 # 按行一次性全部读出 11 # lines = f.readlines() 12 # print(lines) 13 14 # 逐步一行一行读取 15 # l = [] 16 # for line in f: 17 # # print(line) 18 # l.append(line) 19 # print(l) 20 21 s = set() 22 for line in f: 23 # print(line) 24 s.add(line) 25 print(s)
关闭文件:
1 #文件操作完成以后,一定要关闭(*******) 2 3 f.close()
4.文件的模式:
1 ''' 2 主模式:r:读 | w:写 | a:追加 3 从模式:b:按字节操作 | t:按字符操作 | +:可读可写 4 了解:x:异常写 | u:被遗弃了 5 ''' 6 7 # 基础写 8 # 文件不存在:会新建文件,再操作文件 9 # 文件存在:先清空文件,再操作文件 10 w = open('b.txt', 'w', encoding='utf-8') 11 12 13 w.write('456') 14 15 16 w.close() 17 18 19 print('end')
上一篇: 别说我认识你