python day7

今日內容

字符編碼：

字符編碼針對的是文字，它只跟文本文件有關，這裏不須要考慮視頻、音頻文件等其餘文件。

文本編輯器的輸入和輸出是兩個過程

• 人在操做計算機的時候輸入的是人可以看懂的字符，可是計算機只能識別01010101這樣的二進制數據
• 那麼人 輸入的字符 >>>(字符編碼表)>>> 二進制數字

字符編碼表就是字符與數字的對應關係

• ASCII碼錶：用八位二進制表示一個英文字符，且全部的英文字符+符號最多也就在125位左右

　　0000 0000

　　1111 1111

• GBK編碼表：用2Bytes表示一箇中文字符，且用1Bytes表示一個英文字符

　　0000 0000 0000 0000

　　1111 1111 1111 1111 （最多能表示65535個字符）

基於上面的推導步驟，任何一個國家要想讓計算機支持本國語言，都必須本身建立一個字符編碼表。

• 萬國碼unicode：統一用2Bytes表示全部的字符

　　a = 0000 0000 0010 1010

　　　　1.浪費存儲空間

　　　　2.io次數增長，程序運行效率下降（致命缺點）

當內存中的unicode( unicode transformation format )編碼格式的數據存到硬盤時，會按照UTF-8編碼給你轉換。

• UTF-8會將unicode的英文字符由原來的2Bytes變成1Bytes
• UTF-8會將中文字符由原來的2Bytes變成3Bytes

現今的計算機：內存都是unicode、硬盤都是UTF-8

（須要掌握的）

unicode的兩個特色

• 1.用戶在輸入的時候，不管輸入什麼字符都能兼容萬國字符
• 2.其餘國家編碼的數據由硬盤讀到內存的時候，unicode與其餘各個國家的編碼都有對應關係

（必須掌握的）

數據由內存保存到硬盤

1.內存中的unicode二進制數字 >>>編碼(encode)>>> UTF-8格式的二進制數據

　硬盤中的數據由硬盤讀到內存

1.硬盤中的UTF-8格式的二進制數據 >>>解碼(decode)>>> 內存中unicode格式的二進制數據

 

亂碼：字符不可以正常顯示，由於編碼不一致

• 保證不亂碼的關鍵在於：
• 文本文件以什麼編碼編的就用什麼編碼解！！！

python2

• 將py文件按照文本文件讀入解釋器中時默認使用ASCII碼（由於在開發python2解釋器時unicode尚未盛行）

python3

• 將py文件按照文本文件讀入解釋器中時默認使用UTF-8

 

文件頭：

# coding:UTF-8

1.由於全部的編碼文件都支持英文字符，因此文件頭纔可以正常生效

　基於Python解釋器開發的軟件，只要是中文，前面都須要加一個u，爲的就是將python2（當你不指定文件頭的時候，默認用ASCII碼存儲數據，若是指定文件頭就按照指定的編碼格式存儲）存儲爲unicode編碼文件。

python3中字符串默認就是unicode格式

補充：

1.pycharm終端用的是UTF-8格式

2.windows終端cmd用的是GBK格式

八位二進制也叫8bit

8bit = 1Bytes

1024Bytes = 1KB

1024KB = 1MB

1024MB = 1GB

1024GB = 1TB

1024TB = 1PB

......

x = ‘上’

print(x.encode(‘utf-8’))  # b’\xe4\xb8\x8a’

# bytes類型 字節串類型，咱們把它當成二進制數據便可 


x = ‘上’

res1 = x.encode(‘utf-8’)  # 將unicode編碼成能夠存儲和傳輸的utf-8格式的二進制數據

print(res1)  # b’\xe4\xb8\x8a’

res2 = res1.decode(‘utf-8’) #將硬盤中的utf-8格式的二進制數據解碼成unicode格式的二進制數據

print(res2)

例如：你a他

1Bytes|1Bytes|1Bytes|1Bytes|1Bytes|1Bytes|1Bytes

1+7bit|1+7bit|1+7bit|1+7bit|1+7bit|1+7bit|1+7bit|

其中1Bytes裏由標識符顯示如何分配的信息

 

文件處理：

什麼是文件？

　操做系統提供給用戶操做複雜硬件（硬盤）的簡易接口。

爲何要操做文件？

　人或者應用程序須要永久的保存數據。

如何進行文件處理？

　經過python代碼操做文件：

f = open(r‘copy_path便可’)  #向操做系統發送請求，打開某個文件 

# 裏面的r是real取消轉義，指的是原先的字符串 # 應用程序要想操做計算機硬件，必須經過操做系統來間接的操做

print(f)  # f是文件對象 

print(f.read())  #報錯，由於windows操做系統默認的編碼是GBK

f = open(r‘copy_path便可’,encoding=‘utf-8’)

print(f.read())

f.read()  #向操做系統發請求，讀取文件內容

f.close()  #向操做系統發送請求，關閉打開的文件

print(f.read())  #報錯，顯示I/O operation on closed file

　文件上下文操做：

with open(r’copy_path’,encoding=‘utf-8’) as f ,\

open(r’copy_path’,encoding=‘utf-8’) as f1:

# f僅僅是個變量名，它只是個操做工具

print(f)

print(f.read())

print(f1)

print(f1.read())

　文件打開模式：

• r 只讀模式
• w 只寫模式
• a 追加寫模式

　操做文件單位的方式：

• t 文本文件，t在使用時須要指定encoding參數，若是不指定就默認是操做系統的默認編碼
• b 二進制，必定不能指定encoding參數

r模式

# mode參數能夠不寫，不寫時默認時rt----只讀的文本文件，這個t不寫時默認就是t 

with open(r’copy_path’,mode=‘r’,encoding=‘utf-8’) as f:

print(f.readable())  # False,是否可讀

print(f.writeable())  # True,是否可寫

print(f.read())  # 一次性將文件內容所有讀出

print(f.write())  # 一次性將文件內容所有寫出

 

with open(r’copy_path’,mode=‘rb’) as f:

print(f.readable())  # False,是否可讀

print(f.writeable())  # True,是否可寫

print(f.read())  # 一次性將文件內容所有讀出

# r模式在打開文件時，若是文件不存在，直接報錯 # 文件路徑能夠寫相對路徑，可是須要注意該文件必須與執行文件在同一層文件下

with open(r’XXX’,‘rb’,encoding=‘utf-8’) as f:

print(‘>>>1:’)

print(f.read())

print(‘>>>2:’)

print(f.read())

'''>>>1:

XXXXXX

XXXXXX

>>>2:

'''

# 讀完一次以後，文件的光標已經在文件末尾了，再讀就沒有內容可讀了

print(f.readlines())  # 返回的是一個列表，列表中的一個個元素對應的就是文件的執行內容

for i in f:  # f能夠被for循環，每for循環一次，讀一行內容

print(i)  # 這個方法能夠解決大文件一次性讀取佔用內存太高的問題

print(f.readline())  # 只讀取文件的一行內容

W模式

• 1.文件不存在的狀況下，自動建立該文件
• 2.當文件存在的狀況下，會先清空文件內容再寫入

with open(r’copy_path’,‘w’,encoding=‘utf-8’) as f:

print(f.readable())  # False,是否可讀

print(f.writeable())  # True,是否可寫

f.write(‘今天XXXXX\r\n’)  # 用\r\n會換行兩次

f.write(‘今天XXXXX\n’)  # 用\n或者\r只會換行一次

l = [‘XXX,XXX\n’,‘XXX,XXX\n’]

f.writelines()  # 能夠寫多行，上下文等價

for i in l:

f.write(i)

A 模式

• 1.當文件不存在的狀況下，自動建立一個文件
• 2.當文件存在的狀況下，不清空文件內容，文件的光標會移動到文件的最後

with open(r’copy_path’,‘a’,encoding=‘utf-8’) as f:

print(f.readable())  # False,是否可讀

print(f.writeable())  # True,是否可寫

f.write(‘XXXXX\n’)