图解 Python 编程（12） | 文件和编码方式

🌞欢迎来到Python 的世界 
🌈博客主页：卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创！

📆首发时间：🌹2024年6月9日🌹

✉️希望可以和大家一起完成进阶之路！

🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

---

目录

文件定位

 文件标识

 文件路径

文件操作

打开文件

追加模式

关闭文件

写文件

读文件

         二进制模式操作文件

编码方式

字符编码

ASCII编码

GB2312 & GBK

乱码问题

Unicode和UTF-8

 不同字符编码间的转换

编码与解码

文件定位

 文件标识

     一个文件需要有唯一确定的文件标识，以便用户找到确定的文件。文件的标识包括3个部分：文件路径、文件名、文件扩展名。

 文件路径

     文件路径可以分为两种，绝对路径和相对路径，绝对路径是从根目录出发的路径。相对路径是从参考位置出发，其它文件处于什么路径。用.表示当前文件所在的目录，用..表示更上以及的父目录。同一目录下的文件，想用相对路径找到彼此的话，可以直接使用文件名。

---

文件操作

打开文件

f=open(file='C:/Users/Administrator/Desktop/zz.txt',mode='w',encoding='utf-8') 

 追加模式

f=open(file='C:/Users/Administrator/Desktop/zz.txt',mode='a')
f.write("zz    202018085\n")
f.close() #保存并关闭

关闭文件

f.close() #保存并关闭

写文件

file.write(s)

f=open(file='C:/Users/Administrator/Desktop/zz.txt',mode='w')  #在文件夹中复制地址时，文件夹中的地址是用 \ 来分隔不同文件夹的，而Python识别地址时只能识别用 / 分隔的地址。
f.write("我叫卿云\n") #写文件
f.write("我喜欢打乒乓球\n") #写文件
f.close() #保存并关闭

file.writelines(s)

file=open('example.txt','w',encoding='utf-8')
# 写入多行内容
lines = ["Line 1\n", "Line 2\n", "Line 3\n"]
file.writelines(lines)

读文件

f=open(file='C:/Users/Administrator/Desktop/zz.txt',mode='r')
print(f.readline())#读一行
print('-----分隔符-----')
data=f.read()
print(data)
f.close() #保存并关闭结果
卿云  202018081-----分隔符-----
文竹  202018082

循环文件

f = open(file='C:/Users/qingyun/Desktop/兼职⽩领学⽣空姐模特护⼠联系⽅式.txt',encoding="utf-8",mode='r')
for line in f:line = line.split()name,addr,height,weight,phone = lineheight = int(height)weight = int(weight)if height > 170 and weight <= 50: # 只打印身⾼>170 and 体᯿<=50的print(line)
f.close()结果
['⻢纤⽻', '深圳', '173', '50', '13744234523']
['罗梦⽵', '北京', '175', '49', '18623423421']
['叶梓萱', '上海', '171', '49', '18042432324']

---

 二进制模式操作文件

      上面操作的只是文本文件 ，但是如果遇到视频呀、图片呀，你直接打开的话会报错是因为，open()有个encoding参数,默认是None, 是用来告诉解释器，要操作的这个文件 是什么编码。 不填的话，就⽤解释器默认编码，即utf-8。如果你是⼀个gbk编码的文件 ，就必须指定 encoding=gbk

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None,
closefd=True, opener=None)

f = open("gbk_file",encoding="gbk")
for line in f:print(line)

     但是像图片、视频，是有自己特殊的编码的，而非什么unicode\utf-8这样的文本编码 。 所以要操作这样的文件 ，你用utf-8什么的去解，自然会报错。

如何处理图片、视频文件呢？

可以用2进制模式打开文件

rb 2进制只读模式

wb 2进制创建模式，若⽂件已存在，则覆盖旧文件

ab 2进制追加模式，新数据会写到文件末尾

这样，你读出来的数据，就是bytes字节类型了，当然写进去的也必须是bytes格式了

f = open("gbk_file2","wb")
f.write("哈".encode("gbk") ) # 写⼊的⽂本要⽤字节类型

练习题-全局文本检索替换

       写⼀个脚本，允许⽤户按以下⽅式执⾏时，即可以对指定⽂件内容进⾏全局替换，且替换完毕后打印替换了多少处内容 。写完后的脚本调用方式：

python your_script.py old_str new_str filename

import sys
old_str=sys.argv[1]
new_str=sys.argv[2]
filename=sys.argv[3]
#1. load into ram
f=open(filename,"r+")
data=f.read()
#2. count and replace
old_str_count=data.count(old_str)
new_data=data.replace(old_str,new_str)
#3. clear old filename
f.seek(0)
f.truncate()
#4.save new data into file
f.write(new_data)
print("成功")
print(f'''成功替换字符'{old_str}' to '{new_str}',共{old_str_count}处...''')

---

编码方式

       计算机只能存储0，1这些二进制数字，其它的文本，数字等等都必须转换成二进制进行存储。

 字符编码

      我们自己强行约定了⼀个表，把文字和数字对应上，这张表就相当于翻译，我们可以拿着⼀个数字来对比对应表找到相应的文字，反之亦然。

ASCII编码

     用固定的8比特长度来存储每个字符

GB2312 & GBK

         英文问题是解决了， 我们中文如何显示呢？ 美国佬设计ASSCII码一共就适用于128个字符，其它语言可能就不够用了，于是不同国家和地区开始制定自己的编码标准，于是我们1980年设计出了GB2312编码表，长成下面的样子。⼀共存了6763个汉字。

直到现在，我们的windows电脑中文版本的编码就是GBK（对GB2312 进行扩展）。

乱码问题

       由于标准不统一，乱码问题也随之产生，这是因为同一个二进制的数字在不同的编码集中代表着不同的字符。因此，Unicode应运而生。Unicode把所有语言都统一到⼀套编码里，这样就不会再有乱码问题了。

 Unicode和UTF-8

        Unicode 2-4字节 已经收录136690个字符，并还在⼀直不断扩张中…Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

UTF-8： 使用1、2、3、4个字节表示所有字符；优先使⽤1个字节、无法满足则使增加⼀个字节，

最多4个字节。

UTF-16： 使用2、4个字节表示所有字符；优先使用2个字节，否则使用4个字节表示。

UTF-32： 使用4个字节表示所有字符；

总结：UTF 是为unicode编码 设计 的⼀种 在存储和传输时节省空间的编码方案。

如果你要传输的文本包含大量英⽂字符，⽤UTF-8编码就能节省空间：

---

 不同字符编码间的转换

           windows系统的默认编码是GBK, 如果你把⼀段在windows系统上用gbk编码的字符发送到mac电脑 上， mac默认编码是utf-8, 那这段文字是乱码显示的。 如何实现在mac上正常显示这段 gbk文本呢？

编码与解码

1.把任意编码转换成unicode的过程叫做解码

>>> s="卿云"
>>> s="卿云"#unicode格式
>>> s.encode("utf-8") #将其编码成utf-8
b'\xe5\x8d\xbf\xe4\xba\x91'

2.把unicode转换成的任意编码过程叫做编码

>>> s
'卿云'
>>> s.encode("utf-8").decode("utf-8")#把utf-8编码的字符在转化成unicode
'卿云'

>>> s
'卿云'
>>> s.encode("utf-8") #将其编码成utf-8
b'\xe5\x8d\xbf\xe4\xba\x91#会变成bytes字节格式，bytes字节类型是用16进制表示的，像\xe5这样两个16进制数是代表一个字节（因为一个16进制数占4位）

字节类型到底是什么

        字节类型其实就是二进制数，只不过为了易于理解，常用16进制数表示。