【編碼】

編碼的本質(zhì)就是讓只認(rèn)識0和1的計(jì)算機(jī)几晤，能夠理解我們?nèi)祟愂褂玫恼Z言符號，并且將數(shù)據(jù)轉(zhuǎn)換為二進(jìn)制進(jìn)行存儲和傳輸扑媚。

這種從人類語言到計(jì)算機(jī)語言轉(zhuǎn)換的形式饵筑，就叫做編碼表埃篓，它讓人類語言和計(jì)算機(jī)語言能夠一一對應(yīng)起來。

【二進(jìn)制】

以此類推根资，當(dāng)有八座烽火臺的時候架专，我們就能表示2的8次方同窘，也就是256種狀態(tài)，它由8個0或1組成部脚。

你的手機(jī)“流量”想邦，就是這么計(jì)算的：

而百兆寬帶，下載速度最多能達(dá)到十多兆委刘，是因?yàn)檫\(yùn)營商的帶寬是以比特每秒為單位的丧没，比如100M就是100Mbit/s。

而我們澄疲看到的下載速度KB卻是以字節(jié)每秒為單位顯示的呕童，1byte = 8bit，所以運(yùn)營商說的帶寬得先除以8淆珊，你的百兆寬帶下載速度夺饲，也就是十幾兆了。

【編碼表】

具體用哪些二進(jìn)制數(shù)字表示哪個符號施符，理論上每個人都可以有自己的一套規(guī)則（這就叫編碼）往声。

但大家如果想要互相溝通而不造成混亂，就必須使用相同的編碼規(guī)則戳吝。如果使用了不同的編碼規(guī)則浩销，那就會彼此讀不懂，這就是“亂碼”的由來听哭。

一開始慢洋，是美國首先出臺了ASCII編碼（讀音：/??ski/），統(tǒng)一規(guī)定了常用符號用哪些二進(jìn)制數(shù)來表示欢唾。

因?yàn)橛⑽淖帜浮?shù)字再加上其他常用符號粉捻，也就100來個礁遣，因此使用7個比特位（最多表示128位）就夠用了，所以一個字節(jié)中被剩下的那個比特位就被默認(rèn)為0肩刃。

再后來呢祟霍，這套編碼表傳入歐洲，才發(fā)現(xiàn)這128位不夠用啊盈包。比如說法語字母上面還有注音符沸呐，這個怎么區(qū)分？得呢燥！把最后一個比特位也編進(jìn)來吧崭添。因此歐洲普遍使用一個全字節(jié)（8個比特位）進(jìn)行編碼，最多可表示256位叛氨，至此呼渣，一個字節(jié)就用滿了棘伴！

但是前面的狀態(tài)0-127位可以共用，但從狀態(tài)128到255這一段的解釋就完全亂套了屁置，比如135在法語焊夸，希伯來語，俄語編碼中完全是不同的符號蓝角。

當(dāng)計(jì)算機(jī)漂洋過海來到中國后，問題又來了使鹅，計(jì)算機(jī)完全不認(rèn)識博大精深的中文揪阶，當(dāng)然也沒法顯示中文；而且一個字節(jié)的256位都被占滿了并徘，但中國有10萬多個漢字遣钳，256位連塞牙縫都不夠啊。

于是中國科學(xué)家自力更生麦乞，重寫了一張編碼表蕴茴，也就是GB2312，它用2個字節(jié)姐直，也就是16個比特位倦淀，來表示絕大部分（65535個）常用漢字。后來声畏，為了能顯示更多的中文撞叽，又出臺了GBK標(biāo)準(zhǔn)。

不僅中國插龄，其他國家也都搞出自己的一套編碼標(biāo)準(zhǔn)愿棋，這樣的話地球村村民咋溝通？日本人發(fā)封email給中國人均牢，兩邊編碼表不同糠雨，顯示的都是亂碼。

為了溝通的便利徘跪，Unicode（萬國碼）應(yīng)運(yùn)而生甘邀，這套編碼表將世界上所有的符號都納入其中。每個符號都有一個獨(dú)一無二的編碼垮庐，現(xiàn)在Unicode可以容納100多萬個符號松邪，所有語言都可以互通，一個網(wǎng)頁上也可以顯示多國語言哨查。

看起來皆大歡喜逗抑。但是！問題又來了，自從英文世界吃上了Unicode這口大鍋飯锋八，為遷就一些占用字節(jié)比較多的語言浙于，英文也要跟著占兩個字節(jié)。比如要存儲A挟纱，原本00010001就可以了羞酗，現(xiàn)在偏得用兩個字節(jié)：00000000 00010001才行，這樣對計(jì)算機(jī)空間存儲是種極大的浪費(fèi)紊服！

基于這個痛點(diǎn)檀轨，科學(xué)家們又提出了天才的想法：UTF-8（8-bit Unicode Transformation Format）。它是一種針對Unicode的可變長度字符編碼欺嗤，它可以使用1~4個字節(jié)表示一個符號参萄，根據(jù)不同的符號而變化字節(jié)長度，而當(dāng)字符在ASCII碼的范圍時煎饼，就用一個字節(jié)表示讹挎，所以UTF-8還可以兼容ASCII編碼。

Unicode與UTF-8這種曖昧的關(guān)系一言以蔽之：Unicode是內(nèi)存編碼的規(guī)范吆玖，而UTF-8是如何保存和傳輸U(kuò)nicode的手段筒溃。

2、8沾乘、16怜奖，分別是2的1次方、3次方翅阵、4次方歪玲。這一點(diǎn)使得三種進(jìn)制之間可以非常直接地互相轉(zhuǎn)換。

8進(jìn)制是用0掷匠，1滥崩，2，3讹语，4钙皮，5，6募强，7株灸；16進(jìn)制是用0崇摄，1擎值，2，3逐抑，4鸠儿，5，6，7进每，8汹粤，9，a田晚，b嘱兼，c，d贤徒，e芹壕，f來表示。

幾種編碼方案在當(dāng)前的使用情況：

第0接奈，計(jì)算機(jī)是有自己的工作區(qū)的踢涌，這個工作區(qū)被稱為“內(nèi)存”。數(shù)據(jù)在內(nèi)存當(dāng)中處理時序宦，使用的格式是Unicode睁壁，統(tǒng)一標(biāo)準(zhǔn)。

在Python3當(dāng)中互捌，程序處理我們輸入的字符串潘明，是默認(rèn)使用Unicode編碼的，所以你什么語言都可以輸入疫剃。

第1钉疫，數(shù)據(jù)在硬盤上存儲，或者是在網(wǎng)絡(luò)上傳輸時巢价，用的是UTF-8牲阁，因?yàn)?u>節(jié)省空間。但你不必操心如何轉(zhuǎn)換UTF-8和Unicode壤躲，當(dāng)我們點(diǎn)擊保存的時候城菊，程序已經(jīng)“默默地”幫我們做好了編碼工作。

第2碉克，一些中文的文件和中文網(wǎng)站凌唬，還在使用GBK，和GB2312漏麦。

基于此客税，有時候面對不同編碼的數(shù)據(jù)，我們要進(jìn)行一些操作來實(shí)現(xiàn)轉(zhuǎn)換撕贞。這里就涉及接下來要講的【encode】（編碼）和【decode】（解碼）的用法更耻。

【encode()和decode()】

編碼，即將人類語言轉(zhuǎn)換為計(jì)算機(jī)語言捏膨，就是【編碼】encode()秧均；反之食侮，就是【解碼】decode()。

將人類語言編碼后得到的結(jié)果目胡，有一個相同之處锯七，就是最前面都有一個字母b，比如b'\xce\xe2\xb7\xe3'誉己，這代表它是bytes（字節(jié)）類型的數(shù)據(jù)眉尸。可以用type()函數(shù)驗(yàn)證一下：

所謂的編碼巨双，其實(shí)本質(zhì)就是把str（字符串）類型的數(shù)據(jù)效五，利用不同的編碼表，轉(zhuǎn)換成bytes（字節(jié)）類型的數(shù)據(jù)炉峰。

我們再來區(qū)分下字符和字節(jié)兩個概念畏妖。

字符是人們使用的記號，一個抽象的符號疼阔，這些都是字符：'1'戒劫， '中'， 'a'婆廊， '$'迅细， '￥'?。

字節(jié)則是計(jì)算機(jī)中存儲數(shù)據(jù)的單元淘邻，一個8位的二進(jìn)制數(shù)茵典。

編碼結(jié)果中除了標(biāo)志性的字母b，你還會在編碼結(jié)果中看到許多\x宾舅，你再觀察一下這個例子：b'\xce\xe2\xb7\xe3'统阿。

\x是分隔符，用來分隔一個字節(jié)和另一個字節(jié)筹我。

分隔符還挺常見的扶平，你經(jīng)常會看到網(wǎng)址里面有好多的%，它們也是分隔符蔬蕊，替換了Python中的\x结澄。比如像下面這個：

https://www.baidu.com/s?wd=%E5%90%B4%E6%9E%AB

它的意思就是在百度里面，搜索“吳楓”岸夯，使用的是UTF-8編碼麻献。你瞇著眼睛看一看上面的UTF-8編碼結(jié)果和這一串網(wǎng)址的差異，其實(shí)它們除了分隔符以外猜扮，是一模一樣的勉吻。

此外，用decode()解碼的時候則要注意破镰，UTF-8編碼的字節(jié)就一定要用UTF-8的規(guī)則解碼餐曼，其他編碼同理，否則就會出現(xiàn)亂碼或者報錯的情況鲜漩。

*例：

print(b'\xe6\x88\x91\xe7\x88\xb1\xe4\xbd\xa0'.decode('utf-8'))? ? 運(yùn)行結(jié)果：我愛你

你看到大寫字母K被編碼后還是K源譬，但這兩個K對計(jì)算機(jī)來說意義是不同的。前者是字符串孕似，采用系統(tǒng)默認(rèn)的Unicode編碼踩娘，占兩個字節(jié)。后者則是bytes類型的數(shù)據(jù)喉祭，只占一個字節(jié)养渴。這也驗(yàn)證我們前面所說的編碼就是將str類型轉(zhuǎn)換成bytes類型。

【文件讀寫】

文件讀寫泛烙，是Python代碼調(diào)用電腦文件的主要功能理卑，能被用于讀取和寫入文本記錄、音頻片段蔽氨、Excel文檔藐唠、保存郵件以及任何保存在電腦上的東西。

假如你有一項(xiàng)工作鹉究，需要把100個Word文檔里的資料合并到1個文件上宇立，一個個地復(fù)制粘貼多麻煩啊，這時你就能用上Python了自赔÷栲冢或者，當(dāng)你要從網(wǎng)上下載幾千條數(shù)據(jù)時绍妨，直接用Python幫你把數(shù)據(jù)一次性存入文件也是相當(dāng)方便润脸。

因此，Python能把我們從重復(fù)性工作中解放出來他去。

【文件讀寫】津函，是分為【讀】和【寫】兩部分的。

【讀取文件】

【第1步-開】使用open()函數(shù)打開文件孤页。

file1這個變量是存放讀取的文件數(shù)據(jù)的尔苦，以便對文件進(jìn)行下一步的操作。

open()函數(shù)里面有三個參數(shù)行施，第一個參數(shù)是文件的保存地址允坚，一定要寫清楚，否則計(jì)算機(jī)找不到蛾号。

要找到你的文件地址稠项，只需要把你要打開的文件直接拖到編輯器終端的窗口里，就會顯示出文件地址鲜结，然后復(fù)制一下就好展运。

不過文件的地址有兩種:相對路徑和絕對路徑活逆，拖到終端獲取的地址是絕對路徑。這兩種地址拗胜，Mac和Windows電腦還有點(diǎn)傲嬌地不太一樣蔗候，下面我就幫大家捋一捋。

絕對路徑就是最完整的路徑埂软，相對路徑指的就是【相對于當(dāng)前文件夾】的路徑锈遥，也就是你編寫的這個py文件所放的文件夾路徑！

如果你要打開的文件和open.py在同一個文件夾里勘畔，這時只要使用相對路徑就行了所灸，而要使用其他文件夾的文件則需使用絕對路徑。

Mac電腦：

現(xiàn)在我的txt文件和py文件都放在桌面的test文件夾里炫七。

我將txt文件拖入終端窗口爬立，獲得文件的絕對路徑：

當(dāng)我用open()函數(shù)打開的時候，就可以寫成：

在這種情況下万哪，你寫絕對和相對路徑都是可以的懦尝。

假如現(xiàn)在這個txt文件，是放在test文件夾下面一個叫做word的文件夾里壤圃，絕對路徑和相對路徑就變成：

Windows電腦：

常用\來表示絕對路徑陵霉，/來表示相對路徑。

所以當(dāng)你把文件拖入終端的時候伍绳，絕對路徑就變成：

但是呢踊挠，別忘了\在Python中是轉(zhuǎn)義字符，所以時常會有沖突冲杀。為了避坑效床，Windows的絕對路徑通常要稍作處理，寫成以下兩種格式：

獲取文件的相對路徑還有個小竅門权谁，用VS Code打開文件夾剩檀，在文件點(diǎn)擊右鍵，選擇：

現(xiàn)在旺芽，把這行代碼復(fù)制到你的open.py文件中沪猴，然后把文件地址替換成你自己的地址。

第二個參數(shù)表示打開文件時的模式采章。這里是字符串?'r'运嗜，表示 read，表示我們以讀的模式打開了這個文件悯舟。

你可能會疑惑担租，為什么打開的時候就要決定是讀還是寫，之后決定不行嗎抵怎？這是因?yàn)榉芫龋?jì)算機(jī)非常注意數(shù)據(jù)的保密性岭参，在打開時就要決定以什么模式打開文件。

除了'r',其他還有'w'(寫入)尝艘，'a'(追加)等模式演侯。

第三個參數(shù)encoding='utf-8'，表示的是返回的數(shù)據(jù)采用何種編碼利耍，一般采用utf-8或者gbk。注意這里是寫encoding而不是encode噢盔粹。

【第2步-讀】用read()函數(shù)進(jìn)行讀取的操作隘梨。

在編輯器窗口【右鍵】，選擇【在終端中運(yùn)行Python文件】舷嗡，這時終端顯示的是：

打印出了abc.txt文件里面的內(nèi)容轴猎，它會讀成字符串的數(shù)據(jù)形式。

【第3步-關(guān)】關(guān)閉文件进萄，使用的是close()函數(shù)捻脖。

為啥要關(guān)閉文件呢？原因有兩個：1.計(jì)算機(jī)能夠打開的文件數(shù)量是有限制的中鼠，open()過多而不close()的話可婶，就不能再打開文件了。2.能保證寫入的內(nèi)容已經(jīng)在文件里被保存好了援雇。

文件關(guān)閉之后就不能再對這個文件進(jìn)行讀寫了惫搏。如果還需要讀寫這個文件的話茴丰，就要再次 open() 打開這個文件尸曼。

【總結(jié)——讀文件】

【寫入文件】

【第1步-開】以寫入的模式打開文件冒签。

第二個參數(shù)改成'w'，表示write噪伊，即以寫入的模式打開文件豆励。

【第2步-寫】往文件中寫入內(nèi)容淮摔，使用write()函數(shù)。

往“abc.txt”文件中寫入了“張無忌”和“宋青書”這兩個字符串乡翅。\n表示另起一行腺毫。

當(dāng)你打開txt文件查看數(shù)據(jù)：

誒？原來文件里的周芷若和趙敏去哪里了遭贸？

是這樣子的咒劲，'w'寫入模式會給你暴力清空掉文件帐偎，然后再給你寫入。如果你只想增加?xùn)|西蛔屹，而不想完全覆蓋掉原文件的話削樊，就要使用'a'模式，表示append兔毒，追加的意思嫉父。

【第3步-關(guān)】還是要記得關(guān)閉文件沛硅，使用close()函數(shù)。

*有兩個小提示：1.write()函數(shù)寫入文本文件的也是字符串類型绕辖。2.在'w'和'a'模式下摇肌，如果你打開的文件不存在，那么open()函數(shù)會自動幫你創(chuàng)建一個仪际。

【小練習(xí)】1.請你在一個叫1.txt文件里寫入字符串'難念的經(jīng)'?2.然后請你讀取這個1.txt文件的內(nèi)容围小，并打印出來。

【總結(jié)——寫文件】

現(xiàn)在問題來了树碱，如果我們想寫入的數(shù)據(jù)不是文本內(nèi)容肯适，而是音頻和圖片的話缀壤，該怎么做呢搜骡？

不同的讀寫方式：

我們可以看到里面有'wb'的模式，它的意思是以二進(jìn)制的方式打開一個文件用于寫入啊片。因?yàn)?u>圖片和音頻是以二進(jìn)制的形式保存的赎婚，所以使用wb模式就好了刘绣，這在今天的課后作業(yè)我們會用到。

這里再順便補(bǔ)充一個用法挣输，為了避免打開文件后忘記關(guān)閉纬凤，占用資源或當(dāng)不能確定關(guān)閉文件的恰當(dāng)時機(jī)的時候，我們可以用到關(guān)鍵字with撩嚼，之前的例子可以寫成這樣：

所以之后當(dāng)你看到with open...as這種打開文件的語法格式也要淡定停士，這種還挺常見的。

【小練習(xí)】

最近期末快到了完丽，霍格沃茲魔法學(xué)校準(zhǔn)備統(tǒng)計(jì)一下大家的成績恋技。

評選的依據(jù)是什么呢？就是同學(xué)們平時的作業(yè)成績逻族。

現(xiàn)在有這樣一個叫scores.txt的文件蜻底，里面有赫敏、哈利瓷耙、羅恩朱躺、馬爾福四個人的幾次魔法作業(yè)的成績。

但是呢搁痛，因?yàn)橛行┠Хㄗ鳂I(yè)有一定難度长搀，教授不強(qiáng)制同學(xué)們必須上交，所以大家上交作業(yè)的次數(shù)并不一致鸡典。

你可以在自己的電腦里新建一個scores.txt來操作源请。

希望你來統(tǒng)計(jì)這四個學(xué)生的魔法作業(yè)的總得分，然后再寫入一個txt文件。

一個非常粗糙的思路應(yīng)該是：拿到txt文件里的數(shù)據(jù)谁尸，然后對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)舅踪，然后再寫入txt文件。

首先良蛮，毫無疑問抽碌，肯定是打開文件。

接著就是讀取文件了决瞳。一般來說货徙，我們是用read()函數(shù)，但是在這里皮胡，我們是需要把四個人的數(shù)據(jù)分開處理的痴颊，我們想要按行處理，而不是一整個處理屡贺，所以讀的時候也希望逐行讀取蠢棱。

因此，我們需要使用一個新函數(shù)readlines()甩栈，也就是“按行讀取”泻仙。

用print()函數(shù)打印一下，看看這種方法讀出來的內(nèi)容是咋顯示的：

readlines()?會從txt文件取得一個列表谤职，列表中的每個字符串就是scores.txt中的每一行饰豺。而且每個字符串后面還有換行的\n符號亿鲜。

這樣一來允蜈，我們就可以使用for循環(huán)來遍歷這個列表，然后處理列表中的數(shù)據(jù)：

現(xiàn)在我們要把這里每一行的名字蒿柳、分?jǐn)?shù)也分開饶套，這時需要我們使用split()來把字符串分開，它會按空格把字符串里面的內(nèi)容分開垒探。

看上圖第一行的羅恩 23 35 44妓蛮，它將被分為['羅恩', '23', '35', '44']。

顯然圾叼，對比上面兩個終端的圖蛤克，split()又把每一行的內(nèi)容分成了一個個的字符串，于是變成了一個個列表夷蚊。

split()是我們沒有學(xué)過的對字符串的處理方法构挤，在這里想插一句，對數(shù)據(jù)類型的處理是有很多種方法的惕鼓，但我們不可能一次學(xué)完筋现，而應(yīng)該學(xué)習(xí)最基礎(chǔ)必要的知識，然后在需要用到新知識時，再繼續(xù)學(xué)矾飞。

split()是把字符串分割的一膨，而還有一個join()函數(shù)，是把字符串合并的洒沦。

join()的用法是str.join(sequence)豹绪，str代表在這些字符串之中，你要用什么字符串連接申眼，在這里兩個例子森篷，一個是空字符串，一個是橫杠豺型，sequence代表數(shù)據(jù)序列仲智，在這里是列表a。

在這里只是為了讓大家理解join()姻氨，不需要記憶钓辆，之后再用再看就好。

回到哈利波特的那一步肴焊，這4個列表的第0個數(shù)據(jù)是姓名前联，之后的就是成績。我們需要先統(tǒng)計(jì)各人的總成績娶眷，然后把姓名和成績放在一起似嗤。

還是可以用for...in...循環(huán)進(jìn)行加法的操作：

接下來就是把成績寫入一個空的列表，因?yàn)檫@樣才有助于我們之后寫入一個txt文件届宠。

最后寫入文件：

15行的代碼是打開一個叫winner.txt的文件烁落。(如果電腦中不存在winner.txt的話，這行代碼會幫你自動新建一個空白的winner.txt)

16行的代碼是以writelines()的方式寫進(jìn)去豌注，為什么不能用write()伤塌？因?yàn)?b>final_scores是一個列表，而write()的參數(shù)必須是一個字符串轧铁，而writelines()可以是序列每聪，所以我們使用writelines()。

【課后練習(xí)】——數(shù)據(jù)轉(zhuǎn)移中的變化

練習(xí)目標(biāo)

我們會通過今天的作業(yè)齿风，復(fù)習(xí)課堂上學(xué)到的知識：編碼和解碼以及文件讀寫药薯。?

練習(xí)要求

今天的練習(xí)包含3個小練習(xí)。

練習(xí)1：主要是想要你自己來動手操作一下編碼和解碼救斑；

練習(xí)2：嘗試一下圖片的讀寫童本；

練習(xí)3：完成文件轉(zhuǎn)移之間的數(shù)據(jù)處理，讓數(shù)據(jù)發(fā)生變化系谐。

【練習(xí)1】

請你根據(jù)代碼中的要求巾陕，一步一步完成讨跟。

【練習(xí)2】

請你通過文件讀寫命令，讀取 photo1 里的數(shù)據(jù)（提示見代碼區(qū)開頭）鄙煤。

然后晾匠，新建名為“photo2”的圖片（在同一個文件夾），寫入讀到的數(shù)據(jù)梯刚。

這樣凉馆，我們就通過文件讀寫的代碼，完成了圖片的復(fù)制（而非鼠標(biāo)右鍵）亡资。

提示1：photo1的圖片是位于同一個文件夾下澜共，所以，直接寫文件名即可（注意有后綴）锥腻。

提示2：可用課堂末尾提到的with open...as這種語句來進(jìn)行文件讀寫嗦董，注意縮進(jìn)。

提示3：因?yàn)?u>圖片是以二進(jìn)制的形式保存的瘦黑，所以讀寫時需要用rb和wb模式京革。

【練習(xí)3】——在讀寫之間處理數(shù)據(jù)

在課堂上，我們已經(jīng)見識過了：文件的一讀一寫之間幸斥，可以對數(shù)據(jù)進(jìn)行一定的處理匹摇。

請你運(yùn)行一次右側(cè)的代碼，重新體驗(yàn)一下那個過程甲葬。

現(xiàn)在廊勃，我們計(jì)劃對課堂上得到的“winner”文檔再行處理一下。

讓學(xué)員的成績從高到低排列经窖，然后放到新文檔“winner_new.txt”坡垫。

*字符串內(nèi)的字符也是可以通過偏移量進(jìn)行提取的（具體的提取和切片的方法和列表一致）。

如果你成功寫出了代碼钠至，先運(yùn)行參考代碼葛虐，你會發(fā)現(xiàn)并沒有什么變化胎源。

因?yàn)椤皐inner_new.txt”已經(jīng)存在棉钧，且處理方式不變（相當(dāng)再寫入了一次排序后的成績）。

然后涕蚤，請你將代碼28行的“sort(reverse=True)”括號中的“reverse=True”去掉宪卿。

再運(yùn)行一下，看下“winner_new”文檔里的數(shù)據(jù)發(fā)生了什么變化万栅。