初识文件操作-IO 技术
一个完整的程序一般都包括数据的存储和读取;我们在前面写的程序数据都没有进行实际的存储,因此 python 解释器执行完数据就消失了。实际开发中,我们经常需要从外部存储介质(硬盘、光盘、U 盘等)读取数据,或者将程序产生的数据存储到文件中,实现“持久化”保存。
文本文件和二进制文件
1 文本文件
文本文件存储的是普通“字符”文本,python 默认为 unicode 字符集(两个字节表示一个字符,最多可以表示:65536 个),可以使用记事本程序打开。但是,像 word 软件编辑的文档不是文本文件。
2 二进制文件
二进制文件把数据内容用“字节”进行存储,无法用记事本打开。必须使用专用的软件解码。常见的有:MP4 视频文件、MP3 音频文件、JPG 图片、doc 文档等。
文件操作相关模块概述
Python 标准库中,有如下文件操作相关的模块
1 创建文件对象 open()
open()函数用于创建文件对象,基本语法格式如下:
open(文件名[,打开方式])
如果只是文件名,代表在当前目录下的文件。文件名可以录入全路径,比如:D:\a\b.txt。
示例:
f = open(r"d:\b.txt","w")
打开方式有如下几种:
文本文件对象和二进制文件对象的创建:
如果我们没有增加模式“b”,则默认创建的是文本文件对象,处理的基本单元是“字
符”。如果是二进制模式“b”,则创建的是二进制文件对象,处理的基本单元是“字节”。
2 文本文件的写入
文本文件的写入一般就是三个步骤:
创建文件对象——》写入数据——》关闭文件对象
执行前的a.txt文件:
示例:
f = open("d:/a.txt","a")
s = "itbaizhan\nsxt\n"
f.write(s)
print("ok")
f.close()
执行结果:
ok
执行后的a.txt文件:后面新增了内容
3 常用编码介绍
各种编码有:ASCII ISO8859-1 GB2312,GBK,GB18030 Unicode UTF-8。
在操作文本文件时,经常会操作中文,这时候就经常会碰到乱码问题。
编码之间的关系:
- ASCII
主要用来显示现代英语及其他西欧语言。
ASCII 码用 7 位表示,只能表示 128 个字符。只定义了 27=128 个字符,用7bit 即可完全编码,而一字节 8bit 的容量是 256,所以一字节 ASCII 的编码最高位总是0. - ISO8859-1
ISO-8859-1 又称 Latin-1。在 ASCII 编码之上又增加了西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号,它是向下兼容 ASCII 编码 - GB2312
GB2312 全称为信息交换用汉字编码字符集,是中国于 1980 年发布。用于计算机系统中的汉字处理。GB2312 主要收录了 6763 个汉字、682 个符号。
GB2312 完全兼容 ISO8859-1。 - GBK
全称为 Chinese Internal Code Specification,即汉字内码扩展规范,于 1995 年制定。它主要是扩展了 GB2312,在它的基础上又加了更多的汉字,它一共收录了 21003 个汉字 - GB18030
现在最新的内码字集于 2000 年发布,并于 2001 年强制执行,包含了中国大部分少数民族的语言字符,收录汉字数超过 70000 余个。
它主要采用单字节、双字节、四字节对字符编码,它是向下兼容 GB2312 和 GBK 的,虽然是我国的强制使用标准,但在实际生产中很少用到,用得最多的反而是 GBK 和 GB2312。 - Unicode
Unicode 编码设计成了固定两个字节,所有的字符都用 16 位(2^16=65536)表示,包括之前只占 8 位的英文字符等,所以会造成空间的浪费,UNICODE 在很长的一段时间内都没有得到推广应用。
Unicode 完全重新设计,不兼容 iso8859-1,也不兼容任何其他编 - UTF-8
对于英文字母,unicode 也需要两个字节来表示。所以 unicode 不便于传输和存储。因此而产生了 UTF 编码,UTF-8 全称是(8-bit UnicodeTransformation Format)。
建议使用的编码规则
【老鸟建议】一般项目都会使用 UTF-8。
中文乱码的问题
windows 操作系统默认的编码是 GBK,Linux 操作系统默认的编码是 UTF-8。当我们用 open()时,调用的是操作系统打开的文件,默认的编码是 GBK。
解决办法:
第一种解决办法:我们在文件编辑区单击右键,选择 FileEncoding,选择 GBK 即可。
我的测试:
f = open(r"b.txt","w")
f.write("我刚刚开始学习python")
print("ok")
f.close()
第二种解决办法:通过指定文件编码解决中文乱码问题
f = open(r"b.txt","w",encoding=