第八章：字符编码及文件操作

一、字符编码

1、字符编码的执行原理

        字符串类型、文本文件的内容都是由字符组成。但凡涉及到字符的存取，必须要考虑字符编码的问题。

1、计算机三大核心部件的关系

        所有的软件都是运行在操作系统上的，而操作系统是运行在计算机硬件上的，与软件运行相关的三大核心硬件是：CPU、内存和硬盘。

• 1、软件运行前，软件中的代码及其相关的数据都存放于硬盘中。
• 2、软件启动时，先将数据从硬盘存入内存，然后 CPU 从内存中读取指令并执行。
• 3、软件运行过程中产生的数据都是先存放在内存中，若想永久保存数据，必须由内存写入硬盘。

2、 文本编辑器读取文件内容的流程

三个阶段：

• 1、启动文本编辑器。
• 2、文本编辑器将文件内容从硬盘读入内存。
• 3、文本编辑器将内存中读入的内容显示到屏幕上。

3、python解释器执行文件的流程

以python demo.py为例

三个阶段：

• 1、启动python解释器，相当于启动文本编辑器。
• 2、python解释器，从硬盘上将demo.py文件的内容读取到内存中。
• 3、python解释器解释执行读取到内存中的内容，开始识别python语法

4、python解释器与文本编辑器的差异

相同：

• 前两个阶段完全一致，都是将硬盘中文件的内容读取到内存中。
• python解释器是解释执行文件内容，所以python解释器具备读py文件的功能，与文本编辑器一样。

区别：

• 在第三阶段时，内存中读取的内容处理方式不同。
• 文本编辑器将文件内容读取到内存后，是为了显示或者编辑，不去理会python语法，就是为了让我们瞅一眼代码写的什么。
• python解释器将文件内容读取到内存后，是为了执行python代码、识别python语法。

2、定义

1、什么是字符编码

        人与计算机进行交互时，用的都是人能读懂的字符，如：中文字符、英文字符

•         计算机是基于电工作的，电的特性就是高低电频，人类从逻辑层面将高电频对应为数字1，低点频对应为数字0。这就是**计算机只能识别二进制**的由来。
• ​        所以，人能识别的字符与计算机能识别的字符必须经过翻译。翻译的标准称为字符编码表，该表上存放的就是字符与数字的一一对应关系。字符编码中的**编码**就是翻译或**转换**的意思，即将人能理解的字符翻译为计算机能识别的数字。

目的：将人类的语言转换成计算机能识别的语言

3、字符编码发展史概述

三个阶段：

1、计算机起源于美国，所以最优先考虑是让计算机识别英文字符，于是诞生了ASCII表。

ASCII表的特点:

• 1、只有英文字符与数字的一一对应关系

• 2、一个英文字符对应1Bytes，1Bytes=8bit，8bit最多包含256个数字，可以对应256个字符，足够表示所有英文字符

• 3、实际上7bit就足够表示所有的英文字符，用8bit的目的是方便以后英文有新的字符添加作准备。

2、计算机迅速发展阶段

        因为计算机只能识别英文字符，不方便其他国家用户的使用。所以在此基础上各个国家都制定了自己的字符编码表，只能识别自己国家的官方字符和英文字符。

如：中国的GBK，能够识别中文字符和英文字符

GBK表的特点：

• 1、只有中文字符、英文字符与数字的一一对应关系
• 2、一个英文字符对应1Bytes   一个中文字符对应2Bytes  
• 补充：
• 1Bytes=8bit，8bit最多包含256个数字，可以对应256个字符，足够表示所有英文字符 2Bytes=16bit，16bit最多包含65536个数字，可以对应65536个字符，足够表示所有中文字符

文本文件内容全都为字符，无论存取都是涉及到字符编码问题

1、存文本文件

•         国人通过文本编辑器输入的字符会被转化成GBK格式的二进制存放于内存中，如果需要永久保存，则直接将内存中的GBK格式的二进制写入硬盘

​2、读文本文件

• 直接将硬盘中的GBK格式的二进制读入内存，然后通过GBK表反解成英文字符

       

         文件无论是存还是取由于采用的字符编码表一样，所以肯定不会出现乱码问题。但问题是在美国人用的计算机里只能输入英文字符，而在中国人用的计算机里只能输入中文字符和英文字符……。

        我们希望计算机允许我们输入万国字符均可识别、不乱码，而现阶段计算机采用的字符编码ASCII、GBK都无法识别万国字符，所以必须定制一个兼容万国字符的编码表。

3、万国字符unicode

unicode于1990年开始研发，1994年正式公布。

• 1、兼容万国字符，与万国字符都有对应关系。
• 2、与传统的字符编码的二进制数都有对应关系
• 3、采用16位（16bit=2Bytes）二进制数对应一个中文字符串个别生僻会采用4Bytes、8Bytes

    很多地方或老的系统、应用软件仍会采用各种各样传统的编码，这是历史遗留问题。软件是存放于硬盘的，而运行软件是要将软件加载到内存的，面对硬盘中存放的各种传统编码的软件，想让我们的计算机能够将它们全都正常运行而不出现乱码，内存中必须有一种兼容万国的编码，并且该编码需要与其他编码有相对应的映射/转换关系，这就是unicode的第二大特点产生的缘由。

4、老的字符编码都可以转换成unicode，但是不能通过unicode互转

        文本编辑器输入任何字