字符编码和文件操作

一、字符编码

1.前言

字符串类型、文本文件的内容都是由字符组成，但凡涉及到字符的存取，都要考虑字符的编码问题。字符跟视频文件、音频文件等无关。

2.为什么要有字符编码？

　　人类在与计算机交互时，用的都是人类能读懂的字符。而计算机的内部只认识01二进制数据，但是，我们现在在计算机上写的各种各样的字符都能够正常显示，是通过字符编码完成的。

　　字符编码：它的内部记录着字符和数字之间的对应关系。

3.字符编码的发展史

3.1 一家独大

　　计算机最开始是由美国人发明的，他们肯定是想让计算机识别英文字符。

　　ASCII码表：内部记录了英文字符和数字之间的关系。使用一个字节代表一个字符，而一个字节等于八位二进制。

　　需要记忆的是：

　　　　　　　　　　　A—Z： A是65，往后依次＋1

　　　　　　　　　　　a—z: a是97，往后依次＋1

　　　　　　　　　　　0—9: 0是48，往后依次＋1

　　#  字符串的比较：是按照ASCII码表的十进制进行比较的

3.2 群雄割据

　　中国人要想使用计算机，就自己开发了一套编码表：GBK码表，它内部记录了英文、中文、数字之间的对应关系。（它是使用一个字节保存英文字符，两个字节保存中文字符）日本使用的是：Shift_JIS表，韩国使用Euc_kr表。

3.3 一统天下

　　为了让世界上的所以国家之间能够彼此无障碍的交流，统一使用了编码 unicode（万国码）

　　unicode的内部是统一使用两个字节来保存字符的，由于原来的英文字符是由一个字节来保存，而unicode使用了两个字节。因此，浪费了一倍资源。

所以现在使用utf8（unicode的优化版本），英文字符还是由一个字节来保存，但中文字符使用三个字节来保存。

# 补充：utf-8、utf-16、utf-32、utf8mb4（存表情）……

二、字符编码实操

1.如何解决字符乱码问题？

　　写代码时使用的是什么编码，打开时就用什么编码打开。

2.python解释器代码的差异

　　**-coding:utf-8-**

　　# 在python2 中，默认使用的编码是ASCII码。

比如： s = u '你好'

　　　print s

　　# 在Python3中默认使用的是utf8编码

3.编码和解码

　　编码：是把其他字符串转为二进制的过程

　　str------>0101

　　str------>unicode------>0101001

　　ASCII---->GBK------>unicode----->utf8

　　解码：把二进制转为其他字符串的过程

# 编码
res = s.encode('utf8')
# print(res) # b'hello'  # 二进制 binary  bin()
print(res) # b'hello\xe4\xbd\xa0\xe5\xa5\xbd\xe5\x93\x88'

# 解码
res1 = res.decode('utf8')  # gbk、utf8
print(res1)  # hello你好哈

 

二、文件操作

1.为什么要使用代码操作文件？

　　当文件数量比较多时，人工操作就很不方便了，因此借助代码来操作。

2.如何操作文件？

首先： 1.打开文件　　2.操作文件（读、写）　　3.关闭文件（释放资源）

#　　当在路径中出现了斜杠和字母连用时，为了防止产生歧义，在字符串前加一个r。

# 打开文件
f=open('a.txt', 'r', encoding='utf8')

#读取文件
print(f.read())

# 关闭文件
f.close() # 释放资源

# 方式2：打开文件
# with上下文管理器

with open('a.txt', 'r', encoding='utf8') as ffffff:
    print(ffffff.read())
    
# 内部自动关闭close