一、 字元編碼

1. 介紹

概念：字元編碼主要的研究物件是文字檔案（圖片、視訊、音訊除外）

文字編輯器讀取檔案內容的流程：

       1.啟動一個文字編輯器

       2.文字編輯器將檔案內容從硬碟讀入記憶體

       3.文字編輯器將剛剛讀入記憶體中的內容顯示到螢幕上

python直譯器執行檔案的流程：

       1.啟動python直譯器，此時就相當於啟動了一個文字編輯器

       2.python直譯器相當於文字編輯器，將硬碟上的py檔案的內容讀入到記憶體中

       3.python直譯器執行剛剛讀入到記憶體的內容，開始識別python語法

2. 字元編碼的發展史

第一階段（一家獨大）：

計算機是由美國人發明的，為了讓計算機能識別英文，定義了一個數字與英文字元的對應關係-----字元編碼表（ASCII碼錶）

ASCII碼：只記錄了英文字元與數字的對應關係

1Byte對應1個英文字元

A-Z   65-90

a-z    97-122

第二階段（群雄割據）：

中國：

        GBK碼（國標）  記錄中文、英文字元與數字的對應關係

         1Byte儲存英文字元

          2Byte儲存中文字元，如果不夠用則使用 3Byte或 4Byte（2Byte最多能對應的中文字元數量為2**16=65536個）

韓國：

        Euc_kr編碼表：記錄韓文、英文字元與數字的對應關係

日本：

        shift_JIS：記錄日文、英文字元與數字的對應關係

第三階段（天下一統）：

unicode（萬國碼）：

記錄了所有國家的字元與數字的對應關係、所有的字元最少採用2Byte儲存

現在的計算機可以輸出所有國家的字元，記憶體使用的是unicode編碼

由於unicode最少採用2Byte，而ASCII碼中1Byte對應1個英文字元，因此unicode會浪費儲存空間和IO時間，所以又開發了一個編碼（utf-8）

utf-8：

1Byte儲存英文字元

3Byte儲存中文字元

結論：

記憶體中的編碼不需要考慮，只考慮硬碟上的即可

英文、漢字-------unicode----------GBK

英文、日文-------unicode----------shift-JIS

萬國字元----------unicode----------utf-8

3. 字元編碼實際應用

3.1 編碼與解碼

編碼（encode）：將人類能夠讀懂的字元轉換成計算機能夠直接讀懂的字元

解碼（decode）：將計算機能夠直接讀懂的字元轉換成人類能夠讀懂的字元

編碼示例：將字串按gbk進行編碼

 字串前如果加了字母b，表示該資料型別為Byte型別，Byte型別可以看成是二進位制

解碼示例：將存成gbk的字串依然按照gbk格式進行解碼

 3.2如何解決亂碼問題

資料當初以什麼格式進行編碼就以什麼格式進行解碼

s2 = '阿根廷梅西'

# 以gbk格式進行編碼
a = s2.encode('gbk')
# 列印編碼後的資料
print(a)  # b'\xb0\xa2\xb8\xf9\xcd\xa2\xc3\xb7\xce\xf7'
# 以Euc_kr格式進行解碼
print(a.decode('euc_kr'))  # 각몽溪첨鮫
# 以gbk格式進行解碼
print(a.decode('gbk'))  # 阿根廷梅西

3.3 python直譯器如何解決亂碼問題

python2直譯器：預設的編碼是ASCII碼（計算機是由美國人發明的）

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 -*-       （這是一種美化寫法）

在python2直譯器中沒有指定編碼格式時，如果寫了中文註釋，執行程式碼也會報錯（python2預設ASCII）

按照gbk或者utf-8進行編碼就不會報錯

 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

（u即unicode，記憶體中格式為unicode，硬碟中格式為utf-8）

不指定檔案頭為utf-8給字串字首加u時，還是會按照ASCII進行編碼，仍然會報錯

python3直譯器 ：預設使用utf-8編碼

二、 檔案操作

1. 概念與語法

# 1.1什麼是檔案

  作業系統提供給使用者可以直接操作硬碟的快捷方式

# 1.2操作檔案的流程

  開啟檔案、建立檔案

  編輯內容

  儲存內容

  關閉檔案

# 1.3基本語法

結構1(瞭解)：

            f1 = open(   )        開啟檔案

            a = f1.read(   )      讀取檔案

            f1.close(   )            關閉檔案

結構2(推薦使用)：

            with open(   ) as f：

                pass

# 1.4使用關鍵字開啟檔案

為了防止特殊符號轉義，直接加r

open(r'測試.txt')  # 相對路徑
open(r'D:\Project\learn\測試.txt')  # 絕對路徑

開啟檔案
a = open(r'D:\Project\learn\測試.txt')
print(a)
# <_io.TextIOWrapper name='D:\\Project\\learn\\測試.txt' mode='r' encoding='cp936'>

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

如語法中所述，open完最後都需要執行close，而close程式碼容易被遺忘，進而引出了with方法

# 1.5with上下文管理

with會自動呼叫close關閉檔案

 2. 檔案的讀寫模式

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

路徑存在：正常開啟檔案並等待內容讀取

w模式

路徑不存在：自動建立檔案

路徑存在：先清空檔案內容，再寫入資料

（最早的時候換行方式\r\n，\r的作用是游標從第一行末尾移動到第二行末尾，\n的作用是游標從行尾到行首，現在一個字元也可以換行）

a模式

路徑不存在：自動建立檔案

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

a模式也不可讀

3. 檔案的操作模式

t模式   

即文字模式 ，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.該模式讀寫都是以字串為單位（即都是以Unicode為單位）.

3.該模式必須指定encoding引數，encoding:utf-8（即Unicode轉換成utf-8存入硬碟，或者將utf-8轉換成unicode讀入記憶體）

b模式

二進位制模式    可以操作任意型別的檔案

r    rb     b不可省略

w   wb   b不可省略

a   ab    b不可省略

1.該模式可以操作任意型別的檔案

2.該模式一定不能指定encoding引數

3.該模式讀寫都是以Byte型別（二進位制）為最小單位

 4. 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

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
# writable()  # 判斷檔案是否可寫

# 支援for迴圈，一行行讀取檔案內容，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
with open(r'D:\Project\learn\測試.txt', 'wt', encoding='utf-8') as f7:
    f7.writelines(['阿根廷\n', '足球\n', '巨星\n', '梅西'])

flush()  # 相當於主動按了ctrl+s(儲存)