字符编码 字符与字节 文件操作

字符编码

人识别的语言与机器识别的语言转化的媒介 *****

重点

1. 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所需要的媒介

　两种标识符转化的对应关系形成的结构，称之为编码表

2. 常用的编码表：ascii、unicode、GBK、Shift_JIS、Euc-kr 　　

  了解：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 
　　韩国：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诞生先于万国编码 
　　py3: utf-8, 采用万国编码来解释文本内容

3. 编码操作：编码encode()、解码decode() 

知识储备

电脑三大核心：cpu - 内存 - 硬盘(数据的存取过程)
软件及python解释器读取文件过程：启动 - 读取 - 展示|解释执行
python2环境的文件头：# coding: 编码格式

简介与发展

1. ascii - 各国编码 - 万国编码 
2. 存取不一致的乱码现象 
3. unicode与utf-8

　　思考：unicode与utf-8什么关系 

编码类型	存储汉字	存储英文字母	占有空间	读取效率
unicode	2字节	2字节	较多（编码多为英文）	极高
utf-8	3-6字节	1字节	较少	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

核心

编码操作：编码encode()、解码decode()

s = '123呵呵'
n_b = bytes(s, encoding='utf-8')
print(n_b)

b = b'123xe5x91xb5xe5x91xb5'
n_s = str(b, encoding='GBK')
print(n_s)

重点：*****
将u字符串编码成b字符串 
　　print(u'你好'.encode('utf-8'))
将b字符串解码成u字符串 
　　print(b'xe4xbdxa0xe5xa5xbd'.decode('utf-8')) 

字符与字节

字符占多少字节，字符串转化 ***

重点

1. 字节的存储方式：8个二进制位 
2. 字符所占字节数：根据编码的不同，所占字节数可能不同 
3. 三种格式字符串：u''、b''、r''

• 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)

了解

u、b格式字符串转换: 
　　str(b'', encode='utf-8')  ？？？str(b'', encoding='utf-8')
　　bytes(u'', encode='utf-8') 

文件操作

文件：硬盘中的一块存储空间（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 

重点

1. 文件操作的三步骤：打开文件 - 使用文件 - 关闭文件

# 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

# del f  # 系统自动回收
print(f)

 2. 文件操作三要素：文件源、操作模式、编码
 3. with语法：with open(...) as 别名, ..., open(...) as 别名: pass
 4. 重点方法：read() | write() | readline() | close() | f.flush() | f.seek()

操作模式

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 
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()

print('end')

操作方法

读：read() | readline() | readlines() 
写：write() | writelines() | flush() 
光标：seek() | tell() 
特征：encoding | closed ​ 

了解：readable() | writable() | name

案例

1. 文件复制 
2. 文件修改 ​ 

了解：py文件脚本机制