字符编码和文件处理

　　字符编码和文件处理：

　　一、字符编码：

　　   （1）  字符编码表：人类的字符转换成数字

　　　　　　1Bytes=8bit

　　　　　　1字节等于8个二进制

　　　　　　ASCII码：只能识别英文字符，1英文字符=8bit

　　　　　　GBK：能识别汉字与英文，1汉字=两个字节，1个英文字符=一个字节

　　　　　　unicode：能识别万国字符，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个汉字=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解释器便是x="上"不加u前缀也是存成unicode

　　　　　　　　　　　　在python3中

　　　　　　　　　　　　　　x='上' # '上'存成了unicode

　　　　　　　　　　　　　　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

　　　　　　　　1、文件处理的三个步骤：

　　　　　　　　（1）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）

　　　　　　　　（2）data = f.read()

　　　　　　　　（3）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

　　　　　　　　2、上下文管理（常用的文件处理格式）

　　　　　　　　with open(r'c.txt'',mode='r',encoding='utf-8') as f,open(r'b.txt',mode='r',encoding='utf-8') as f:

　　　　　　　　　　#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，必须制定encoding参数

　　　　　　　　b：操作文件内容都是以Bytes(二进制)为单位，硬盘中存的是什么就取出什么，一定不能指定encoding参数

　　　　　　　　循环读文件内容的方法：

　　　　　　　　with open(r'c.txt',mode='r',encoding='utf-8') as f:

　　　　　　　　　　for line in f:

　　　　　　　　　　　　print(line,end='')

　　　　　　　　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