python字符编码及文件操作

字符编码

# 重点：什么是字符编码
  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)
'''
CPU：将数据渲染给用户，中央处理器
内存：临时存放数据，断电后消失
硬盘：永久存储数据，断电后还有

乱码：存数据与读数据采用的编码表不一致

软件打开文件读取数据的流程：
1. 打开软件
2. 往计算机发生一个打开文件的指令，来打开文件
3. 读取数据渲染给用户（存取编码不一致：乱码）


python解释器打开py文件
1. 打开软件(python解释器)
2. 往计算机发生一个打开文件的指令，来打开文件
3. 逐行解释打开的文件内容（存取编码不一致，无法正常解释，崩溃），将执行结果展示给用户

解释失败的原因：
py2默认按ASCII来解释文件内容 | py3默认按UTF-8来解释文件内容

文件头：# encoding: 编码表
功能：告诉py解释器按照什么编码来解释文件内容
'''

了解

'''
编码表：
人内识别的字符标识符 与 计算机能识别的01标识符 的对应关系

万国编码：Unicode utf-8
1. 采用的都是Unicode编码表
2. Unicode以定长(2字节)存取数据
3. utf-8以变长(1-6字节)存取数据
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
思考：如何将128个字符用01完全标签
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

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要诞生先有万国编码
py3: utf-8, 采用万国编码来解释文本内容

'''

重点

'''
unicode与utf-8什么关系
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
总结：内存都是按unicode存储数据，硬盘和cpu采用utf-8来存取数据

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
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
'''

编码解码

# 三种字符串
# unicode字符串，默认字符串
s1 = u'abc你好
不好'
print(s1)
# 字节字符串
s2 = b'abc123xb7xb7'
print(s2)
# 原义字符串: 不对字符串内存做任何操作(eg:
的转化)
s3 = r'abc你好
不好'
print(s3)

# 原义字符串: 不对字符串内存做任何操作(eg:
的转化)
# r'abc
abc'  => 'abc
abc'

# 重点（*****）
# u'' 之间转化 b''
# 编码：u''.encode('utf-8') | bytes(u'', encode='utf-8')
# 解码：b''.decode('utf-8') | str(b'', encode='utf-8')

文件操作

'''
计算机中的文件：硬盘中一块存储空间(虚拟的文件)
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
'''

'''
1. 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')

2. 操作文件(读：read()  写：write())
# 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)

3. 关闭文件 *****
'''

# 基础读

# 1、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')

# 2、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:
    # print(line)
    s.add(line)
print(s)

# 3、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

# 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
了解：x:异常写 | U:被遗弃了
'''

# 基础写 write
# 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()