zoukankan      html  css  js  c++  java
  • Python学习的第七天字符编码、文本处理part1

     首先知道:

    1. 计算机系统分为三层:
    应用程序
    操作系统
    计算机硬件

    2. 运行python程序的三个步骤
    1. 先启动python解释器
    2. 再将python文件当作普通的文本文件读入内存
    3. 解释执行读入内存的代码,开始识别语法

    一、字符编码

    1、什么是字符编码

    字符编码表: 人类的字符<------------>数字

    1Bytes=8bit
    1B=8b 1字节等于8个二进制位

    ASCII码:只能识别英文字符,1英文字符=8bit
    用8个二进制bit(比特位)位表示一个英文字符

    GBK:能识别汉字与英文,1汉字=16bit,1英文字符=8bit
    Shift_JIS(日本)
    Euc-kr(韩国)

    unicode:能够识别万国字符,1字符=2Bytes=16bit
    两大特点:
    1. 能够兼容万国字符
    2. 与各个国家的字符编码都有映射关系
    utf-8:是unicode的转换格式,1个英文字符=1Bytes 1汉字=3Bytes

    重点理论:
    1 编码与解码:
    字符---编码-->unicode的二进制-------编码----->GBK的二进制
    GBK的二进制-----解码-->unicode的二进制----解码->字符

    2 解决乱码问题的核心法则:
    字符用什么编码格式编码的,就应该用什么编码格式进行解码

    3 python解释器默认的字符编码
    python2:ASCII
    python3:UTF-8

    通过文件头可以修改python解释器默认使用的字符编码
    在文件首行写:#coding:文件当初存的时候用的字符编码

    针对python2解释器中定义字符串应该:
    x=u"上"
    对于python3解释即便是x="上"不加u前缀也是存成unicode

    在python3中
    x='上' # '上'存成了uncidoe

    unicode--------encode----------->gbk
    res=x.encode('gbk') #res是gbk格式的二进制,称之为bytes类型

    gbk(bytes类型)-------decode---------->unicode
    y=res.decode('gbk') #y就是unicode

    关于字符编码的操作:
    1. 编写python文件,首行应该加文件头:#coding:文件存时用的编码
    2. 用python2写程序,定义字符串应该加前缀u,如x=u'上'
    3. python3中的字符串都是unicode编码的,python3的字符串encode之后可以得到bytes类型


    2. 为何字符要编码
    人类与计算机打交道用的都是人类的字符,而计算机无法识别人类的字符,只能识别二进制,所以必须将人类的字符编码成计算机能识别的二进制数字

    二、文件处理

    1 什么是文件
    文件是操作系统提供给用户/应用程序的一种虚拟单位,该虚拟单位直接映射的是硬盘空间

    2 为何要处理文件
    用户/应用程序直接操作文件(读/写)就被操作系统转换成具体的硬盘操作,从而实现
    用户/应用程序将内存中的数据永久保存到硬盘中

    3 如何用文件


    '''
    # 文件处理的三个步骤
    # f=open(r'c.txt',mode='r',encoding='utf-8') # 文件对象(应用程序的内存资源)------》操作系统打开的文件(操作系统的内存资源)
    # # print(f)
    # data=f.read()
    # f.close() # 向操作系统发送信号,让操作系统关闭打开的文件,从而回收操作系统的资源

    # 上下文管理
    # with open(r'c.txt',mode='r',encoding='utf-8') as f,open(r'b.txt',mode='r',encoding='utf-8') as f1:
    # 读写文件的操作
    # pass

    # 文件的打开模式:r(默认的) w a
    # 操作文件内容的模式:
    # t(默认的):操作文件内容都是以字符串为单位,会自动帮我们解码,必须指定encoding参数
    # b: 操作文件内容都是以Bytes(二进制)为单位,硬盘中存的时什么就取出什么,一定不能指定encoding参数
    # 总结:t模式只能用于文件本文件,而b模式可以用于任意文件


    # r模式:只读模式,在文件不存在时则报错,如果文件存在文件指针跳到文件的开头
    # with open(r'c.txt',mode='rt',encoding='utf-8') as f:
    # print(f.read())
    # print(f.readable())
    # print(f.writable())
    # f.write('hello') # 只能读

    # data=f.read()
    # print(data,type(data))

    # with open(r'c.txt',mode='rb') as f:
    # data=f.read()
    # # print(data,type(data))
    # res=data.decode('utf-8')
    # print(res)


    # with open(r'c.txt',mode='rt',encoding='utf-8') as f:
    # # line=f.readline()
    # # print(line,end='')
    # # line1=f.readline()
    # # print(line1,end='')
    # # line2 = f.readline()
    # # print(line2,end='')
    #
    # lines=f.readlines()
    # print(lines)
    # with open(r'c.txt',mode='rt',encoding='utf-8') as f:
    # line=f.readline()
    # print(line,end='')


    # 循环读文件内容的方法:
    # with open(r'c.txt',mode='rt',encoding='utf-8') as f:
    # for line in f:
    # print(line,end='')

    .

  • 相关阅读:
    Fish
    Brackets
    StoneWall【★★★★★】
    Nesting
    ajax补充FormData
    初始Ajax
    extra过滤
    Django 之缓存
    django中的信号
    Form组件归类
  • 原文地址:https://www.cnblogs.com/ye-hui/p/9677759.html
Copyright © 2011-2022 走看看