本节内容
| 一、字符编码 |
1、编码
计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。解决思路：数字与符号建立一对一映射，用不同数字表示不同符号。
ASCII(American Standard Code for Information Interchange, 美国标准信息交换代码)是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。
每个bit 有两种状态 0和1，ASCII码使用指定的8位二进制数组合来表示256种可能的字符
大小规则
1) 数字0-9比字母要小， 如"7" < "F"；
2) 数字0比数字9要小，并按0到9顺序递增, 如"3" <"8"；
3) 字母A比字母Z要小，并按A到Z顺序递增, 如"A" < "Z"；
4) 同个字母的大写字母比小写字母要小，如 "A" <" a"；
常用ASCII 十进制 "0" = 48、"A"= 65、"a"= 97
中文编码
8为的ASCII能表示的最大整数255，也就是大小写英文字母、数字和一些符号。如果要表示更大的整数，就必须用更多的字节，如两个字节。
为了处理汉字，中国设计了用于简体中文的GB2312和用于繁体中文的big5
发展过程 GB2312(7445个字符) -- GBK(21886个字符) -- GB18030(27484个字符)，属于双字节字符集
Windows缺省内码GBK
万国码
Unicode(统一码、万国码、单一码)为每种语言中的每个字符设定了统一并且唯一的二进制编码，规定最少由16位(2个字节)。Python3支持Unicode编码
UTF-8
如果文本全是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
Unicode编码优化压缩为UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，
ASCII码中的内容用1个字节保存
欧洲的字符用2个字节保存
东亚的字符用3个字节保存
| 字符 | ASCII | Unicode | UTF-8 |
| A | 01000001 | 00000000 01000001 | 01000001 |
| 中 | -- | 01001110 00101101 | 11100100 10111000 10101101 |
在UTF-8编码中，ASCII编码实际上可以被看成是UTF-8编码的一部分。所以大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。
Unicode是内存编码表示方案(是规范)，而UTF是如何保存和传输Unicode的方案(是实现）
2、Python2.x编码
Python2.x 默认编码为ASSIC, 1989年，先于1991年出现的unicode编码
# -*- coding:utf-8-*- 告诉py的解释器，后面的代码请用utf-8来来解释，对Python2.x非常重要
Python2.x中 UTF-8与GBK相互转换如下图所示
Python2.x 示例
|
msg = "中国" print msg gbk_str = msg.decode(encoding="utf-8").encode(encoding="gbk") print gbk_str print gbk_str.decode(encoding="gbk").encode("gb2312") print gbk_str.decode(encoding="gbk").encode("utf-8") pirnt gbk_str.decode(encoding="gbk") |
Python2 在windows解码是必须的，编码成gbk这个动作不是必须的
Python2 在linux(默认是utf8)上，如果是gbk-> utf8，解码是必须得，编码成utf-8这个动作不是必须的
所有的程序在内存里默认都是unicode
3、Pyhthon3.x编码
unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)，utf-16就是现在最常用的unicode版本， 传输或存储时用utf-8
Python 3.x 默认文件时 utf-8
Python3 也有两种数据类型：str和bytes，其中str类型存unicode数据，bytse类型存bytes数据
Python3 renamed the unicode type to str ,the old str type has been replaced by bytes.
解释器编码是 unicode，加载到内存后自动解码成unicode，同时，把字符转换成bytes格式
bytes = 8bit
Python2 str == python3 bytes
Python3 str == unicode
Python3 多出来的bytes格式是一个单独的类型
4、文件从磁盘到内存的编码
在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。
用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：
在文本编辑器编辑文字的时候，不管是中文还是英文，计算机都不认识，所以在内存中以unicode数据存在。无论中文、英文、日文、拉丁文，
世界上任何字符它都有唯一编码对应，所以兼容性是最好的。
在磁盘上存储数据的时候，是通过某种编码方式的bytes字节串，比如utf8，可变长编码，节省空间，还有gbk等等。文本编辑器软件都有默认的
保存文件的编码方式，比如utf8、gbk等等。当我们点击保存的时候，这些编辑软件已经“默默地”帮我们做了编码工作。
当我们再打开这个软件时，软件又默默地给我们做了解码工作，将数据再解码成unicode，然后就可以呈现明文给用户了。
unicode是离用户更近的数据，bytes是离计算机更近的数据。
那编码和程序执行有什么关系呢？
先明确一个概念：Python解释器本身就是一个软件，一个类似于文本编辑器一样的软件！
文本编辑器有自己默认的编码解码方式，解释器也有
|
import sys print sys.getdefaultencoding() # Python2 默认ascii print (sys.getdefaultencoding()) # Python3 默认utf-8 |
是否还记得开头这个声明
|
# -*- coding:utf-8 -*- |
如何Python2解释器去执行一个utf8编码的文件，就会默认地以ascii去解析utf8，一旦程序中有中文，自然就解码错了。
开头位置声明 # -*- coding:utf-8 -*-，其实就是告诉解释器，不要以默认的编码方式去解码这个文件，而是以utf8解析。
而Python3解释器默认utf8编码，就方便很多了。
| 二、文件操作 |
open() # encoding不声明，默认使用操作系统的编码来解释文件，如中文Windows的GBK
打开文件模式
r，只读模式(默认)，不可写
w，只写模式(不可读；不存在则创建；存在则删除内容，更新为最新内容)
a，追加模式(可读；不存在则创建；存在则只追加内容)
"+"表示可同时读写某个文件
r+，追加 + 读，会覆盖光标后内容，除非定长修改，而 a模式只追加
w+ ，清空原文件，再写入新内容，可读
a+，追加读，从文件末尾
# 实际运用 r w a 较多
基本操作
|
f = open("text", encoding="utf-8", mode="r") # 读模式打开文件 first_line = f.readline() # 读第一行 second_line = f.readline() # 读第二行 lines = f.readlines(3) # 读三行，返回值为列表 data = f.read() # 读剩下所有内容，文件大时不要用；read(n)有值时，读取相应字符 f.close() # 关闭文件
number = f.tell() # 返回光标所在第几个字节 f.seek(10) # 往后移动相应字节，如10字节 f.write("xxxxx ") # 写数据到文件 f.flush # 内存数据更新到硬盘 f.fileno() # 操作系统维护的文件列表，文件描述符 |
| 三、集合 |
集合是一个无序不重复元素的序列。基本功能
-
去重，列表变集合，自动去重
-
关系测试，测试两组数据交集、并集、差集等关系
集合定义可以使用大括号{}或者set函数来创建集合
注意：创建一个空集合必须用 set() 而不是 {}，因为 {} 是用来创建一个空字典
特性：去重、无序
|
# 定义集合 去重、无序 set1 = set({}) set2 = set([3, 5, 5, 9]) set3 = {3, 5, 5, 9} set4 = ({3, 5, 5, 9})
# 集合基本操作 set2.add(11) # 集合set2增加元素11 set2.remove(11) # 集合set2删除元素11 len(set4) # 返回集合set4长度 data in set4 # 判断元素data是否存在于集合set4之中 data not in set4 # 判断元素data是否不存在于集合set4之中 set3.issubset(set4) # 判断集合set3中每个元素是否都在集合set4中，即子集判断 set3.issuperset(set4) # 判断集合set3是否包含集合set4中每个元素，即父集判断
# 关系运算 a = {1, 3, 5, 7, 10} b = {2, 3, 5, 6, 8}
# 交集，同时在集合a和集合b中的元素集合 print( a & b) print( a.intersection(b)) a.intersection_update(b) # 集合 a 更新为a与b交集
# 差集运算 a - b，只在集合a中，不在集合b中 print( a- b) print(a.difference(b)) a.difference_update(b) # 集合 a 更新为差集 a -b # 同理 差集 b - a
# 并集，集合a和集合b总元素集合 print(a | b) print(a.union(b))
# 对称差集，集合a和集合b不重复元素集合 print(a^b) print(a.symmetirc_differece(b) |