文件处理

Posted 2022-06-18 zhuangyl23

文件处理

一、字符编码

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)

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

文本编辑器存取文件的原理

1、打开编辑器就是打开启动了内存中的一个进程，所以编写的内容都是存放在内存中的，断电后数据丢失

2、要想永久保存，需要编辑器把内存的数据刷到硬盘上

3、在我们编写一个py文件（没有执行时），跟编写其他文件没有任何区别，都只是在编写一堆字符而已

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

python解释器执行py文件的原理

1、python解释器启动，相当于启动了一个文本编辑器

2、python解释器相当于文本编辑器，打开py文件，从硬盘上将py文件内容读入到内存中

3、python解释器解释执行内存中py文件的代码，执行到变量时，会开辟内存空间

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

中文编码：gbk

万国编码：unicode

utf8： 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

什么情况会出现乱码

编码格式不统一

文本编辑器支持的是utf8 ,你输入的是gbk --> 文件的存储

文件存储用了utf8 ,但是下次打开用了gbk --> 文件的读取

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

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)

5、总结

内存中固定使用的就是Uncidoe编码，我们唯一能改变的就是存储到硬盘时使用的编码。

• Unicode----->encode（编码）-------->gbk

• Unicode<--------decode（解码）<----------gbk

二、python2和python3的区别

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)，相当于一个文本编辑器，从硬盘把test.py文件的内容读入内存，读取test.py中的内容。
3. 执行刚刚从硬盘中获取的内容，解释字符 (生成变量就开辟内存空间存放变量，存放变量存放到内存中，涉及字符编码）

2、区别

在第三步的时候python2和python3有区别

python2：

会用unicode编码存放变量; 还会用文件默认的编码存放变量# 假设文件默认的编码是gbk,生成的变量就会用gbk形式存储变量,终端默认编码也是gbk,没有问题# 假设文件默认的编码是gbk,生成的变量就会用gbk形式存储变量,终端默认编码也是utf8,有问题

python3：

就用unicode的编码存放变量 a = 1# 当我们打印a的时候,本来应该打印出0和1,但是终端会按照他的编码规则吧0和1转成人类认识的字符# 用什么编码存,就用什么编码取

代码详情	Python2执行情况	Python3执行情况
# coding:gbk print(‘中‘) 终端：utf8	乱码	不乱码
# coding:utf8 print(‘中‘) 终端：utf8	不乱码	不乱码
# coding:gbk print(u‘中‘) 终端：utf8	不乱码	不乱码
# coding:utf8 print(u‘中‘) 终端：utf8	不乱码	不乱码

在Python2中如果指定了字符编码，那么内存存取就会按照指定的字符编码去入内存。解释或去执行时就要按照指定了的字符编码去解释，否则就会乱码。 否则可以在定义变量前面加上u，这样变量就会以unicode编码存入内存。

如：

#coding:gbk

name = "爸爸"

但在Python3中就不会有这样的问题，因为无论你指定了什么字符编码，在内存存取时都会使用Unicode编码去入内存，Unicode编码可以和任意的字符编码相互转换，并在读取时按照所需的编码区读取，这样就很好解决了字符编码的问题

三、文件的三种打开模式

文件操作的基础模式有三种（默认的操作模式为r模式）：

• r模式为read 只读
• w模式为write 只写
• a模式为append 追加

文件读写内容的格式有两种（默认的读写内容的模式为b模式）：

• t模式为text
• b模式为bytes

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。

1、r：read，只读模式

f = open(r'E:\老男孩教育\python项目\Pycharm练习\test.txt','r',encoding='utf8')
data = f.read()  #读取文件
print(data)
f.close()

f.readline()和f.readlines()

由于f.read()一次性读取文件的所有内容，如果文件非常大的话，可能会造成内存爆掉，即电脑卡死。因此可以使用f.readline()/f.readlines()读取文件内容。

f = open('32.txt', mode='rt', encoding='utf8')
print(f.readable())  # 判断文件是否可读,可读的话返回结果True
data1 = f.readline()   # 逐行读取
data2 = f.readlines()   # 自动将文件内容读取成一个行的列表，该列表可以用for...in...的结构进行处理
print(f"data1: data1")
print(f"data2: data2")
f.close()

2、w：write ，只写模式

f = open('32.txt', mode='wt', encoding='utf8')
f.write()  # 清空原来的文件后，重新写入
f.close()

print(f.writable())  #可写 True
f.writelines(['sdklfj','sdkfjksldf'])   #会将列表拼为字符串写出来

3、a：append，追加模式

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('32.txt', mode='at', encoding='utf8')  # 不会删除原来的文件，在后面直接写入
f.write()
f.close()

四、with管理文件操作上下文

1、文本模式

1.1 文本模式（t）

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

1.2 进制模式（b）

fw = open('test.png','wb')  # encoding是为了让二进制代码变成文本所需要的，所以b模式不需要encoding
fw.write(img)

2、with....open....as

• 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.py', 'rt', encoding='utf8') as fr1
data1 = fr1.read()
print( data1)   #不需要f.close()

• 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('tset.py', 'rb') as fr, \ 
          open('35r.txt', 'wb') as fw:     # “\”表示他们是一行，只是写不下了才用“\”这个标识换行写的
      f.write(f.read())