Python从零开始系列连载（19）——Python文件操作（中）

文件的编码

 

根据编码的不同，可以将文件分为文本字符和二进制字节

 

文本字符，如汉字、英文字母、数字、标点等，字符是为了显示

 

二进制字节是计算机存储的形式，在计算机中，任何数据都是01串构成的二进制字节

 

当我们打开文本，看到的是字符，最终保存时候存储的是二进制字节

 

文本字符的编码可以在win自带的记事本保存时选择各种编码

 

 

这里不详细讲解这些编码方式，如果有兴趣，可以自行摆渡！

 

因为我们使用的是Python3.X版本，在这个版本中，文件默认的编码方式就是utf-8

 

文本字符的常用的编码有ASCII和Unicode

 

值得注意的是，在Python3.X中，字符串等所有的文本字符使用的是unicode编码，可以使用encode（）进行编码为utf-8

 

使用decode（）可以将utf-8文件解码为文本字符

 

相互转换如图所示：

 

我们在Python中看看具体例子：

 

 

这里将文本字符中的字符串编码为默认的utf-8文件

 

当然，除了utf-8编码，还有很多其他编码，比如gbk编码

 

 

我们将utf-8解码回来

 

 

但是，如果我们将编码出的utf-8使用gbk解码，则会报错

 

 

从错误原因看出，某位置的内容不能被解码出来

 

想想原因，可以这样理解

 

一句中文，可以翻译为英文，也可以翻译为韩文

 

而只懂中文和英文的翻译A可以将中文翻译（编码）为英文，也可以将英文翻译（解码）为中文

 

如果想要让翻译A去将韩文翻译（解码）为中文，他不懂韩文，做不到啊！

 

 

而不同的编码解码就像这里的各种国家语言相互翻译

 

我们继续看看：

 

我们将gbk编码后的内容解码

 

 

报错了！因为我们解码没加参数，默认的是用utf-8解码

 

所以，我们得用gbk解码：

 

 

用gbk编码的内容当然不能用utf-8解码咯~

 

所以总结一下，utf-8编码出的内容只能用utf-8解码，gbk编码的内容只能用gbk解码！

 

注意到编码后的内容像个字符串，在字符串前面有个b，这个b表示的是二进制

 

也印证了字符编码后转为二进制字节

 

 

此时再来看一下这个图，是不是更清晰了

 

 

我们可以通过之前学的type（）函数查看内容的状态

 

 

编码前的字符串显示为str字符串类型

 

编码后的字符串显示为bytes字节类型

 

如果你熟悉网络爬虫，遇到的最麻烦的问题之一就是编码问题，你对这种编码解码问题一定很熟悉吧，哈哈

 

 

 

下课

 

人生苦短，我选Python

未完待续，连载中......