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