day02 文件

一，字符编码表

　　就是字符与机器语言一一对应关系的一个总结表

二，字符编码发展历史

• 第一阶段，只能识别英语，ASCII表
• 第二阶段，各个国家发展自己的编码表
  • 中国，gbk
  • 日本，Shift_JIS
• 第三阶段，统一阶段，unicode，进行了统一，但是因为历史原因，这个只能应用于内存，在硬盘上还是百家齐放。
  • 在特点上：
    • 兼容万国的编码
    • 编码需要与其他编码有相对应的映射/转换关系

　　　　　　　　　　

• 第四阶段，但是还是不能解决中文与日文等的相互转化，所以有了UTF-8
  • 但是这时候内存还是以unicode为主，因为unicode有和各国相互转换的功能，所以算是一个过渡版本
• 总结一下就是，用支持相应语言的编码进行编码，用什么编码就用什么解码

三，可能出现的问题

　　在python2中读文件是默认的是ASCII码，python3中默认的是UTF-8。所以如果是用其他写的就需要在第一行上写如下内容：

# coding: 当初文件写入硬盘时采用的编码格式   读此行时是用默认的编码语言进行解读

• str类型
  • 对于python3而言，str类型默认直接存成unicode格式，无论如何不会乱码
  • 对于python2而言，str类型需要前面加上u，达到转变为unicode

四，编码与解码

# 1、unicode格式------编码encode-------->其它编码格式
>>> x='上' # 在python3在'上'被存成unicode
>>> res=x.encode('utf-8')
>>> res,type(res) # unicode编码成了utf-8格式，而编码的结果为bytes类型，可以当作直接当作二进制去使用
(b'\xe4\xb8\x8a', <class 'bytes'>)

# 2、其它编码格式------解码decode-------->unicode格式
>>> res.decode('utf-8') 
'上'

五，文件

　　1，操作系统是直接控制硬盘的，而文件是一种让用户间接控制的一种方法。所以，操作文件就是操作硬盘。　　　　　　　　　　

　　　　　　　　　　　　　　　　

　　2，如何使用文件：open（）

　　　　　　控制文件的读写内容的模式

• • • t，文本
      • 读写都是str（unicode）为单位的
      • 必须指定encoding=‘utf-8
      • 文本文件
    • b，二进制/bytes
    • 注意，t模式和b模式只是读的一种方式，真正操作还是需要其他的配合

 六，操作文件

　　1，打开文件，注意防止转义符

open(r'c:/Users/dell/Desktop')

• • 第一种，在文件前面加上r
  • 第二种，使用‘/’
    • 补充知识点：相对路径与绝对路径
      • 相对路径，以打开的文件为基准，进行访问
      • 绝对路径，如：C:\Users\dell\PycharmProjects\s14\day1\1.py　

f=open(r'venv\2.py',mode='rt',encoding='utf-8（没有指定时，liunx默认的是utf-8，windows默认的是gbk）') #此操作相当于给变量赋值和间接操作硬盘 
print(f)
************
<_io.TextIOWrapper name='venv\\2.py' mode='r' encoding='cp936'>

　　2，操作文件：读文件/写文件

　　　　该过程是应用程序向操作系统调用，然后操作系统对硬盘进行操作

ret=f.read()
print(ret)

　　3，关闭文件

 f.close() #回收操作系统资源 2 del f #回收应用程序资源 （但是第二步就算不进行操作，应用程序也会自己进行解除）

　　　　还有一种简单的打开文件的方法：

with open(r'venv') as f1:   #不用写close
    print(f1.read())

　　4，以t模式下演示

• rt，只读模式（当文件不存在时会报错），阅读完后指针停到最后。所以如果读第二遍需要重新打开文件，或者控制指针

  with open(r'venv\2.py',mode='rt',encoding='utf-8') as f:
      ret=f.read()
      print(ret)

• wt，只写模式（当文件不存在时会创建，当文件已有时会清空），写完后指针会在第一行，不能阅读
  • 如果在文件打开后没有关闭后多行写入，不会发生清空，会在后面追加

    with open('b.txt',mode='w',encoding='utf-8') as f:
        f.write('你好\n')
        f.write('我好\n') 
        f.write('大家好\n')
        f.write('111\n222\n333\n')

• at，只追加模式（当文件不存在时会创建），打开已存在文件指针会停到最后一行，不能阅读
  • 强调 w 模式与 a 模式的异同：
    • # 1 相同点：在打开的文件不关闭的情况下，连续的写入，新写的内容总会跟在前写的内容之后
    • # 2 不同点：以 a 模式重新打开文件，不会清空原文件内容，会将文件指针直接移动到文件末尾，新写的内容永远写在最后 
• 了解，一般不会用到，在实际工作中都是只读或只写
  • r+t，在此模式下，可读可写，打开不存在文件时还是会报错，如果指针在第一行的话会覆盖原内容
  • w+t，在此模式下，可读可写，读的时候需要控制指针
  • a+t，在此模式下，可读可写，读的时候需要控制指针
  • x模式，只写模式，不存在就创建，存在就报错

　　5，读，写的相关操作

• • 读的代码
    

    f.read()  # 读取所有内容,执行完该操作后，文件指针会移动到文件末尾
    f.readline()  # 读取一行内容,光标移动到第二行首部
    f.readlines()  # 读取每一行内容,存放于列表中

  • 第一种，第三种都容易导致文件过大，内存崩溃
  • 写的相关操作
    • f.writelines:适用于列表等需要多次写入的情况

      f.writelines(['333\n','444\n']) 

    • 如果是数字、字母转为字节只需要前面加上b即可

      f.write('11aa\n222\n'.encode('utf-8')) 
      想当于
      f.write(b'11aa\n222\n') 

  • 转为字节两种方式

    "上".encode('utf-8')
    bytes('上'.encode('utf-8'))

　　6，f.read（）

• • 在t模式下（如果要写入的是数字类型就会报错，需要转成字符串），硬盘的二进制读入内存：会将二进制进行decode解码
    • 1，读写都是以字符串（unicode）为单位
    • 2，只能针对文本文件
    • 3，必须指定字符串编码，即必须指定encoding参数
  • 在b模式下，硬盘的二进制读入内存：不做任何转换，直接读入内存
    • 1，读写是以bytes为单位
    • 2，可以针对所有文件
    • 3，一定不能指定字符编码，即一定不能指定encoding参数
  • 总结：

    1、在操作纯文本文件方面t模式帮我们省去了编码与解码的环节，b模式则需要手动编码与解码，所以此时t模式更为方便
    2、针对非文本文件（如图片、视频、音频等）只能使用b模式

　　　7，循环读文件的两种方式

• • 第一种，while，是每次都读取指定字节

    with open('1.mp4',mode='rb') as f:
        while True:
            data=f.read(1024) # 同一时刻只读入1024个Bytes到内存中
            if len(data) == 0:
                break
            print(data)

  • 第二种，for，按行读取，但是如果遇到每行特别长的情况下，最好使用第一种

    with open('a.txt',mode='rt',encoding='utf-8') as f:
        for line in f:
            print(line) # 同一时刻只读入一行内容到内存中

　　8，了解

• • f.flush()  # 立刻将文件内容从内存刷到硬盘，但是谨慎使用，一般用于测试

  • f.readable()  # 文件是否可读

  • f.writable()  # 文件是否可写

  • print（f.closed）  # 文件是否关闭

  • f.encoding  # 如果文件打开模式为b,则没有该属性

  • f.name，查看文件名字

　　9，指针

　　　　指针的移动都是Bytes为单位的,唯一例外的是t模式下的read(n),n以字符为单位

　　　　f.seek（n，模式）：指针一般是以字节为单位

• • n，指的是移动个数，可以是负数
  • 模式
  • 0，参照物是文件开头位置
  • 1，参照物为当前指针所在个数
  • 2，参照物永远是末尾位置
  • 注意，只有0才可以在t模式下使用，1，2可以在b模式下使用
  • f.tell（），获取文件当前指针位置

　　10，文件的两种修改方式

　　　　注意：

　　　　　　1、硬盘空间是无法修改的,硬盘中数据的更新都是用新内容覆盖旧内容

　　　　　　2、内存中的数据是可以修改的

• • 方式
    • 1

      # 实现思路：将文件内容发一次性全部读入内存,然后在内存中修改完毕后再覆盖写回原文件
      # 优点: 在文件修改过程中同一份数据只有一份
      # 缺点: 会过多地占用内存
      with open('db.txt',mode='rt',encoding='utf-8') as f:
          data=f.read()
      
      with open('db.txt',mode='wt',encoding='utf-8') as f:
          f.write(data.replace('kevin','SB'))

      
      
    • 2

      # 实现思路：以读的方式打开原文件,以写的方式打开一个临时文件,一行行读取原文件内容,修改完后写入临时文件...,删掉原文件,将临时文件重命名原文件名
      # 优点: 不会占用过多的内存
      # 缺点: 在文件修改过程中同一份数据存了两份
      import os
      
      with open('db.txt',mode='rt',encoding='utf-8') as read_f,\
              open('.db.txt.swap',mode='wt',encoding='utf-8') as wrife_f:
          for line in read_f:
              wrife_f.write(line.replace('SB','kevin'))
      
      os.remove('db.txt')
      os.rename('.db.txt.swap','db.txt')

    • 看情况选择使用