python基礎（三）----字符編碼以及文件處理
字符編碼與文件處理
一.字符編碼
由字符翻譯成二進制數字的過程 字符--------（翻譯過程）------->數字 這個過程實際就是一個字符如何對應一個特定數字的標準，這個標準稱之為字符編碼。 字符編碼的發展史 階段一：現代計算機起源於美國，最早誕生也是基於英文考慮的ASCII ASCII:一個Bytes代表一個字符（英文字符/鍵盤上的所有其他字符），1Bytes=8bit，8bit可以表示0-2**8-1種變化，即可以表示256個字符 ASCII最初只用了後七位，127個數字，已經完全能夠代表鍵盤上所有的字符了（英文字符/鍵盤的所有其他字符） 後來為了將拉丁文也編碼進了ASCII表，將最高位也占用了 階段二:為了滿足中文，中國人定制了GBK GBK:2Bytes代表一個字符 為了滿足其他國家，各個國家紛紛定制了自己的編碼 日本把日文編到Shift_JIS裏，韓國把韓文編到Euc-kr裏 階段三：各國有各國的標準，就會不可避免地出現沖突，結果就是，在多語言混合的文本中，顯示出來會有亂碼。 於是產生了unicode， 統一用2Bytes代表一個字符， 2**16-1=65535，可代表6萬多個字符，因而兼容萬國語言 但對於通篇都是英文的文本來說，這種編碼方式無疑是多了一倍的存儲空間（二進制最終都是以電或者磁的方式存儲到存儲介質中的） 於是產生了UTF-8，對英文字符只用1Bytes表示，對中文字符用3Bytes 需要強調的一點是： unicode：簡單粗暴，所有字符都是2Bytes，優點是字符->數字的轉換速度快，缺點是占用空間大 utf-8：精準，對不同的字符用不同的長度表示，優點是節省空間，缺點是：字符->數字的轉換速度慢，因為每次都需要計算出字符需要多長的Bytes才能夠準確表示 - 內存中使用的編碼是unicode，用空間換時間（程序都需要加載到內存才能運行，因而內存應該是盡可能的保證快） - 硬盤中或者網絡傳輸用utf-8，網絡I/O延遲或磁盤I/O延遲要遠大與utf-8的轉換延遲，而且I/O應該是盡可能地節省帶寬，保證數據傳輸的穩定性。 用什麽類型的字符編碼存數據那麽就用什麽類型的字符編碼解數據！
在最新的Python 3版本中，字符串是以Unicode編碼的，也就是說，Python的字符串支持多語言，例如：
>>> print(‘包含中文的str‘)
包含中文的str
對於單個字符的編碼，Python提供了ord()函數獲取字符的整數表示，chr()函數把編碼轉換為對應的字符：
>>> ord(‘A‘)
65>>> ord(‘中‘)
20013>>> chr(66)
‘B‘>>> chr(25991)
‘文‘如果知道字符的整數編碼，還可以用十六進制這麽寫str：
>>> ‘\u4e2d\u6587‘‘中文‘
兩種寫法完全是等價的。
由於Python的字符串類型是str，在內存中以Unicode表示，一個字符對應若幹個字節。如果要在網絡上傳輸，或者保存到磁盤上，就需要把str變為以字節為單位的bytes。
Python對bytes類型的數據用帶b前綴的單引號或雙引號表示：
x = b‘ABC‘要註意區分‘ABC‘和b‘ABC‘，前者是str，後者雖然內容顯示得和前者一樣，但bytes的每個字符都只占用一個字節。
以Unicode表示的str通過encode()方法可以編碼為指定的bytes，例如：
>>> ‘ABC‘.encode(‘ascii‘) b‘ABC‘ >>> ‘中文‘.encode(‘utf-8‘) b‘\xe4\xb8\xad\xe6\x96\x87‘ >>> ‘中文‘.encode(‘ascii‘) Traceback (most recent call last): File "<stdin>", line 1, in <module> UnicodeEncodeError: ‘ascii‘ codec can‘t encode characters in position 0-1: ordinal not in range(128)
純英文的str可以用ASCII編碼為bytes，內容是一樣的，含有中文的str可以用UTF-8編碼為bytes。含有中文的str無法用ASCII編碼，因為中文編碼的範圍超過了ASCII編碼的範圍，Python會報錯。
在bytes中，無法顯示為ASCII字符的字節，用\x##顯示。
反過來，如果我們從網絡或磁盤上讀取了字節流，那麽讀到的數據就是bytes。要把bytes變為str，就需要用decode()方法：
>>> b‘ABC‘.decode(‘ascii‘)
‘ABC‘>>> b‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘)
‘中文‘要計算str包含多少個字符，可以用len()函數：
>>> len(‘ABC‘)
3>>> len(‘中文‘)
2len()函數計算的是str的字符數，如果換成bytes，len()函數就計算字節數：
>>> len(b‘ABC‘)
3>>> len(b‘\xe4\xb8\xad\xe6\x96\x87‘)
6>>> len(‘中文‘.encode(‘utf-8‘))
6可見，1個中文字符經過UTF-8編碼後通常會占用3個字節，而1個英文字符只占用1個字節。
在操作字符串時，我們經常遇到str和bytes的互相轉換。為了避免亂碼問題，應當始終堅持使用UTF-8編碼對str和bytes進行轉換。
由於Python源代碼也是一個文本文件，所以，當你的源代碼中包含中文的時候，在保存源代碼時，就需要務必指定保存為UTF-8編碼。當Python解釋器讀取源代碼時，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行：
#!/usr/bin/env python
# -*- coding: utf-8 -*-二Python對於文件處理的操作
打開文件的模式有：- r ，只讀模式【默認模式，文件必須存在，不存在則拋出異常】
- w，只寫模式【不可讀；不存在則創建；存在則清空內容】
- x， 只寫模式【不可讀；不存在則創建，存在則報錯】
- a， 追加模式【可讀； 不存在則創建；存在則只追加內容】
- r+， 讀寫【可讀，可寫】
- w+，寫讀【可讀，可寫】
- x+ ，寫讀【可讀，可寫】
- a+， 寫讀【可讀，可寫】
- rb 或 r+b
- wb 或 w+b
- xb 或 w+b
- ab 或 a+b
read_f=open(‘a.txt‘,‘r‘,encoding=‘utf-8‘)
write_f=open(‘.a.txt.swp‘,‘w‘,encoding=‘utf-8‘)
with open(‘a.txt‘,‘r‘,encoding=‘utf-8‘) as read_f,\#將文件打開
open(‘.a.txt.swp‘,‘w‘,encoding=‘utf-8‘) as write_f:#並且再創建一個文件名為.a.txt.swp的文件
for line in read_f:
if ‘alex‘ in line: #找到想要替換的內容
line=line.replace(‘alex‘,‘ALEXSB‘) #並且將舊的內容替換成新的內容存在.a.txt.swp的文件中
write_f.write(line) #不符合條件的不動
os.remove(‘a.txt‘) #將源文件刪除
os.rename(‘.a.txt.swp‘,‘a.txt‘) #將.a.txt.swp這個文件該成a.txt這樣就實現了文件內容的批量修改！
python基礎（三）----字符編碼以及文件處理