Python之路-python（set集合、文本操作、字符编码 ）

一、集合操作（set）
1、定义：

set集合，是一个无序且不重复的元素集合。

集合对象是一组无序排列的可哈希的值，集合成员可以做字典中的键。集合支持用in和not in操作符检查成员，由len()内建函数得到集合的基数(大小)， 用 for 循环迭代集合 的成员。但是因为集合本身是无序的，不可以为集合创建索引或执行切片(slice)操作，也没有键(keys)可用来获取集合中元素的值。

2、特性：

1、无序

2、去重

3、关系测试

3、常用操作：

交集（&）（intersection）：两者都存在的

1 >>>a = [1,2,3,4,5]
2 >>>b = [4,5,6,7,8]
3 >>>a_set = set(a)
4 >>>b_set = set(b)
5 >>>rint(a_set.intersection(b_set))
6 >>>print(a_set.intersection(b_set),type(a_set.intersection(b_set)))
7 >>>{4, 5} <class 'set'>#可以看出字典和集合都是{}，先将a和b都转成集合，然后求出交集（它们两都有的）
并集（|）（union）：去重后所有元素放一起
1 >>>a = [1,2,3,4,5]
2 >>>b = [4,5,6,7,8]
3 >>>a_set = set(a)
4 >>>b_set = set(b)
5 >>>print(a_set.union(b_set))
差集（-）（difference）：语法使用规则是你有我没有
1 >>>a = [1,2,3,4,5]
2 >>>b = [4,5,6,7,8]
3 >>>a_set = set(a)
4 >>>b_set = set(b)
5 >>>print(a_set.difference(b_set))#(前后存在顺序问题，a里面有的b里面没有的（有---没有）)
6 >>>print(b_set.difference(a_set))#b里面有的a里面没有
子集（issubset）：a是不是b的子集和b是不是a的子集
1 >>>a = [1,2,3,4,5]
2 >>>b = [4,5,6,7,8]
3 >>>a_set = set(a)
4 >>>b_set = set(b)
5 >>>print(a_set.issubset(b_set))
6 >>>print(b_set.issubset(a_set))
7 >>>False
8 >>>False
父集（issuperset）：a是不是b的父集和b是不是a的子集
1 >>>a = [1,2,3,4,5]
2 >>>b = [4,5,6,7,8]
3 >>>a_set = set(a)
4 >>>b_set = set(b)
5 >>>print(a_set.issuperset(b_set))
6 >>>print(b_set.issuperset(a_set))
7 >>>False
8 >>>False
对称差集（^）（symmetric_difference）:a和b都互相都没有（去重后放到一起）
1 >>>a = [1,2,3,4,5]
2 >>>b = [4,5,6,7,8]
3 >>>a_set = set(a)
4 >>>b_set = set(b)
5 >>>print(a_set.symmetric_difference(b_set))
6 >>>{1, 2, 3, 6, 7, 8}
a = [1,2,3,4,5]
b = [4,5,6,7,8]
a_set = set(a)
b_set = set(b)
print(a_set.isdisjoint(b_set))#前后两者存在交集就返回False，没有交集就打印True
解释：
isdisjoint是判断a和b是否存在交集，如果存在返回False，不存在交集返回Trun
4、基本操作 .add(增加)添加一项
1 >>>a = [1,2,3,4,5]
2 >>>a_set = set(a)
3 >>>print(a_set)
4 >>>a_set.add(55)#一次只能添加一个元素，否则会报错
5 >>>print(a_set)
.update（[增加多项]）
1 >>>a = [1,2,3,4,5]
2 >>>a_set = set(a)
3 >>>print(a_set)
4 >>>a_set.update('88','lei','lei')
5 >>>print(a_set,type(a_set))
6 >>>{1, 2, 3, 4, 5}
7 >>>{1, 2, 3, 4, 5, '8', 'e', 'l', 'i'} <class 'set'>#通过结果不难看出集合天然去重

.remove('删除')（没有的话报错）

1 >>>a = [1,2,3,4,5]
2 >>>a_set = set(a)
3 >>>print(a_set)
4 >>>a_set.remove(1)#一次只能删除一个，否则会报错
5 >>>print(a_set,type(a_set))
.copy(复制)
>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>b_set = a_set.copy()
>>>print(a_set,type(a_set))
>>>print(b_set,type(b_set))
>>>{1, 2, 3, 4, 5} <class 'set'>
>>>{1, 2, 3, 4, 5} <class 'set'>

.pop(删除任意一个并返回这个元素)

1 >>>a = [1,2,3,4,5]
2 >>>a_set = set(a)
3 >>>b_set = a_set.pop()#随机删除，并返回删除的元素
4 >>>print(a_set,type(a_set))
5 >>>print(b_set)
6 >>>{2, 3, 4, 5} <class 'set'>
7 >>>1

.discard(删除)（没有不会报错）

1 >>>a = [1,2,3,4,5]
2 >>>a_set = set(a)
3 >>>b_set = a_set.discard(5)
4 >>>print(a_set)
5 >>>print(b_set)
6 >>>{1, 2, 3, 4}
7 >>>None#有的话删除后并返回一个None
8 >>>就算没有，不报错，也只会返回一个None

二、文件操作

提示：2.7里面的file文件操作3.x没有

1、标准操作：

f = open("yesterday",'w',encoding="utf-8")#文件句柄（放到了内存什么位置）
f.write("哈哈哈")#写入内容，如果没有该文件就自动创建
f.close#(关闭文件)

2、建议操作：

>>>with open("yesterday","w",encoding='utf-8') as data:#读写完后自动关闭,因为windows上默认的编码是gbk，所以需要转换成utf-8
data.write("哈哈哈")
3、打开模式：
r，只读模式（默认）。
w，只写模式。（不可读；不存在就自动创建；存在则删除内容）
a，追加模式。（可读； 不存在则创建；存在则只追加内容）
"+" 表示可以同时读写某个文件
r+，可读写文件。【可读；可写；可追加】
w+，写读
a+，同a
"U"表示在读取时，可以将 \r \n \r\n自动转换成 \n （与 r 或 r+ 模式同使用）
rU
r+U
"b"表示处理二进制文件（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）
.readlines(读成一个列表，所有内容)#默认每行之间有空行因为有\n，用strip（）就行 .readline（默认一次只读一行） .seek#位置0是开始 .tell#打印当前位置 .encoding#当前编码 .readable#文件是否可读 .writeable#是否可写 .flush#默认是等内存缓存满了才写入，强刷读一条直接写入硬盘

小练习

1 #!/usr/bin/env python
2 #―*―coding:utf-8―*―
3 with open("yesterday","r",encoding='utf-8') as data_1 , \
4 open("yesterdaybak","w",encoding='utf-8') as data_2:#读写完后自动关闭
5 for line in data_1.readlines():
6 if "中国石油" in line:
7 line = line.replace("中国石油","中国石化")
8 data_2.write(line)
yesterday#文件更改前
新浪
百度
中国石油
yesterdaybak#更改后文件内容
新浪
百度
中国石化

三、字符编码与转码

1、python3练习
打开文件yesterday（windows上），内容如下
新浪
百度
中国石油
>>>with open("yesterday","r") as data:
>>> for line in data:
>>> line = line.strip('\n')
>>> print(line)
报错：
UnicodeDecodeError: 'gbk' codec can't decode byte 0xad in position 18: illegal multibyte sequence
解释：
我们知道utf-8是unicode的扩展，windows上默认编码是gbk，按照上图所示打开文件的时候我们需要将gbk转码直接解码（encoding）成utf-8。
如果是python2,.x的话，如果编码格式是gbk，我们首先需要将gbk转码成unicode，然后再将unicode解码（encoding）成utf-8。

四、函数

1、定义：

函数是指将一组语句的集合通过一个名字(函数名)封装起来，要想执行这个函数，只需调用其函数名即可

2、特性：

1、减少重复性

2、是程序扩展性好

3、使程序更容易维护

3、语法：

1 >>>def func():
2 >>> print("你好中国！")
3 >>>func()

4、执行顺序：

>>>def func():#1>>#3(首先python程序通过关键字发现这是个函数)（当执行完func（）时候又到了这里）
>>> print("你好中国！")#4（最后才执行到这里）
>>>func()#2（然后从上往下，这里执行了上面的函数）

5、函数参数

1 #默认参数
2 def func(x,y):#这里的x和y只是形参（形式参数）
3 print(x)
4 print(y)
5 func(1,2)#这里是实参（实际参数，就是真真切切要往函数体里面传的参数）
6 #1对应x，2对应y，也就是说实参合形参是平行对应的，否则打印出的效果就相反了。形参和实参不能多也不能少，否则报错。
1 #关键参数
2 def func(x,y,z):
3 print(x)
4 print(y)
5 print(z)
6 func(x= "中国",y="北京",z =