文件处理

目录

• 1. 字符编码
  • 1.1 计算机基础
  • 1.2 文本编辑器
  • 1.3 python解释器
  • 1.4 字符编码
  • 1.5 什么情况会出现乱码
  • 1.6 乱码的两种情况
  • 1.7 解决乱码
• 2. python2和3字符编码的区别
  • 2.1 python解释器运行代码的流程
  • 2.2 python3(了解)
  • 2.3 Python2(了解)
• 3. 文件的打开方式
  • 3.1 只读(r)
  • 3.2 只写(w)
  • 3.3 追加(a)
• 4. with管理文件上下文
  • 4.1 文件读写内容的格式
    • 4.1.1 文本模式t
    • 4.1.2 进制模式b
  • 4.2 with管理文件操作上下文

1. 字符编码

1.1 计算机基础

1.cpu

控制程序的运行(从内存中取出文本编辑器的数据读入内存)

2.内存

运行程序(经cpu操作后,内存中含有文本编辑器的数据)

3.硬盘

存储数据(文本编辑器)

1.2 文本编辑器

计算机只认识 0和1

文本编辑器的作用: 读写数据,保存数据

1.3 python解释器

具有文本编辑器的功能

010101011001010 --> a = 1 # 5个很普通的字符 ,python解释器没有运行的时候提供的 # 字符编码

定义变量就要开辟内存空间存放变量,内存只认识 0和1 也就是说, a=1 --> 01010110101 需要一定的0和1表示他为字符串,python解释器运行的时候提供的 # python2和3字符编码的区别

1.4 字符编码

字符编码: 二进制 和 你所能认识的字符 之间的相互转换的一个过程。

总而言之，字符编码是将人类的字符编码成计算机能识别的数字，这种转换必须遵循一套固定的标准，该标准无非是人类字符与数字的对应关系，称之为字符编码表。

unicode: 认识万国语言,万国编码

unicode 把 8位的英文变成了16位的英文, 多占用了内存空间。本着节约的精神，就出现了把Unicode编码转化为“可变长编码”的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。

1.5 什么情况会出现乱码

文件从内存刷到硬盘的操作简称存文件

文件从硬盘读到内存的操作简称读文件

编码格式不统一

存文件时就已经乱码：

文本编辑器支持的是utf8 ,你输入的是gbk --> 文件的存储

存文件时不乱码而读文件时乱码：

文件存储用了utf8 ,但是下次打开用了gbk --> 文件的读取

1.6 乱码的两种情况

中文的文本编辑器只认识中文,然后你输入了日文 --> 乱码 # encode 编码

文本编辑器存储了中文(文件),但是你用日本的编辑器打开这个文件 --> 乱码 # decode 解码

1.7 解决乱码

什么格式存储, 就什么格式读取 就不会乱码(牢记这句话)

windows电脑的记事本默认为gbk编码,除此之外其他的软件默认编码为utf8

2. python2和3字符编码的区别

2.1 python解释器运行代码的流程

1. 启动python解释器(相当于文本编辑器)
2. 打开文件,显示这个字符并检查语法(涉及字符编码, a=1只是一个很普通的字符)
3. 解释字符 (涉及字符编码,再去内存空间 生成一个a=1的变量)

python2用的是ascii, python3默认是utf8读取字符

coding:gbk`会告诉python3解释器用gbk编码读取字符

2.2 python3(了解)

你看到的其实是unicode,但是终端帮你把这个unicode的0和1做一个转换,从unicode转换成了终端能够识别的编码格式,然后变成中文

# coding:gbk
a = '中文'  # 用unicode编码存储了这堆0和1
print(a)  # 010101010

假设终端的默认编码是gbk , 认识 unicode编码的变量

假设终端的默认编码是utf8,认识 unicode编码的变量

2.3 Python2(了解)

unicode + 指定的coding编码(str类型)

# coding:gbk
a = '中文'  # 用gbk编码存储了这堆0和1
a = u'中文'  # 用unicode编码存储了这堆0和1
print(a)

终端是一个文本编辑器,会有默认编码.

假设终端的默认编码是gbk , 认识 gbk编码的变量

假设终端的默认编码是utf8, 不认识 gbk编码的变量

3. 文件的打开方式

3.1 只读(r)

r: read,只读模式，只能读不能写，文件不存在时报错。

f = open('test.py','r',encoding='gbk')  # 只读 # 文件内容拿出来，读一行少一号
print(f.read())  # 读取文件所有内容
# print(f.readable())  # 是否可读  # True
# print(f.readline())
# print(f.readline())
# print(f.readlines())  # 列表存储所有行，每一行都默认有换行符

# 以后使用这个方式循环文件
# data = f.read()
# for i in data:
#     print(i)

f.close()

3.2 只写(w)

w:write 只能写，不能读，文件存在的时候回清空文件后再写入内容；文件不存在的时候会创建文件后写入内容。

f = open('test.py','w',encoding='utf8')  # 只写 # 清空后再写
print(f.write('sbhd'))
# print(f.writable())
# print(f.writelines(['dsffd','vxfdv']))
f.close()

3.3 追加(a)

a: 可以追加。文件存在，则在文件的末端写入内容；文件不存在的时候会创建文件后写入内容。

f = open('test.py','a',encoding='utf8') # 追加 # 文件末追加
f.write('aaa')
f.close()

4. with管理文件上下文

4.1 文件读写内容的格式

4.1.1 文本模式t

f = open('test.py','rt')
data = f.read()
print(data)

4.1.2 进制模式b

b模式是通用的模式，因为所有的文件在硬盘中都是以二进制的形式存储的，需要注意的是：b模式读写文件，一定不能加上encoding参数，因为二进制无法再编码。

f = open('test.png','rb')
# f = open('test.png','wb')
# f = open('test.png','ab')
data = f.read()
print(data)

需要注意的是：t、b这两种模式均不能单独使用，都需要与r/w/a之一连用。

4.2 with管理文件操作上下文

之前我们使用open()方法操作文件，但是open打开文件后我们还需要手动释放文件对操作系统的占用。但是其实我们可以更方便的打开文件，即Python提供的上下文管理工具——with open()。

with open('test.png','wb') as fw:  #自动关闭文件
    fw.write(img)

with open()方法不仅提供自动释放操作系统占用的方法，并且with open可以使用逗号分隔，一次性打开多个文件，实现文件的快速拷贝。

with open('test.py','rt',encoding='utf8') as fr2,
    open('test.txt','rt',encoding='utf8') as fr1,
    open('test.png','rb') as fr3:
    data1 = fr1.read()
    print('data1',data1)
    data2 = fr2.read()
    print('data2',data2)
    data3 = fr3.read()
    print('data3',data3)
    
print('ndskhfvbdhfvjbhdkvheu好')