字符编码
因为计算机的工作原理就是靠电，而电的特性就是高低电平（0,1），所以说计算机只能读懂类似于一串010110101011001...这样的数字，而人类的语言却是很复杂的，对于计算机来说根本理解不了，这就需要某一种方式来转换，能够让两者之间进行交互，所以产生了字符编码。
定义：将字符一一对应到特定数字的标准。
- 字符编码的发展史
最早的字符编码是ASCII，只规定了英文字母、数字和一些特殊符号与数字的对应关系。最开始只用8位来表示一个字节，即2**8=256，所以它最多只能表示256个字符，随后相继出现了gbk，shift_jis，Euc_kr等各个国家的编码，后来又出现了Unicode，能够兼容各国的编码。
- 关于乱码的问题
由于世界上各个国家的编码方式都不一样，所以想要在全球范围使用同一个计算机是不可能的（各个国家的计算机内存和硬盘中用的是自己国家的字符编码），对于本国来说，如：中国的gbk编码，能够识别中文和英文，但是它识别不了泰语、韩语、日语等等，同样，日本的Shift_JIS也只能识别英文、日文，识别不了中文。所以说每个国家的编码只能在本国使用，再本国使用就不会有什么乱不乱码的问题了。
但是，要想通用计算机，那就有问题了。首先，各个国家的编码互不兼容，所以根本没法通用。那第二个问题（乱码问题），说白了乱码就是编码不统一造成的，那怎么统一呢？（目前来看，让全球统各国用同一种编码是不可能了），所以目前要解决的问题是：怎么能有一种既能兼容各国编码，又能与各国的字符编码都有映射关系，那这样就可以与其他的编码任意转换了，这就是Unicode（定长万国码），但是Unicode自身也存在一个问题，统一用2Bytes标识一个字符，这对存储一篇英文写的文本来说就是浪费空间，其次，如果文件过大，将会增加计算机的I/O次数，影响计算机的执行效率，所以随后又产生了UTF-8（可变长，全称Unicode Transformation Format）来解决这个问题。
总结：内存中统一采用Unicode，虽然浪费空间，但是可以转换成任意编码，能保证不乱码，硬盘则采用各种编码，保证存放于硬盘的数据量很小，能提高传输效率与稳定性。
所以：保证不乱码的前提就是，用哪种字符编码编码的，那就应该用同样的字符编码去解码！！！
文件处理
- 文件操作
文件的概念来源于操作系统，是操作系统提供的一种虚拟的储存数据的单位。所以我们只要关注操作文件的流程就OK！
# 1、打开一个文件，得到一个文件句柄并赋值给一个变量
f=open('s.txt','r',encoding='utf-8')
# 2、通过句柄对文件进行操作
data=f.read()
# 3、操作完关闭文件
f.close()
分析：应用程序向操作系统发起调用指令open()，然后操作系统打开一个文件，并返回这个文件句柄给应用程序，再由应用程序将文件句柄赋值给变量f。
- 打开一个文件包含两部分资源
1、操作系统级打开的文件（回收时f.close()）
2、应用程序级的变量（回收时 del f）
注意点：操作系统打开文件时如果我们不指定字符编码，那操作系统就会默认为它自己的编码去打开文件（Windows是gbk，Linux是UTF-8），有时会造成乱码的现象，所以，就要用编码（encode）时的字符编码去打开（解码decode）该文件。f=open('s.txt','r',encoding='utf-8')
- 打开文件的模式
1、文本模式（默认）
文本打开的方式
r---只读模式（默认模式，文件必须要存在才能打开，否则会报错）
w---只写模式（不可读，文件不存在时会自动创建，有则清空内容）
a---追加写模式（不可读，文件不存在时会自动创建，存在则只在文件最末尾追加内容）
2、非文本模式（Bytes）
非文本模式打开方式
rb
wb
ab
非文本文件读取到的内容是字节类型（Bytes），写入时也要提供字节类型，不能指定字符编码
- 操作文件的方法
# 读
f.read() # 读取文件所有内容，同时光标移动到文件末尾
f.readline() # 读一行内容，光标移动到第二行开头位置
f.readlines() # 读取文件每一行内容，存放于一个列表中
# 写
f.write() # 针对文本模式，要自己写上换行符；对b模式，除了要写换行符，还要对写的内容编码.encode()
f.writelines(['aaa\n','bbb\n']) # 文件模式
f.writelines([bytes('aaa\n',encoding='utf-8'),'bbb\n'.encode('utf-8')]) # b 模式
光标在文件内的移动
f.seek(offset,whence)
offset：偏移量（光标移动的字节数）
whence：参照物（0,1,2）
0、代表默认参照文件开头，通用于t与b模式
1、代表参照光标所在的当前位置，只能用于b模式
2、代表参照文件的末尾，只能用于b模式
# t模式下光标的移动 with open('a.txt', 'rt', encoding='utf-8') as f: msg = f.read(1) # 读到的是一个字符----你 print(msg) f.seek(6, 0) # 将光标从文件头移动6个字节 msg1 = f.read(1) # 读到的是一个字符----啊 print(msg1) # b模式下的光标移动 with open('a.txt', 'rb') as f: msg = f.read(3) # 从头开始读3个字节----你 print(msg.decode('utf-8')) f.seek(6, 1) # 从当前读到的位置开始光标移动6个字节 msg1 = f.read(4) # 再读出4个字节----hell print(msg1.decode('utf-8')) # b模式下的光标移动之倒移 f.seek(0, 2) # 会直接将光标移动到文件末尾 with open('a.txt', 'rb') as f: f.seek(-5, 2) # 文件内光标从末尾往前移动5个字节 msg1 = f.read(5) # 读取5个字节----hello print(msg1.decode('utf-8'))
注意：文件内指针的移动，只有在t模式下的read(n),n才表示的是字符的个数，除此之外，其余的都表示的是字节（Bytes）！！
修改文件的两种方式
# d.txt内容 ''' Jack说他很帅 Jack说他很浪 呵呵笑了笑Jack '''
with open('d.txt', 'rt', encoding='utf-8') as f: msg = f.read() with open('d.txt', 'wt', encoding='utf-8') as f: f.write(msg.replace('Jack', '帅逼'))
import os with open('d.txt', 'rt', encoding='utf-8') as read_f, \ open('d.txt.x', 'wt', encoding='utf-8') as wirte_f: for info in read_f: wirte_f.write(info.replace('帅逼', 'Jack')) os.remove('d.txt') os.rename('d.txt.x', 'd.txt')
总结： 优点 方式一：同一时间内硬盘中只有一份数据存在 方式二：对内存的占用很少 缺点 方式一：文件过大时会占用太多内存，降低运行效率 方式二：同一时间硬盘中会有两份数据存在