Python入门篇之文件操作和字符编码

Posted 2020-10-26

1、文件操作

1、文件操作流程：

打开文件，得到文件句柄并赋值给一个变量===>  file = open("yesterday",encoding="utf-8")
通过句柄对文件进行操作
关闭文件 ==>  file.close()

1.2、打开文件的模式

r，只读模式（默认）。
w，只写模式。【不可读；不存在则创建；存在则删除内容；】
a，追加模式。【可读；   不存在则创建；存在则只追加内容；】
"+" 表示可以同时读写某个文件

r+，可读写文件。【可读；可写；可追加】
w+，写读----->没啥卵用
a+，同a
"U"表示在读取时，可以将 \r \n \r\n自动转换成 \n （与 r 或 r+ 模式同使用）

rU
r+U
"b"表示处理二进制文件（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）

rb--->二进制文件读取，二进制文件必须使用二进制模式打开
wb
ab

不同模式使用练习：
书写一个文件，内容如下：

我爱北京天安门
北京天安门上太阳升

data = open("yestday",encoding="utf-8").read()  --->全部读取，默认为r（只读模式）
print(data)

执行结果：
我爱北京天安门
北京天安门上太阳升

*******************************************************************************************
当模式更改为只写模式时，会提示报错，不可读，并且会将yestday文件内容清空
data = open("yestday",‘w‘,encoding="utf-8").read()
print(data)

执行结果：
io.UnsupportedOperation: not readable

*******************************************************************************************
data = open("yestday",‘a‘,encoding="utf-8")
data.write("\nwelcome")

执行结果：无返回值，可以查看yestday文件是否在尾部增加了welcome的字符

*******************************************************************************************
yestday文件内容：
You Are My Baby！
Come on!!!
Come on!!!
Come on!!!
welcome

data = open("yestday",‘r+‘,enconding="utf-8")
print(data.readline())
print(data.readline())
data.write("\nBeiJing")

执行结果：
You Are My Baby！

Come on!!!
查看yestday文件内容：
You Are My Baby！
Come on!!!
Come on!!!
Come on!!!
welcome
BeiJing

★★r+读写模式，只能在尾部追加，无法在文件内部进行插入，比如上面先读取了2行，再写入BeiJing，查看文件的变化是在尾部增加了该字符串。

1.3、file对象常用函数

file对象使用open函数来创建，以下为file对象常用的函数：

序号	方法	描述
1	file.close()	关闭文件。关闭后文件不能再进行读写操作。
2	file.flush()	刷新文件内部缓冲，直接把内部缓冲区的数据立刻写入文件, 而不是被动的等待输出缓冲区写入。
3	file.fileno()	返回一个整型的文件描述符(file descriptor FD 整型), 可以用在如os模块的read方法等一些底层操作上。
4	file.isatty()	如果文件连接到一个终端设备返回 True，否则返回 False。
5	file.next()	返回文件的下一行
6	file.read([size])	从文件读取指定的字节数，如果未给定或为负则读取所有。
7	file.readline([size])	读取整行，包括 "\n" 字符。
8	file.seek()	设置文件的当前位置
9	file.tell()	返回文件的当前位置
10	file.truncate([size])	从文件的首行首字符开始截断，截断文件为 size 个字符，无 size 表示从当前位置截断；截断之后 V 后面的所有字符被删除，其中 Widnows 系统下的换行代表2个字符大小。
11	file.write(str)	将字符串写入文件，没有返回值
12	file.writelines(sequence)	向文件写入一个序列字符串列表，如果需要换行则要自己加入每行的换行符。

进度条练习：---->使用flush刷新缓冲区

import sys,time
for i in range(10):
    sys.stdout.write("#")
    sys.stdout.flush()
    time.sleep(0.1)

执行结果：
##########

文件的修改练习：---->通过将修改的内容保存到一个新的文件当中
文件内容如下：
我爱北京天安门
天安门上太阳升
张杰
林俊杰
周杰伦

file = open("yestday","r",encoding="utf-8")
filenew = open("yestdaynew",‘w‘,encoding="utf-8")
for line in file:
    if "张杰" in line:
        line = line.replace("张杰","谢娜")
    filenew.write(line)
file.close()
filenew.close()

执行结果：
生成了yestdaynew文件，内容如下：
我爱北京天安门
天安门上太阳升
谢娜
林俊杰
周杰伦

1.4、with语句

为了避免打开文件后忘记关闭，可以通过管理上下文，即：
with open(‘log‘,‘r‘) as f:
如此方式，当with代码块执行完毕时，内部会自动关闭并释放文件资源。
在Python 2.7 后，with又支持同时对多个文件的上下文进行管理，即：
with open(‘log1‘) as obj1, open(‘log2‘) as obj2:

with open("yestday",‘r‘,encoding="utf-8") as file:
    for line in file:
        print(line)

执行结果：
我爱北京天安门

天安门上太阳升

张杰

林俊杰

周杰伦

with open("yestday",‘r‘,encoding="utf-8") as file ,        open("yestday",‘r‘,encoding="utf-8") as file2:
    for line in file2:
        print(line)

执行结果：
我爱北京天安门

天安门上太阳升

张杰

林俊杰

周杰伦

2、字符编码和转码

详细文章:
python编码终极版

2.1需知

1.在python2默认编码是ASCII, python3里默认是unicode

[[email protected] ~]# python
Python 2.7.5 (default, Aug  4 2017, 00:39:18) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-16)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> print(sys.getdefaultencoding())
ascii

C:\Users\Administrator>python
Python 3.5.2 (v3.5.2:4def2a2901a5, Jun 25 2016, 22:18:55) [MSC v.1900 64 bit (AM
D64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> print(sys.getdefaultencoding())
utf-8
>>>

2.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)， 所以 utf-16就是现在最常用的unicode版本， 不过在文件里存的还是utf-8，因为utf8省空间

3.在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string

4.Unicode与utf8的关系：
一言以蔽之：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）这也是UTF与Unicode的区别。

in python 2.x
#author = KIM
#-*-coding:utf-8-*-  -->申明编码的方式为utf-8

import sys
print(sys.getdefaultencoding())  -->python 2.x中默认的编码是ascii

msg = "你好"

msg_to_gbk = msg.decode("utf-8").encode("gbk")
print(msg_to_gbk)

执行结果：
[[email protected] ~]# python encode.py 
ascii
?o --->乱码

此处将utf-8编码转为gbk的编码过程：msg解码（decode）为unicode，再编码（encode）为gbk。而默认的的编码格式为utf-8,gbk格式明文显示会出现乱码。

in python 3.x
import sys
print(sys.getdefaultencoding()) 

msg = "我爱北京天安门"
msg_gbk = msg.encode("gbk")  -->默认就是unicode，不需要decode
msg_utf8 = msg.encode("utf-8")
msg_unicode = msg.encode("gbk").decode("gbk")

print(msg_gbk)
print(msg_utf8 )
print(msg_unicode)

执行结果：
utf-8
b‘\xce\xd2\xb0\xae\xb1\xb1\xbe\xa9\xcc\xec\xb0\xb2\xc3\xc5‘
b‘\xe6\x88\x91\xe7\x88\xb1\xe5\x8c\x97\xe4\xba\xac\xe5\xa4\xa9\xe5\xae\x89\xe9\x97\xa8‘
我爱北京天安门