编码&文件操作
一 编码进阶
"""
Python3中有两种数据类型(注意是数据类型而不是编码方式):str和bytes。str类型存储unicode数据，用于向人展示数据，既我们所说的明文。bytes类型用于存储字节数据，用于计算机存储和传输
"""
二 练习
# s1 = '中国' # str类型用于向人类展示,计算机不认识,想要存储和网络传输必须先将str转化成bytes类型; # s2 = s1.encode('utf-8') # utf-8中转化成bytes类型,一个中文==3bytes; # print(s2) # 用什么编码的就用什么解码 # s3 = s2.decode('utf-8') # print(s3) # 同理GBK编码也是 # ------------------------ # gbk与utf-8的转换 # utf-8<---->unicode<---->gbk s1 = '中国' # 首先将字符串编码成bytes类型才能传输 a = s1.encode('utf-8') # 发送bytes类型 # 接收者首先需要将a解码成unicode编码(万国码) a1 = a.decode('utf-8') # 在编码成gbk格式用于存储 a2 = s1.encode('gbk') # 解码gbk查看 a3 = a2.decode('gbk') print(a3)
三 编码的进阶
# str -----> utf-8 bytes a = '中国' b = a.encode('utf-8') print(b) # b'\xe4\xb8\xad\xe5\x9b\xbd' # str -----> gbk bytes c = a.encode('gbk') print(c) # b'\xd6\xd0\xb9\xfa' # utf-8 bytes ------> str uniconde demo = b'\xe4\xb8\xad\xe5\x9b\xbd' str_l = demo.decode('utf-8') print(str_l) # gbk bytes ------> str uniconde demo1 = b'\xd6\xd0\xb9\xfa' str_2 = demo1.decode('gbk') print(str_2) # 终极转换 utf-8 ------> gbk 两者之间的转换必须通过万国码(unicode) t = b'\xe4\xb8\xad\xe5\x9b\xbd' # 先将utf-8编码转换成unicode y = t.decode('utf-8') # 在将y编码成gbk u= y.encode('gbk') print(u)
四 文件操作
1 文件操作：
#1. 打开文件的模式有(默认为文本模式)：
r ，只读模式【默认模式，文件必须存在，不存在则抛出异常】
w，只写模式【不可读；不存在则创建；存在则清空内容】
a， 只追加写模式【不可读；不存在则创建；存在则只追加内容】
#2. 对于非文本文件，我们只能使用b模式，"b"表示以字节的方式操作（而所有文件也都是以字节的形式存储的，使用这种模式无需考虑文本文件的字符编码、图片文件的jgp格式、视频文件的avi格式）
rb
wb
ab
注：以b方式打开时，读取到的内容是字节类型，写入时也需要提供字节类型，不能指定编码
#3,‘+’模式（就是增加了一个功能）
r+， 读写【可读，可写】
w+，写读【可写，可读】
a+， 写读【可写，可读】
#4，以bytes类型操作的读写，写读，写读模式
r+b， 读写【可读，可写】
w+b，写读【可写，可读】
a+b， 写读【可写，可读】
r+ 读写模式:先读后写
rb 以字节的形式读取,带b的一般操作的都是非文字类的文件.
read:读取全部内容(文件较大时不可用,用for循环读取)
r模式:read(n)----n代表读取第几个字符
rb模式:read(n)---n代表读取第几个字节
其余的文件内光标移动都是以字节为单位的如：seek，tell，truncate
readlien:读取第一行
readliens:返回一个list 列表的每个元素是源文件的每一行.
重点：seek光标移动(按字节移动)中文3个字节，英文一个字节，换行(\n)是2个字节;
seek(0,0)把光标移到起始位置
seek(0,1)当前光标所在位置
seek(0,2)把光标移到结束位置
r模式:read(n)----n代表读取第几个字符，只有r模式n代表字符，其他都是按字节读取
1. seek有三种移动方式0，1，2，其中1和2必须在b模式下进行，但无论哪种模式，都是以bytes为单位移动的
2. truncate是截断文件，所以文件的打开方式必须可写，但是不能用w或w+等方式打开，因为那样直接清空文件了，所以truncate要在r+或a或a+等模式下测试效果。
五 常用操作
1.seek(n) 光标移动到n位置, 注意, 移动的单位是byte. 所以如果是UTF-8的中文部分要
是3的倍数.
通常我们使⽤seek都是移动到开头或者结尾.
移动到开头: seek(0)
移动到结尾: seek(0,2) seek的第二个参数表⽰的是从哪个位置进行偏移, 默认是0, 表示开头, 1表示当前位置, 2表示结尾
f = open("⼩娃娃", mode="r+", encoding="utf-8") f.seek(0) # 光标移动到开头 content = f.read() # 读取内容, 此时光标移动到结尾 print(content) f.seek(0) # 再次将光标移动到开头 f.seek(0, 2) # 将光标移动到结尾 content2 = f.read() # 读取内容. 什么都没有 print(content2) f.seek(0) # 移动到开头 f.write("张国荣") # 写⼊信息. 此时光标在9 中⽂3 * 3个 = 9 f.flush() f.close()
2.tell() 使用tell()可以帮我们获取到当前光标在什么位置
f = open("⼩娃娃", mode="r+", encoding="utf-8") f.seek(0) # 光标移动到开头 content = f.read() # 读取内容, 此时光标移动到结尾 print(content) f.seek(0) # 再次将光标移动到开头 f.seek(0, 2) # 将光标移动到结尾 content2 = f.read() # 读取内容. 什么都没有 print(content2) f.seek(0) # 移动到开头 f.write("张国荣") # 写入信息. 此时光标在9 中文3 * 3个 = 9 print(f.tell()) # 光标位置9 f.flush() f.close()
3.truncate() 截断⽂件
f = open("⼩娃娃", mode="w", encoding="utf-8") f.write("哈哈") # 写⼊两个字符 f.seek(3) # 光标移动到3, 也就是两个字中间 f.truncate() # 删掉光标后⾯的所有内容 f.close() f = open("⼩娃娃", mode="r+", encoding="utf-8") content = f.read(3) # 读取12个字符 f.seek(4) print(f.tell()) f.truncate() # 后⾯的所有内容全部都删掉 # print(content) f.flush() f.close()
深坑请注意: 在r+模式下. 如果读取了内容. 不论读取内容多少. 光标显示的是多少. 再写入
或者操作文件的时候都是在结尾进行的操作.
所以如果想做截断操作. 记住了. 要先挪动光标. 挪动到你想要截断的位置. 然后再进⾏截断
关于truncate(n), 如果给出了n. 则从开头开头进行截断, 如果不给n, 则从当前位置截断. 后⾯
的内容将会被删除
六 文件的修改以及另一种打开文件句柄的方式
文件修改: 只能将文件中的内容读取到内存中, 将信息修改完毕, 然后将源文件删除, 将新文件的名字改成老文件的名字.
# ⽂件修改 import os with open("⼩娃娃", mode="r", encoding="utf-8") as f1,\ open("⼩娃娃_new", mode="w", encoding="UTF-8") as f2: content = f1.read() new_content = content.replace("冰糖葫芦", "⼤⽩梨") f2.write(new_content) os.remove("⼩娃娃") # 删除源⽂件 os.rename("⼩娃娃_new", "⼩娃娃") # 重命名新⽂件
弊端: 一次将所有内容进行读取. 内存溢出. 解决方案: 一行一行的读取和操作
import os with open("⼩娃娃", mode="r", encoding="utf-8") as f1,\ open("⼩娃娃_new", mode="w", encoding="UTF-8") as f2: for line in f1: new_line = line.replace("⼤⽩梨", "冰糖葫芦") f2.write(new_line) os.remove("⼩娃娃") # 删除源⽂件 os.rename("⼩娃娃_new", "⼩娃娃") # 重命名新⽂件
