在《詳解Python拼接字符串的七種方式》這篇推文里脯丝，我提到過(guò)商膊，字符串是程序員離不開的事情。后來(lái)宠进，我看到了一個(gè)英文版本的說(shuō)法：
There are few guarantees in life: death, taxes, and programmers needing to deal with strings.
它竟然把程序員處理字符串跟死亡大事并列了晕拆，可見這是多么命中注定……
回頭看其它文章，我發(fā)現(xiàn)這種說(shuō)法得到了佐證材蹬，因?yàn)槲以跓o(wú)意中已零零碎碎地提及了字符串的很多方面实幕，例如：字符串讀寫文件、字符串打印堤器、字符串不可變性昆庇、字符串Intern機(jī)制、字符串拼接闸溃、是否會(huì)取消字符串整吆，等等。而這些辉川，還只能算字符串面目的冰山一角表蝙。
既然如此，那干脆再單獨(dú)寫寫Python的字符串吧乓旗。這篇內(nèi)容可能會(huì)很基（li）礎(chǔ)（lun）勇哗，并不是什么“騷操作”或“冷知識(shí)”，權(quán)當(dāng)是一份溫故而求知新的筆記寸齐。
1欲诺、Python字符串是什么？
根據(jù)維基百科定義：字符串是由零個(gè)或多個(gè)字符組成的有限序列渺鹦。而在Python 3中扰法，它有著更明確的意思：字符串是由Unicode碼點(diǎn)組成的不可變序列（Strings are immutable sequences of Unicode code points.）
字符串是一種序列，這意味著它具備序列類型都支持的操作：
字符串序列還具備一些特有的操作塞颁，限于篇幅，按下不表。預(yù)告一下祠锣，下一篇《你真的知道Python的字符串怎么用嗎酷窥？ 》將會(huì)展開介紹，敬請(qǐng)期待……
字符串序列是一種不可變序列伴网，這意味著它不能像可變序列一樣蓬推，進(jìn)行就地修改。例如澡腾，在字符串“Python”的基礎(chǔ)上拼接“Cat”沸伏，得到字符串“PythonCat”，新的字符串是一個(gè)獨(dú)立的存在动分，它與基礎(chǔ)字符串“Python”并沒有關(guān)聯(lián)關(guān)系毅糟。
字符串這種序列與其它序列（如列表澜公、元組）的不同之處在于姆另，它的“元素”限定了只能是Unicode碼點(diǎn)。Unicode碼點(diǎn)是什么呢坟乾？簡(jiǎn)單理解迹辐，就是用Unicode編碼的字符。那字符是什么呢糊渊？字符是人類書寫系統(tǒng)的各類符號(hào)，例如阿拉伯?dāng)?shù)字慧脱、拉丁字母渺绒、中文、日文菱鸥、藏文宗兼、標(biāo)點(diǎn)符號(hào)、控制符號(hào)（換行符氮采、制表符等）殷绍、其它特殊符號(hào)（@#￥%$*等等）。那Unicode編碼又是什么呢鹊漠？Unicode別名是萬(wàn)國(guó)碼主到、國(guó)際碼，它是一種適用性最廣的躯概、將書寫字符編碼為計(jì)算機(jī)數(shù)字的標(biāo)準(zhǔn)登钥。
總所周知，在最底層的計(jì)算機(jī)硬件世界里娶靡，只有0和1牧牢。那么，怎么用這個(gè)二進(jìn)制數(shù)字，來(lái)表示人類的文化性的字符呢塔鳍？這些字符數(shù)量龐大伯铣，而且還在日益增長(zhǎng)與變化，什么樣的編碼方案才是最靠譜的呢轮纫？
歷史上腔寡，人類創(chuàng)造了多種多樣的字符編碼標(biāo)準(zhǔn)，例如ASCII（1963年）編碼蜡感，以西歐語(yǔ)言的字符為主蹬蚁，它的缺點(diǎn)是只能編碼128個(gè)字符；例如GB2312（1981年）郑兴，這是中國(guó)推出的編碼標(biāo)準(zhǔn)犀斋，在兼容ASCII標(biāo)準(zhǔn)的基礎(chǔ)上，還加入了對(duì)日文情连、俄文等字符的編碼叽粹，但缺點(diǎn)仍是編碼范圍有限，無(wú)法表示古漢語(yǔ)却舀、繁體字及更多書寫系統(tǒng)的字符虫几。
Unicode編碼標(biāo)準(zhǔn)于1991年推出，至今迭代到了第11版挽拔，已經(jīng)能夠編碼146個(gè)書寫系統(tǒng)的130000個(gè)字符辆脸，可謂是無(wú)所不包，真不愧是“國(guó)際碼”螃诅。Unicode編碼其實(shí)是一個(gè)二進(jìn)制字符集啡氢，它建立了從書寫字符映射成唯一的數(shù)字字符的關(guān)系，但是术裸，由于各系統(tǒng)平臺(tái)對(duì)字符的理解差異倘是，以及出于節(jié)省空間的考慮，Unicode編碼還需要再做一次轉(zhuǎn)換袭艺，轉(zhuǎn)換后的新的二進(jìn)制數(shù)字才能作為實(shí)際存儲(chǔ)及網(wǎng)絡(luò)傳輸時(shí)的編碼搀崭。
這種轉(zhuǎn)換方式被稱為Unicode轉(zhuǎn)換格式（Unicode Transformation Format，簡(jiǎn)稱為UTF）猾编，它又細(xì)分為UTF-8瘤睹、UTF-16、UTF-32等等方式答倡。我們最常用的是UTF-8默蚌。為什么UTF-8最常用呢？因?yàn)樗强勺冮L(zhǎng)度的編碼方案苇羡，針對(duì)不同的字符使用不同的字節(jié)數(shù)來(lái)編碼绸吸，例如編碼英文字母時(shí)鼻弧，只需要一個(gè)字節(jié)（8個(gè)比特），而編碼較復(fù)雜的漢字時(shí)锦茁，就會(huì)用到三個(gè)字節(jié)（24個(gè)比特）攘轩。
二進(jìn)制的編碼串可以說(shuō)是給機(jī)器閱讀的码俩，為了方便度帮，我們通常會(huì)將其轉(zhuǎn)化為十六進(jìn)制，例如“中”字的Unicode編碼可以表示成0x4e2d 稿存，其UTF-8編碼可以表示為0xe4b8ad笨篷，'0x'用于開頭表示十六進(jìn)制，這樣就簡(jiǎn)潔多了瓣履。不過(guò)率翅，UTF-8編碼的結(jié)果會(huì)被表示成以字節(jié)為單位的形式，例如“中”字用UTF-8編碼后的字節(jié)形式是\xe4\xb8\xad 袖迎。
Python中為了區(qū)分Unicode編碼與字節(jié)碼冕臭，分別在開頭加“u”和“b”以示區(qū)分。在Python 3中燕锥，因?yàn)閁nicode成了默認(rèn)編碼格式辜贵，所以“u”被省略掉了。
總結(jié)一下托慨，Python 3 中的字符串是由Unicode碼點(diǎn)組成的不可變序列，也即是暇榴，由采用Unicode標(biāo)準(zhǔn)編碼的字符組成的不可變序列厚棵。Unicode編碼將書寫系統(tǒng)的字符映射成了計(jì)算機(jī)二進(jìn)制數(shù)字，為了方便跺撼，通常顯示為十六進(jìn)制窟感；在運(yùn)算內(nèi)存中讨彼，字符以Unicode編碼呈現(xiàn)歉井，當(dāng)寫入磁盤或用于網(wǎng)絡(luò)傳輸時(shí)，一般采用UTF-8方式編碼哈误。
在Python 2中哩至，因?yàn)闅v史包袱，即Python先于Unicode編碼而誕生蜜自，所以其編碼問(wèn)題是個(gè)大難題菩貌。幸好拋棄Python 2已成大勢(shì)所趨，所以我就不再對(duì)此做介紹或比對(duì)了重荠。
2 箭阶、Python字符串 VS Java字符串
雖然不提縱向版本間的差異，但是，我想將Python字符串與其它編程語(yǔ)言做一個(gè)橫向?qū)Ρ瘸鸩巍Ｎ矣X得這會(huì)是挺好玩的事嘹叫。通過(guò)跨語(yǔ)言的比較，也許我們能加深對(duì)一個(gè)事物（字符串）的理解诈乒，還可能受到啟發(fā)罩扇，得到對(duì)“編程語(yǔ)言”及“編程哲學(xué)”的領(lǐng)悟。
由于本人才疏學(xué)淺怕磨，本文就只對(duì)兩點(diǎn)皮毛特性作說(shuō)明喂饥，歡迎讀者斧正和補(bǔ)充。
（1）字符串的定義方式
Python的字符串是內(nèi)置類型肠鲫，所以使用起來(lái)很方便员帮，有如下三種定義方式：
Java的字符串不是內(nèi)置類型滩届，它屬于對(duì)象集侯，需要通過(guò)String類來(lái)創(chuàng)建。不過(guò)帜消，正因?yàn)樽址Ｓ锰耐鳎訨ava特意預(yù)定義了一個(gè)字符串類String，使得程序員也可以像這樣來(lái)定義：String name = "Python貓"; 泡挺，而不必這樣寫：String name = new String("Python貓"); 辈讶。
Java的字符串只能寫在雙引號(hào)內(nèi)，不具備Python中單雙引號(hào)混用的靈活娄猫。至于三引號(hào)的多行字符串表示法贱除，Java程序員表示羨慕得要死，那種痛苦媳溺，受過(guò)折磨的人最懂月幌。寫出來(lái)讓Python程序員開心一下：
為什么Java不支持多行字符串悬蔽、什么時(shí)候支持多行字符串扯躺？此類問(wèn)題在Python程序員眼里，可能很費(fèi)解蝎困，但它絕對(duì)能排進(jìn)“Java程序員最希望能實(shí)現(xiàn)的特性”的前列录语。好不容易，官方有計(jì)劃在Java 11 實(shí)現(xiàn)禾乘，但今年9月發(fā)布的Java 11 仍是沒有澎埠，現(xiàn)在改計(jì)劃到Java 12 了。
（2）單個(gè)字符與字符序列
Java中其實(shí)也有單引號(hào)的使用始藕，用在char類型上蒲稳，例如char c = 'A'; 氮趋。char是一種內(nèi)置類型，表示單個(gè)用Unicode編碼的字符江耀。Python中沒有char類型凭峡，字符串類型通吃一切。
前面說(shuō)到决记，Python的字符串是一種字符序列摧冀，而Java的字符串并不是一種序列，要表示相近的概念的話系宫，就得用到字符數(shù)組 或者 字符串?dāng)?shù)組 索昂，例如：
char[] a = { 'a', 'b', 'c'};
String[] str = new String[]{"1","2","3"};
字符數(shù)組和字符串?dāng)?shù)組是一種序列，但并不是字符串扩借，它們之間如果要相互轉(zhuǎn)換椒惨，還是挺麻煩的。另外潮罪，說(shuō)是序列，但Java的序列操作絕對(duì)無(wú)法跟Python相比嫉到，別的不說(shuō)沃暗，就上面提及的幾個(gè)基礎(chǔ)操作，試問(wèn)Java能否實(shí)現(xiàn)何恶、實(shí)現(xiàn)起來(lái)要花費(fèi)多大力氣孽锥？
最后來(lái)個(gè)Ending，關(guān)于“Python字符串到底是什么”就說(shuō)到這啦细层，希望對(duì)你有所幫助惜辑。
