檔案操作和字元編碼
阿新 • • 發佈：2022-03-14
檔案操作和字元編碼
字元編碼的實際應用
編碼和解碼
編碼 將人類能夠讀懂的字元編碼成計算機能夠直接讀懂的字元 解碼 將計算機能夠直接讀懂的字元解碼成人類能夠讀懂的字元 s1 = '事已至此 何不一搏' # 編碼 encode # print(s1.encode('gbk')) """ 字串前面如果加了字母b 表示該資料型別為 bytes型別 bytes型別可以看成是二進位制 """ # 解碼 decode # res = b'\xca\xc2\xd2\xd1\xd6\xc1\xb4\xcb \xba\xce\xb2\xbb\xd2\xbb\xb2\xab' # print(res.decode('gbk')) """ 基於網路傳輸資料 資料都必須是二進位制格式 所以肯定涉及到編碼與解碼 """
字元編碼
1.字元編碼
計算機內部儲存資料都是以二進位制數字的形式儲存
計算機基於點工作 而電訊號只有高低電頻兩種狀態
我們人為的將高低電頻定義為數字1
低電頻數字為0
假如0代表你
1代表我
00 01 10 11
000 001 ....
單位換算
位元位(二進位制數的個數)
8bit = 1bytes 00000000相當於2**8種可能
1024B = 1kB
1024KB = 1MB
1024MB = 1G
1024GB = 1TB
1024TB = 1PB
我們強調的字元編碼僅限於文字檔案，其他檔案都不適用
字元編碼的發展史
#一家獨大 計算機是由美國人發明的，美國人需要計算機識別英文，所以 美國人就發明了字元編碼表(ASCII碼)，這個字元編碼表 記錄了英文與數字的對應關係 1bytes 來表示所有的英文及符號。 2**8=256種 所有英文字母加起來都不超過128種可能，留有餘地 #群雄割據 中國 中國人為了計算機識別中文，發明了我們自己的編碼表(GBK碼) 他裡面記錄了中文 英文 與數字的對應關係 GBK用2個bytes(遠遠不夠)來表示中文及符號 生僻字可能會使用更多的bytes. 日本 日本人為了計算機能夠識別日文，發明了(shift_JIS碼) 記錄了日文 英文與數字的對應關係 韓國 韓國人為了為了計算機能夠識別韓文，發明了(Euc_kr碼) 記錄了韓文 英文與數字的對應關係 #天下一統 unicode萬國碼 幾乎是所有國家文字與數字對應的關係 所有的字元用2bytes表示，不夠也是繼續增加 最後由引進utf8() utf8轉換格式 其實是縮寫(unicode transformation format) 英文還是用1butes 中文改用3bytes 記憶體使用的編碼表是unicode 硬碟使用的是utf8 文字檔案編碼統一使用utf8
如何解決亂碼
資料當初以什麼編碼編的就以什麼編碼解即可
res1 = s1.encode('gbk')
print(res1) # 編碼
res2 = res1.decode('euc_kr')
print(res2) # 亂碼
res3 = res1.decode('gbk')
print(res3) # 正常顯示
python直譯器層面
python2直譯器預設的編碼是ASCII碼 1.檔案頭:必須寫在檔案的最上方 告訴直譯器使用指定的編碼 # coding:utf8 # -*- coding:utf8 -*- 美化寫法 2.字元字首:在使用python2直譯器的環境下定義字串習慣在前面加u name = u'你好啊' python3直譯器預設的編碼是utf8
檔案操作
# 什麼是檔案
作業系統暴露給使用者可以直接操作硬碟的快捷方式
# 程式碼操作檔案的流程
1.開啟檔案、建立檔案
2.編輯檔案內容
3.儲存檔案內容
4.關閉檔案
# 基本語法結構
結構1(瞭解即可):
f1 = open()
f1.close()
結構2(推薦使用):
with open() as f:
pass
# 1.使用關鍵字開啟檔案
'''以後寫路徑為了防止特殊符號 直接加r'''
# open(r'a.txt') # 相對路徑
# open(r'D:\py1\day09\a.txt') # 絕對路徑
# res = open(r'a.txt', 'r', encoding='utf8')
"""
open(檔案的路徑,檔案的操作模式,檔案的編碼)
1.檔案的路徑是必須要寫的
2.檔案的操作模式、檔案的編碼有時候不用寫(一會兒講)
"""
# print(res.read()) # 讀取檔案內容
# res.close() # 關閉檔案
"""上述操作open完最後都需要執行close 而close這一行很任意被遺忘"""
# with上下文管理
with open(r'a.txt', 'r', encoding='utf8') as f: # f = open()
data = f.read()
print(data)
檔案的讀寫方式
r read 只讀模式:只能讀不能寫
w write 只寫模式:只能寫不能讀
a append 只追加模式:在檔案末尾新增內容
# r模式
# 路徑不存在:直接報錯
# with open(r'b.txt', 'r', encoding='utf8') as f1:
# # pass (推薦)補全語法結構 本身沒有任何功能
# # ... (不推薦)補全語法結構 本身沒有任何功能
# pass
# 路徑存在:正常開啟檔案並等待內容讀取
with open(r'a.txt', 'r', encoding='utf8') as f1:
# print(f1.read()) # 一次性讀取檔案內所有的內容
f1.write('python是最牛逼的語言!!!') # 報錯
"""
able在英語中大部分情況下表示的是 具備...的能力
readable 具備讀的能力
writable 具備寫的能力
...
"""
# w模式
# 路徑不存在:自動建立檔案
# with open(r'b.txt', 'w', encoding='utf8') as f1:
# pass (推薦)補全語法結構 本身沒有任何功能
# ... (不推薦)補全語法結構 本身沒有任何功能
# pass
# 路徑存在:先清空檔案內容 之後再寫入資料
with open(r'a.txt', 'w', encoding='utf8') as f1:
f1.write('你們是我見過的最優秀一批學生1\n') # 寫入檔案內容
f1.write('你們是我見過的最優秀一批學生2\r') # 寫入檔案內容
f1.write('你們是我見過的最優秀一批學生3\n') # 寫入檔案內容
print(f1.read())
"""
換行 最早的時候:\r\n
為了節省空間支援一個字元 根據作業系統的不同可能有所區別
\n 、 \r
"""
# a模式
# 路徑不存在:自動建立檔案
# with open(r'c.txt', 'a', encoding='utf8') as f1:
# pass
# 路徑存在:不會清空檔案內容 而是在檔案末尾等待新內容的新增
# with open(r'a.txt', 'a', encoding='utf8') as f1:
# f1.write('哈哈哈哈或或或或或')
# print(f1.read())
檔案的操作模式
#t模式
文字模式 是預設的模式
r rt
w wt
a at
1.該模式只能操作文字檔案
2.該模式必須要指定encoding引數
3.該模式讀寫都是以字串為最小單位
#b模式
二進位制模式 可以操作任意型別的檔案
rb 不能省略b
wb 不能省略b
ab 不能省略b
1.該模式可以操作任意型別的檔案
2.該模式不需要指定encoding引數
3.該模式讀寫都是以bytes型別為最小單位
#關於二進位制的讀寫總結
# 總結：
如果是按照二進位制開啟檔案的，要寫入或者讀取一定要編碼 解碼。
# 對於二進位制的讀與寫，要進行對應結構的編碼與解碼，編碼和解碼用相同的方式才行。中文也可以解析出。
# 寫的時候：str_bytes='I am jiyongjia嘉 !'.encode('utf-8')
# 讀的時候：str2=f2.read().decode('utf-8')
'''
如果不進行decode解碼輸出的話會是：b'I am jiyongjia\xe5\x98\x89 !' 它是一個 <class 'bytes'> 非字串，不好操作、
如果使用了decode 解碼再輸出的話，輸出結果是一個I am jiyongjia嘉 ! 它是一個 <class 'str'>
檔案的內建方法
read() # 一次性讀取檔案內容
1.執行完之後游標在檔案末尾 繼續讀取沒有內容
2.當檔案內容特別大的時候 容易造成記憶體溢位(滿了)
readline() # 一次只讀一行內容
readlines() # 結果是一個列表 裡面的各個元素是檔案的一行行內容
readable() # 判斷當前檔案是否可讀
支援for迴圈 # 一行行讀取檔案內容(推薦使用) 記憶體中同一時刻只會有一行內容
write() # 寫入檔案內容(字串或者bytes型別)
writelines() # 可以將列表中多個元素寫入檔案
writable() # 判斷檔案是否可寫
flush() # 相當於主動按了ctrl+s(儲存)