文件是操作系統中的一個虛擬概念。文件是以計算機硬盤為載體存儲在計算機上的信息集合，文件可以是文本文檔、圖片、程序，等等。在系統運行時，計算機以進程為基本單位進行資源的調度和分配；而在用戶進行的輸入、輸出中，則以文件為基本單位。大多數應用程序的輸入都是通過文件來實現的。

　　在初期編寫程序時，接觸最多的是文本文件，比如，在註冊和登錄功能中，用戶名和密碼要存儲在文件裏，python程序也是寫成文本文件的形式。

執行一個python文件的過程：

　　? Cpython解釋器加載到內存

　　? py文件從硬盤加載到內存

　　? Cpython解釋器向CPU發出指令，處理py文件，逐行識別文本的語法

打開一個文本文檔的過程：

　　? 1 ?啟動文本編輯器（程序加載到內存），開始編輯，編輯時我們看到即時輸入的內容是存在了內存

　　? 2 ?在輸入→顯示的過程中，涉及到中文字符→二進制→中文字符的過程

　　? 3 ?寫完保存，編輯器把內存中的數據保存到硬盤

首先來討論一下? 2 ?，字符→二進制→字符的過程，就是編碼（encode）（輸入），解碼（decode）（輸出），的過程。

　　最開始計算機出現，只在英文環境裏使用，所以編碼解碼只考慮英文字符和二進制，具體用哪些二進制數字表示哪個符號，經最早的這批人達成一致，這就是ASCII碼。

　　後來計算機普及，每個國家都產生了自己的語言與二進制的對應標準，比如中國的GBK，因為各個國家不統一，導致了這樣的問題：漢語國家編寫的軟件，在其他語系國家裏不能使用，因為他們的計算機中沒有漢語字符與二進制的對照關系！為了解決這樣的問題，各國統一，unicode碼誕生了，它將很多國家的字符與二進制的關系都包含在內，統一使用16位二進制數字表示各國字符。

　　結果就是，我們在自己的電腦文本編輯器裏輸入一個日文字符，編碼到內存，顯示（輸出）的時候，這16位二進制數字會解碼成日文，顯示出來，而不會出現亂碼的問題。

　　可是再後來，使用計算機的過程中，又發現了新問題：在英語系國家的編程者發現，原來采用ASCII碼，用8位二進制表示字符，而現在需要16位，輸入的數據存入硬盤的時間幾乎長了一倍！為了解決這樣的問題，又出現了UTF-8（8-bit Unicode Transformation Format），這是一種針對Unicode的可變長度字符編碼，它會識別unicode編碼的二進制表示的字符是什麽語言的字符，並分配不同的字節，比如，如果是英文，就用1個字節存儲到硬盤，如果是中文，就用3個字節存到硬盤...這是? 3 ?的過程

　　有了UTF-8之後，只要我們寫一個文件，保存成utf-8編碼格式，在任何國家的電腦上也能通用，而且占的空間更小，存取更快!是不是覺得，utf-8可以完全取代unicode了！理論上的確是這樣，但這裏又存在一個歷史遺留問題了，在這之前，很多國家都用自己國家的編碼標準編寫了軟件，而utf-8裏只有與unicode 一 一對應的關系，並沒有直接和GBK，shift-jis等標準建立聯系，所以直至現在，我們的計算機內存采用的，仍然是unicode.就像python3剛推出，而很多python2的軟件都不能用python3運行，導致很多公司和個人拒絕使用python3，於是龜叔迫不得已推出python2.7一樣，我們需要unicode來作為階段性的過渡。

　　但是如果以後每個人寫文件，都采用utf-8格式保存，等足夠長的時間後，就可以廢棄unicode標準了，也就不會存在因為編碼解碼而導致的程序報錯和亂碼問題！！

　　這張圖可以幫助你理解編碼、解碼的過程和亂碼、報錯的原因：

python初識05-文件處理