06 Python字符编码与文件处理

python垃圾回收机制:

python中的垃圾回收机制是以引用计数为主,分代收集为辅,引用计数的缺陷是循环引用的问题,一个对象的引用数为0 ,那么这个对象就会被python虚拟机回收内存

字符编码

字符编码的介绍

计算机存放的都是二级制数字,我们输入一个字符,计算机是不认识的,那么就需要一个编码表,吧我们写入的字符转换为二级制数,然后将输入字符对应的二进制数写入内存,再由内存写入硬盘

在这之间只有一种编码表

ASCII:只能表示英文字符,用1Bytes对应一个英文字符

内存:ASCII

硬盘:ASCII

GBK:可以表示中文字符和英文字符,用1Bytes表示一个英文字符,用2Bytes表示一个中文字符

内存:GBK
硬盘:GBK

Shift-JIS:
内存:Shift-JIS
硬盘:Shift-JIS

Euc-kr:
内存:Euc-kr
硬盘:Euc-kr

以上是各个国家的字符编码,但是这种字符编码只能在自己的国家使用,所以之后出现了一种统一的字符编码

unicode:可以对应万国字符,统一用2个Bytes表示一个字符

两大特点:

　　

1:可以兼容万国字符
2 与万国字符都有一种数字与数字的对应关系

人们写入的字符先转码为unicode编码写进内存，再有硬盘里的GBK、EUC-kr或Shift-JIS编码表进行编码之后写进硬盘

如果要使用，就将字符经过解码，转变为unicode编码，写进内存后再通过unicode编码表一一对应。

GBK数字-----解码decode----->unicode数字
Shift-JIS数字-----解码decode----->unicode数字
 
GBK数字<-----编码encode-----unicode数字
UTF-8数字<-----编码encode-----unicode数字

不同的字符编码转换为英文和中文对应的字节数如下

字符编码　　　　英文　　　　中文

ASCII　　　　1Bytes　　　　无

GBK　　　　   1Bytes　　　 2Bytes

Unicode           2Bytes　　    2Bytes

　Utf-8　           1Bytes　　　3Bytes

保证不乱码的关键

当初用什么字符编码存的,取的时候就用什么编码解码

强调:此时计算机只能使用unicode与字符的对应关系

在pytohn2中

1 (执行python程序的第二个阶段)解释器在将py文件当普通的文本文件读入内存时默认使用的编码是ASCII
2 有两种字符串类型:
　　str:x="上" # 文件头指定的编码格式的二进制
　　unicode:x=u"上" # 存成unicode格式的二进制

ps:pyhon2中unicode就是python3的str类型

在python3中:

1 (执行python程序的第二个阶段)解释器在将test.py当普通的文本文件读入内存时默认使用的编码是UTF-8
2 (执行python程序的第三个阶段,开始识别语法),会字符类型的值开辟一个内存空间存入unicode格式的二进制
ps:python3中的str类型是unicode编码的二进制

3 字符串类型
　　str: x="上" 把‘上’ 存成unicode格式的二进制
　　字节串=x.encode('utf-8')

文件头:
在文件首行写上:coding:utf-8
就是在告诉python解释器,不要用其默认的编码,用文件头指定的编码

文件处理

1 什么是文件:

文件就是操作系统为用户/操作系统提供的操作硬盘的抽象单位

2 为什么要用文件

实现将内存中的数据永久保存到硬盘中

3 如何用文件

文件操作的基本步骤

f=open(r'a.txt',encoding='utf-8') #打开文件,拿到一个文件对象f,f就相当于一个遥控器,可以向操作系统发送指令
f.read() # 读写文件,向操作系统发送读写文件指令
f.close() # 关闭文件,回收操作系统的资源

强调:一定要在程序结束前关闭打开的文件

上下文管理:

with open('文件路径'，mode='打开模式'，encoding='编码表') as f: 　　
　　pass

with结束后会自动关闭文件

4 文件的打开模式

r:只读模式

w:只写模式

a:只追加模式

5 控制读写文件单位的方式(必须与r/w/a连用)

t:文本模式(默认的),一定要指定encoding参数

优点;操作系统会将硬盘中的二进制数字解码城unicode然后返回

强调::只针对文本文件才会有效

whit open('a.txt',mode='rt',encoding = 'utf-8' ) as f:
    data = f.read()
    print(data,type(data))
 
with open('f.png','mode=''rt,encoding = 'utf-8')as f:
    data = f.read()

二进制模式,一定不能制定encoding参数

with open('q.png','rb')as f:
    data = f.read()
    print(data,type(data))
 
with open('a.txt',mode = 'rb') as f:
    data = f.read()
    print(data,type(data))
    print(data.decode('utf-8'))

r: 只读模式L(默认的)

1当文件不存在是,会报错

2 当文件存在时,文件指针指向文件的开头

with open('a.txt',mode='rt',encoding='utf-8') as f:
    res1=f.read()
    print('111===>',res1)
    res2=f.read()
    print('222===>',res2)
 
with open('a.txt',mode='rt',encoding='utf-8') as f:
    print(f.read())
    print(f.readable())
    print(f.writable())
    print(f.readline())
    print(f.readline())
 
with open('a.txt',mode='rt',encoding='utf-8') as f:
    for line in f:
        print(line)
 
with open('a.txt',mode='rt',encoding='utf-8') as f:
    l=[]
    for line in f:
        l.append(line)
        print(l)
        print(f.readlines()        

w: 只写模式

1 当文件不存在时,新建一个空文档

2 当文件存在时,清空文件内容,文件指针跑到文件的开头

with open('c.txt',mode='wt',encoding='utf-8') as f:
    print(f.readable())
    print(f.writable())
    print(f.read())
 
    f.write('哈哈哈\n')
    f.write('你愁啥\n')
    f.write('瞅你咋地\n')
 
    f.write('1111\n2222\n333\n4444\n')
 
    info=['egon:123\n','alex:456\n','lxx:lxx123\n']
    for line in info:
        f.write(line)
        f.writelines(info)
 
with open('c.txt',mode='rb') as f:
    print(f.read())
 
with open('c.txt',mode='wb') as f:
    f.write('哈哈哈\n'.encode('utf-8'))
    f.write('你愁啥\n'.encode('utf-8'))
    f.write('瞅你咋地\n'.encode('utf-8'))

a: 只追加写模式

1 当文件不存时,新建一个空文档，文件指针跑到文件的末尾
2 当文件存在时,文件指针跑到文件的末尾

with open('c.txt',mode='at',encoding='utf-8') as f:
    print(f.readable())
    print(f.writable())
    f.write('虎老师:123\n')

在文件打开不关闭的情况下，连续的写入，下一次写入一定是基于上一次写入指针的位置而继续的

with open('d.txt',mode='wt',encoding='utf-8') as f:
    f.write('虎老师1:123\n')
    f.write('虎老师2:123\n')
    f.write('虎老师3:123\n')
 
with open('d.txt',mode='wt',encoding='utf-8') as f:
    f.write('虎老师4:123\n')
 
with open('d.txt',mode='at',encoding='utf-8') as f:
    f.write('虎老师1:123\n')
    f.write('虎老师2:123\n')
    f.write('虎老师3:123\n')
 
with open('d.txt',mode='at',encoding='utf-8') as f:
    f.write('虎老师4:123\n')