在《詳解Python拼接字符串的七種方式》這篇推文里，我提到過旧乞，字符串是程序員離不開的事情蔚润。后來，我看到了一個(gè)英文版本的說法：
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尺栖，可見這是多么命中注定......
回頭看其它文章驯击，我發(fā)現(xiàn)這種說法得到了佐證废境，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沫勿，例如：字符串讀寫文件薛窥、字符串打印、字符串不可變性挫以、字符串Intern機(jī)制痴颊、字符串拼接、是否會(huì)取消字符串屡贺，等等蠢棱。而這些，還只能算字符串面目的冰山一角甩栈。
既然如此泻仙，那干脆再單獨(dú)寫寫Python的字符串吧。這篇內(nèi)容可能會(huì)很基（li）礎(chǔ)（lun）量没，并不是什么“騷操作”或“冷知識(shí)”玉转，權(quán)當(dāng)是一份溫故而求知新的筆記。
1 Python字符串是什么殴蹄？
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究抓。而在Python 3中，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.）
字符串是一種序列袭灯，這意味著它具備序列類型都支持的操作：
# 以下的s刺下、t皆表示序列，x表示元素
x in s # 若s包含x稽荧，返回True橘茉，否則返回False
x not in s # 若s包含x，返回False，否則返回True
s + t # 連接兩個(gè)序列
s * n # s復(fù)制n次
s[i] # s的索引第i項(xiàng)
s[i:j] # s切片從第i項(xiàng)到第j-1項(xiàng)
s[i:j:k] # s切片從第i項(xiàng)到第j-1項(xiàng),間隔為k
len(s) # s的長(zhǎng)度
min(s) # s的最小元素
max(s) # s的最大元素
s.index（x） # x的索引位置
s.count(x) # s中出現(xiàn)x的總次數(shù)
字符串序列還具備一些特有的操作畅卓，限于篇幅擅腰，按下不表。預(yù)告一下翁潘，下一篇《你真的知道Python的字符串怎么用嗎趁冈？ 》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拜马，這意味著它不能像可變序列一能渗勘，進(jìn)行就地修改。例如一膨，在字符串“Python”的基礎(chǔ)上拼接“Cat”，得到字符串“PythonCat”洒沦，新的字符串是一個(gè)獨(dú)立的存在豹绪，它與基礎(chǔ)字符串“Python”并沒有關(guān)聯(lián)關(guān)系。
basename = "Python"
myname = basename + "Cat"
id(basename) == id(myname) >>> False
# 作為對(duì)比申眼，列表能就地修改
baselist = ["Python"]
baselist.append("Cat")
print(baselist) >>> ['Python', 'Cat']
字符串這種序列與其它序列（如列表瞒津、元組）的不同之處在于，它的“元素”限定了只能是Unicode碼點(diǎn)括尸。Unicode碼點(diǎn)是什么呢巷蚪？簡(jiǎn)單理解，就是用Unicode編碼的字符濒翻。那字符是什么呢屁柏？字符是人類書寫系統(tǒng)的各類符號(hào)，例如阿拉伯?dāng)?shù)字有送、拉丁字母淌喻、中文、日文雀摘、藏文裸删、標(biāo)點(diǎn)符號(hào)、控制符號(hào)（換行符阵赠、制表符等）涯塔、其它特殊符號(hào)（@#￥%$*等等）。那Unicode編碼又是什么呢清蚀？Unicode別名是萬(wàn)國(guó)碼匕荸、國(guó)際碼，它是一種適用性最廣的枷邪、將書寫字符編碼為計(jì)算機(jī)數(shù)字的標(biāo)準(zhǔn)每聪。
總所周知，在最底層的計(jì)算機(jī)硬件世界里，只有0和1药薯。那么绑洛，怎么用這個(gè)二進(jìn)制數(shù)字，來表示人類的文化性的字符呢童本？這些字符數(shù)量龐大真屯，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穷娱？
歷史上绑蔫，人類創(chuàng)造了多種多樣的字符編碼標(biāo)準(zhǔn)，例如ASCII（1963年）編碼泵额，以西歐語(yǔ)言的字符為主配深，它的缺點(diǎn)是只能編碼128個(gè)字符；例如GB2312（1981年）嫁盲，這是中國(guó)推出的編碼標(biāo)準(zhǔn)篓叶，在兼容ASCII標(biāo)準(zhǔn)的基礎(chǔ)上，還加入了對(duì)日文羞秤、俄文等字符的編碼缸托，但缺點(diǎn)仍是編碼范圍有限，無(wú)法表示古漢語(yǔ)瘾蛋、繁體字及更多書寫系統(tǒng)的字符俐镐。
Unicode編碼標(biāo)準(zhǔn)于1991年推出，至今迭代到了第11版哺哼，已經(jīng)能夠編碼146個(gè)書寫系統(tǒng)的130000個(gè)字符佩抹，可謂是無(wú)所不包，真不愧是“國(guó)際碼”取董。Unicode編碼其實(shí)是一個(gè)二進(jìn)制字符集匹摇，它建立了從書寫字符映射成唯一的數(shù)字字符的關(guān)系，但是甲葬，由于各系統(tǒng)平臺(tái)對(duì)字符的理解差異廊勃，以及出于節(jié)省空間的考慮，Unicode編碼還需要再做一次轉(zhuǎn)換经窖，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)的編碼坡垫。
這種轉(zhuǎn)換方式被稱為Unicode轉(zhuǎn)換格式（Unicode Transformation Format，簡(jiǎn)稱為UTF）画侣，它又細(xì)分為UTF-8冰悠、UTF-16、UTF-32等等方式配乱。我們最常用的是UTF-8溉卓。為什么UTF-8最常用呢皮迟？因?yàn)樗强勺冮L(zhǎng)度的編碼方案，針對(duì)不同的字符使用不同的字節(jié)數(shù)來編碼桑寨，例如編碼英文字母時(shí)伏尼，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)尉尾，就會(huì)用到三個(gè)字節(jié)（24個(gè)比特）爆阶。
二進(jìn)制的編碼串可以說是給機(jī)器閱讀的，為了方便沙咏，我們通常會(huì)將其轉(zhuǎn)化為十六進(jìn)制辨图，例如“中”字的Unicode編碼可以表示成0x4e2d ，其UTF-8編碼可以表示為0xe4b8ad 肢藐，'0x'用于開頭表示十六進(jìn)制故河，這樣就簡(jiǎn)潔多了。不過吆豹，UTF-8編碼的結(jié)果會(huì)被表示成以字節(jié)為單位的形式鱼的，例如“中”字用UTF-8編碼后的字節(jié)形式是\xe4\xb8\xad 。
Python中為了區(qū)分Unicode編碼與字節(jié)碼瞻讽，分別在開頭加“u”和“b”以示區(qū)分鸳吸。在Python 3中熏挎，因?yàn)閁nicode成了默認(rèn)編碼格式速勇，所以“u”被省略掉了。
# 字符轉(zhuǎn)Unicode編碼
# Python3中坎拐，開頭的u被省略烦磁，b不可省略
hex(ord('中')) >>> '0x4e2d'
hex(ord('A')) >>> '0x41'
# 字符轉(zhuǎn)UTF-8編碼（encode）
'中'.encode('utf-8') >>> b'\xe4\xb8\xad'
'A'.encode('utf-8') >>> b'A'
# Unicode編碼還原成字符
chr(0x4e2d) >>> '中'
chr(0x41) >>> 'A'
# UTF-8編碼還原成字符（decode）
b'\xe4\xb8\xad'.decode('utf-8') >>> '中'
b'A'.decode('utf-8') >>> 'A'
總結(jié)一下，Python 3 中的字符串是由Unicode碼點(diǎn)組成的不可變序列哼勇，也即是都伪，由采用Unicode標(biāo)準(zhǔn)編碼的字符組成的不可變序列。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)字积担，為了方便陨晶，通常顯示為十六進(jìn)制；在運(yùn)算內(nèi)存中帝璧，字符以Unicode編碼呈現(xiàn)先誉，當(dāng)寫入磁盤或用于網(wǎng)絡(luò)傳輸時(shí)，一般采用UTF-8方式編碼的烁。
在Python 2中褐耳，因?yàn)闅v史包袱，即Python先于Unicode編碼而誕生渴庆，所以其編碼問題是個(gè)大難題铃芦。幸好拋棄Python 2已成大勢(shì)所趨雅镊，所以我就不再對(duì)此做介紹或比對(duì)了。
2 Python字符串 VS Java字符串
雖然不提縱向版本間的差異刃滓，但是仁烹，我想將Python字符串與其它編程語(yǔ)言做一個(gè)橫向?qū)Ρ取Ｎ矣X得這會(huì)是挺好玩的事注盈。通過跨語(yǔ)言的比較晃危，也許我們能加深對(duì)一個(gè)事物（字符串）的理解，還可能受到啟發(fā)老客，得到對(duì)“編程語(yǔ)言”及“編程哲學(xué)”的領(lǐng)悟僚饭。
由于本人才疏學(xué)淺，本文就只對(duì)兩點(diǎn)皮毛特性作說明胧砰，歡迎讀者斧正和補(bǔ)充鳍鸵。
（1）字符串的定義方式
Python的字符串是內(nèi)置類型，所以使用起來很方便尉间，有如下三種定義方式：
str_0 = '''Python字符串可以寫在用三引號(hào)對(duì)內(nèi)偿乖，表示多行字符串。
還可以寫在單引號(hào)對(duì)內(nèi)哲嘲，
當(dāng)然還可以寫在雙引號(hào)對(duì)內(nèi)贪薪。
'''
str_1 = 'Python貓是一只貓'
str_2 = "Python貓是一個(gè)微信公眾號(hào)"
Java的字符串不是內(nèi)置類型，它屬于對(duì)象眠副，需要通過String類來創(chuàng)建画切。不過，正因?yàn)樽址Ｓ么雅拢訨ava特意預(yù)定義了一個(gè)字符串類String霍弹，使得程序員也可以像這樣來定義：String name = "Python貓"; ，而不必這樣寫：String name = new String("Python貓"); 娃弓。
Java的字符串只能寫在雙引號(hào)內(nèi)典格，不具備Python中單雙引號(hào)混用的靈活。至于三引號(hào)的多行字符串表示法台丛，Java程序員表示羨慕得要死耍缴，那種痛苦，受過折磨的人最懂挽霉。寫出來讓Python程序員開心一下：
String s = "Java 的多行字符串很麻煩防嗡，\n"
+ "既要使用換行符，\n"
+ "還需要使用加號(hào)拼接";
為什么Java不支持多行字符串炼吴、什么時(shí)候支持多行字符串本鸣？此類問題在Python程序員眼里，可能很費(fèi)解硅蹦，但它絕對(duì)能排進(jìn)“Java程序員最希望能實(shí)現(xiàn)的特性”的前列荣德。好不容易闷煤，官方有計(jì)劃在Java 11 實(shí)現(xiàn)，但今年9月發(fā)布的Java 11 仍是沒有涮瞻，現(xiàn)在改計(jì)劃到Java 12 了鲤拿。
（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，用在char類型上署咽，例如char c = 'A'; 近顷。char是一種內(nèi)置類型，表示單個(gè)用Unicode編碼的字符宁否。Python中沒有char類型窒升，字符串類型通吃一切。
前面說到慕匠，Python的字符串是一種字符序列饱须，而Java的字符串并不是一種序列，要表示相近的概念的話台谊，就得用到字符數(shù)組 或者 字符串?dāng)?shù)組 蓉媳，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，但并不是字符串锅铅，它們之間如果要相互轉(zhuǎn)換酪呻，還是挺麻煩的。另外盐须，說是序列玩荠，但Java的序列操作絕對(duì)無(wú)法跟Python相比，別的不說丰歌，就上面提及的幾個(gè)基礎(chǔ)操作姨蟋，試問Java能否實(shí)現(xiàn)屉凯、實(shí)現(xiàn)起來要花費(fèi)多大力氣立帖？
最后來個(gè)Ending，關(guān)于“Python字符串到底是什么”就說到這啦悠砚，希望對(duì)你有所幫助晓勇。下次，我再跟大家說說“Python字符串到底怎么用”灌旧，敬請(qǐng)期待绑咱。
本文原創(chuàng)并首發(fā)于微信公眾號(hào)【Python貓】，后臺(tái)回復(fù)“愛學(xué)習(xí)”枢泰，免費(fèi)獲得20+本精選電子書描融。
拓展閱讀：
https://zh.wikipedia.org/wiki/Unicode
https://zh.wikipedia.org/wiki/UTF-8
https://yiyibooks.cn/xx/python_352/library/stdtypes.html
https://github.com/acmerfight/insight_python/blob/master/Unicode_and_Character_Sets.md
