python初识05-文件处理

Posted 2021-01-22 guyanzhi

　　文件是操作系统中的一个虚拟概念。文件是以计算机硬盘为载体存储在计算机上的信息集合，文件可以是文本文档、图片、程序，等等。在系统运行时，计算机以进程为基本单位进行资源的调度和分配；而在用户进行的输入、输出中，则以文件为基本单位。大多数应用程序的输入都是通过文件来实现的。

　　在初期编写程序时，接触最多的是文本文件，比如，在注册和登录功能中，用户名和密码要存储在文件里，python程序也是写成文本文件的形式。

执行一个python文件的过程：

　　? Cpython解释器加载到内存

　　? py文件从硬盘加载到内存

　　? Cpython解释器向CPU发出指令，处理py文件，逐行识别文本的语法

打开一个文本文档的过程：

　　? 1 ?启动文本编辑器（程序加载到内存），开始编辑，编辑时我们看到即时输入的内容是存在了内存

　　? 2 ?在输入→显示的过程中，涉及到中文字符→二进制→中文字符的过程

　　? 3 ?写完保存，编辑器把内存中的数据保存到硬盘

首先来讨论一下? 2 ?，字符→二进制→字符的过程，就是编码（encode）（输入），解码（decode）（输出），的过程。

　　最开始计算机出现，只在英文环境里使用，所以编码解码只考虑英文字符和二进制，具体用哪些二进制数字表示哪个符号，经最早的这批人达成一致，这就是ASCII码。

　　后来计算机普及，每个国家都产生了自己的语言与二进制的对应标准，比如中国的GBK，因为各个国家不统一，导致了这样的问题：汉语国家编写的软件，在其他语系国家里不能使用，因为他们的计算机中没有汉语字符与二进制的对照关系！为了解决这样的问题，各国统一，unicode码诞生了，它将很多国家的字符与二进制的关系都包含在内，统一使用16位二进制数字表示各国字符。

　　结果就是，我们在自己的电脑文本编辑器里输入一个日文字符，编码到内存，显示（输出）的时候，这16位二进制数字会解码成日文，显示出来，而不会出现乱码的问题。

　　可是再后来，使用计算机的过程中，又发现了新问题：在英语系国家的编程者发现，原来采用ASCII码，用8位二进制表示字符，而现在需要16位，输入的数据存入硬盘的时间几乎长了一倍！为了解决这样的问题，又出现了UTF-8（8-bit Unicode Transformation Format），这是一种针对Unicode的可变长度字符编码，它会识别unicode编码的二进制表示的字符是什么语言的字符，并分配不同的字节，比如，如果是英文，就用1个字节存储到硬盘，如果是中文，就用3个字节存到硬盘...这是? 3 ?的过程

　　有了UTF-8之后，只要我们写一个文件，保存成utf-8编码格式，在任何国家的电脑上也能通用，而且占的空间更小，存取更快!是不是觉得，utf-8可以完全取代unicode了！理论上的确是这样，但这里又存在一个历史遗留问题了，在这之前，很多国家都用自己国家的编码标准编写了软件，而utf-8里只有与unicode 一 一对应的关系，并没有直接和GBK，shift-jis等标准建立联系，所以直至现在，我们的计算机内存采用的，仍然是unicode.就像python3刚推出，而很多python2的软件都不能用python3运行，导致很多公司和个人拒绝使用python3，于是龟叔迫不得已推出python2.7一样，我们需要unicode来作为阶段性的过渡。

　　但是如果以后每个人写文件，都采用utf-8格式保存，等足够长的时间后，就可以废弃unicode标准了，也就不会存在因为编码解码而导致的程序报错和乱码问题！！

　　这张图可以帮助你理解编码、解码的过程和乱码、报错的原因：