python字符串與字符編碼

字符編碼

因為計算機只能處理數(shù)字，如果要處理文本，就必須先把文本轉換為數(shù)字才能處理祸穷。最早的計算機在設計時采用8個比特（bit）作為一個字節(jié)（byte）拓提，所以，一個字節(jié)能表示的最大的整數(shù)就是255（二進制11111111=十進制255）鸿吆，如果要表示更大的整數(shù)囤采，就必須用更多的字節(jié)。比如兩個字節(jié)可以表示的最大整數(shù)是65535惩淳，4個字節(jié)可以表示的最大整數(shù)是4294967295蕉毯。但是要處理中文顯然一個字節(jié)是不夠的，至少需要兩個字節(jié)思犁，而且還不能和ASCII編碼沖突代虾，所以，中國制定了GB2312編碼抒倚，用來把中文編進去褐着。加上其他國家也有很多各自的標準，就會不可避免地出現(xiàn)沖突托呕，結果就是含蓉，在多語言混合的文本中，顯示出來會有亂碼项郊。于是就出現(xiàn)了Unicode編碼馅扣，Unicode把所有語言都統(tǒng)一到一套編碼里，這樣就不會再有亂碼問題了着降。
Unicode標準也在不斷發(fā)展差油，但最常用的是用兩個字節(jié)表示一個字符（如果要用到非常偏僻的字符，就需要4個字節(jié)）。現(xiàn)代操作系統(tǒng)和大多數(shù)編程語言都直接支持Unicode蓄喇。ASCII編碼和Unicode編碼的區(qū)別：ASCII編碼是1個字節(jié)发侵，而Unicode編碼通常是2個字節(jié)。比如字母A用ASCII編碼是十進制的65妆偏，二進制的01000001刃鳄；字符0用ASCII編碼是十進制的48，二進制的00110000钱骂，注意字符'0'和整數(shù)0是不同的叔锐；漢字 “中” 已經(jīng)超出了ASCII編碼的范圍，用Unicode編碼是十進制的20013见秽，二進制的01001110 00101101愉烙。如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以解取，因此步责，A的Unicode編碼是00000000 01000001吊洼。新的問題又出現(xiàn)了：如果統(tǒng)一成Unicode編碼，亂碼問題從此消失了毛肋。但是原朝，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間玫坛，在存儲和傳輸上就十分不劃算。所以，本著節(jié)約的精神昆码，又出現(xiàn)了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個字節(jié)邻储，常用的英文字母被編碼成1個字節(jié)赋咽，漢字通常是3個字節(jié)，只有很生僻的字符才會被編碼成4-6個字節(jié)吨娜。如果你要傳輸?shù)奈谋景罅坑⑽淖址洌肬TF-8編碼就能節(jié)省空間：

字符“A” 的 ASCII、Unicode宦赠、UTF-8 編碼依次是：01000001 陪毡、
00000000 01000001、01000001
字符“中”的ASCII勾扭、Unicode毡琉、UTF-8 編碼依次是：不能表示 、01001110 00101101 妙色、11100100 10111000 10101101

在計算機內(nèi)存中桅滋，統(tǒng)一使用Unicode編碼，當需要保存到硬盤或者需要傳輸?shù)臅r候身辨，就轉換為UTF-8編碼丐谋。

用記事本編輯的時候芍碧，從文件讀取的UTF-8字符被轉換為Unicode字符到內(nèi)存里，編輯完成后号俐，保存的時候再把Unicode轉換為UTF-8保存到文件泌豆。

python字符串

python中字符串是以單引號'或雙引號"括起來的任意文本，請注意萧落，''或""本身只是一種表示方式践美，不是字符串的一部分。字符串也是一種數(shù)據(jù)類型找岖，但是陨倡，字符串比較特殊的是還有一個編碼問題。在最新的Python 3版本中许布，字符串是以Unicode編碼的兴革，也就是說，Python的字符串支持多語言蜜唾。
對于單個字符的編碼杂曲，Python提供了ord()函數(shù)獲取字符的整數(shù)表示，chr()函數(shù)把編碼轉換為對應的字符：

>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'

如果知道字符的整數(shù)編碼袁余，還可以用十六進制這么寫str：

>>> '\u4e2d\u6587'
'中文'

由于Python的字符串類型是str擎勘，在內(nèi)存中以Unicode表示，一個字符對應若干個字節(jié)颖榜。如果要在網(wǎng)絡上傳輸棚饵，或者保存到磁盤上，就需要把str變?yōu)橐宰止?jié)為單位的bytes掩完。
Python對bytes類型的數(shù)據(jù)用帶b前綴的單引號或雙引號表示：

x = b'ABC'

要注意區(qū)分'ABC'和b'ABC'噪漾，前者是str，后者雖然內(nèi)容顯示得和前者一樣且蓬，但bytes的每個字符都只占用一個字節(jié)欣硼。
以Unicode表示的str通過encode()方法可以編碼為指定的bytes，例如：

>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

純英文的str可以用ASCII編碼為bytes恶阴，內(nèi)容是一樣的诈胜，含有中文的str可以用UTF-8編碼為bytes。含有中文的str無法用ASCII編碼存淫，因為中文編碼的范圍超過了ASCII編碼的范圍耘斩，Python會報錯。
在bytes中桅咆，無法顯示為ASCII字符的字節(jié)括授，用\x##顯示。
反過來，如果我們從網(wǎng)絡或磁盤上讀取了字節(jié)流荚虚，那么讀到的數(shù)據(jù)就是bytes薛夜。要把bytes變?yōu)閟tr，就需要用decode()方法：

>>> b'ABC'.decode('ascii')
'ABC'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'

如果bytes中包含無法解碼的字節(jié)版述，decode()方法會報錯梯澜，如果bytes中只有一小部分無效的字節(jié)，可以傳入errors='ignore'忽略錯誤的字節(jié)：

>>> b'\xe4\xb8\xad\xff'.decode('utf-8')
Traceback (most recent call last):
  ...
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'

由于Python源代碼也是一個文本文件渴析，所以晚伙，當你的源代碼中包含中文的時候，在保存源代碼時俭茧，就需要務必指定保存為UTF-8編碼咆疗。當Python解釋器讀取源代碼時，為了讓它按UTF-8編碼讀取母债，我們通常在文件開頭寫上注釋午磁，告訴Python解釋器，按照UTF-8編碼讀取源代碼：

#-*- coding: utf-8 -*-

以上內(nèi)容參考引用自：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431664106267f12e9bef7ee14cf6a8776a479bdec9b9000

python字符串運算符操作

a = "hello!"
b = "世界!"

#1毡们、根據(jù)下標獲取特定位置字符
print(a[0])  #獲取 a 的第一個字符迅皇，結果h
#2、字符串拼接
c = a+b
d = a*3
print(c)  #結果 hello衙熔！世界登颓！
print(d)  #結果 hello!hello!hello!
#3、切片
e = a[1:3]  #獲取a 中 第二到第三個字符红氯，切片操作中執(zhí)行左閉右開原則挺据，這里即包含1，但不包括3
print(e)   #結果 el
f = d[1:8:2] #切片操作可以加入步長脖隶，這里的2 就是步長，表示獲取d 的2到8位中的偶數(shù)位字符
print(f)  #結果el!e
#4暇检、成員檢測
print("i" in d)  #結果 Flase
print("i" not in d) #結果True
#5  在字符串前加上 r/R 所有的字符串都是直接按照字面的意思來使用,沒有轉義特殊或不能打印的字符产阱。
print(r"\n") #輸出\n，不是換行

python字符串格式化

Python 支持格式化字符串的輸出块仆，最基本的用法是將一個值插入到一個有字符串格式符 %s 的字符串中构蹬。

#基本用法
print ("我叫%s今年%d歲!" % ('小明', 10))  #結果我叫小明今年10歲!
#浮點數(shù)格式化
print ("保留兩位小數(shù)：%.2f" % (1.2345))  #結果保留兩位小數(shù)：1.23
#python3還提供一種格式化輸出方式 用format函數(shù)
print("我叫{0}今年{1}歲!身高{2:.2f}米".format("小明",16,1.72345) ) #結果我叫小明今年16歲!身高1.72米

python字符串內(nèi)建方法