Python入门基础--字符编码与文件处理

字符编码

文本编辑器存取文件的原理

#1、打开编辑器就打开了启动了一个进程，是在内存中的，所以，用编辑器编写的内容也都是存放与内存中的，断电后数据丢失

#2、要想永久保存，需要点击保存按钮：编辑器把内存的数据存到硬盘上。

#3、在我们编写一个py文件（没有执行），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。

 python解释器执行py文件的原理 

#第一阶段：python解释器启动，此时就相当于启动了一个文本编辑器

#第二阶段：python解释器相当于文本编辑器，去打开test.py文件，从硬盘上将test.py的文件内容读入到内存中

#第三阶段：python解释器解释执行刚刚加载到内存中test.py的代码( 在该阶段，即真正执行代码时，才会识别python的语法，执行文件内代码)

出现乱码的两种情况

出现乱码情况1：存的时候和取得时候编码方式不同，只要找到正确的变吗数据就可以恢复

出现乱码情况2：存的时候就已经乱了(文档中内容超出了采用的编码表的范围)  数据将丢失，解决的方案就是采用UTF-8

文件处理

操作文件的流程

#1. 打开文件，得到文件句柄并赋值给一个变量
#2. 通过句柄对文件进行操作
#3. 关闭文件

Python中操作文件

#1. 打开文件，得到文件句柄并赋值给一个变量
f=open('test.txt','r',encoding='utf-8') #默认打开模式就为r

#2. 通过句柄对文件进行操作
data=f.read()

#3. 关闭文件
f.close()

打开文件的模式

#1. 打开文件的模式有(默认为文本模式)：
r ，只读模式【默认模式，文件必须存在，不存在则抛出异常】
w，只写模式【不可读；不存在则创建；存在则清空内容】
a， 之追加写模式【不可读；不存在则创建；存在则只追加内容】

#2. 对于非文本文件，我们只能使用b模式，"b"表示以字节的方式操作（而所有文件也都是以字节的形式存储的，使用这种模式无需考虑文本文件的字符编码、图片文件的jgp格式、视频文件的avi格式）
rb
wb
ab
注：以b方式打开时，读取到的内容是字节类型，写入时也需要提供字节类型，不能指定编码

#3. 了解部分
"+" 表示可以同时读写某个文件,不常用
r+， 读写【可读，可写】 直接写入,会把源数据覆盖
w+，写读【可读，可写】  打开就清空,读不到
a+， 写读【可读，可写】 打开就移动光标到末尾,也读不到

x， 只写模式【不可读；不存在则创建，存在则报错】
x+ ，写读【可读，可写】
xb

无论是读还是写 都需要指定编码方式，如果不指定 windows默认为GBK linux默认UTF-8操作数据都是字符为单位

操作文件的方法

#掌握
f.read() #读取所有内容,光标移动到文件末尾
f.readline() #读取一行内容,光标移动到第二行首部
f.readlines() #读取每一行内容,存放于列表中

f.write('1111\n222\n') #针对文本模式的写,需要自己写换行符
f.write('1111\n222\n'.encode('utf-8')) #针对b模式的写,需要自己写换行符
f.writelines(['333\n','444\n']) #文件模式
f.writelines([bytes('333\n',encoding='utf-8'),'444\n'.encode('utf-8')]) #b模式

#了解
f.readable() #文件是否可读
f.writable() #文件是否可读
f.closed #文件是否关闭
f.encoding #如果文件打开模式为b,则没有该属性
f.flush() #立刻将文件内容从内存刷到硬盘
f.name

模拟复制文件

#需要获取CMD输入的参数import sys # 有一个文件叫sys import是导入这个文件

# sys文件里有一个变量名称叫argv
print(sys.argv) # 得到的就是执行解释器时传入的参数,第一个参数默认就是当前执行文件
# 源文件路径
source_path = sys.argv[1]
# 目标文件路径
dst_path = sys.argv[2]

with open(source_path,"rb") as source_f:
    with open(dst_path,"wb") as dst_f:
        data = source_f.read()
        dst_f.write(data)

修改文件

"""
    读取一行 修改一行 修改完立马写入硬盘,避免了内存溢出的问题

    具体使用哪种方式 的看文件大小
    较小的文件 推荐一次性读到内存进行修改 减少io操作
    较大的文件 则必须采用第二种方式
"""
with open("userdb.txt",mode="rt",encoding="utf-8") as source_f,open("temp.swap",mode="wt",encoding="utf-8") as dst_f:
    for line in source_f:
        new_line = line.replace("admin","ADMIN")
        dst_f.write(new_line)

import os
os.remove("userdb.txt")  # 删除源文件
os.rename("temp.swap","userdb.txt") # 将交换文件重命名为源文件名