Python学习笔记__1.2章 字符串和编码

# 这是学习廖雪峰老师python教程的学习笔记

1、字符编码的历史

因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

 1、ASCII编码

        因为计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122

 2、GB2312编码

        要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

 3、Unicode

由于世界各国语言不同，各国编码标准不同。在多语言混合的文本中，显示出来会有乱码。

因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题。

 ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

 编码对比:

•  字母A用ASCII编码是十进制的65，二进制的01000001；

•  字符0用ASCII编码是十进制的48，二进制的00110000，注意字符'0'和整数0是不同的；

•  汉字“中”已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110     00101101。

•  把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000    01000001。 

4、UTF-8（可变长编码）

如果文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以，为了节约，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。

 

TF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。

而且ASCII编码实际上可以被看成是UTF-8编码的一部分，所以大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作

 

2、计算机系统通用的字符编码工作方式

1、记事本编辑

从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件

2、浏览网页

服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器

 

3、Python的字符串介绍与函数

1、字符串介绍

在Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言，例如：

>>> print('包含中文的str')

包含中文的str

2、函数介绍

1、单个字符编码

1. ord()函数获取字符的整数表示

2. chr()函数把编码转换为对应的字符

>>> ord('中')

20013

>>> chr(66)

'B'

 

2、多字节编码

Python对bytes类型的数据用带b前缀的单引号或双引号表示：

x = b'ABC'

1. encode()方法，将Unicode表示的str编码为指定的bytes

>>> 'ABC'.encode('ascii')

b'ABC'  # 编译成了bytes数据

>>> '中文'.encode('utf-8')

b'\xe4\xb8\xad\xe6\x96\x87'

 

1. decode()方法，把bytes变为str

>>> b'ABC'.decode('ascii')

'ABC'

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

'中文'

 

1. 如果bytes中只有一小部分无效的字节，可以传入errors='ignore'忽略错误的字节：

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

'中'

 

3、计算字符数

len()函数，计算str的字符数，如果换成bytes，len()函数就计算字节数

>>> len('ABC')

3

>>> len(b'ABC')

3

 

4.格式化

如何输出格式化的字符串。

我们经常会输出类似'亲爱的xxx你好！你xx月的话费是xx，余额是xx'之类的字符串，而xxx的内容都是根据变量变化的，所以，需要一种简便的格式化字符串的方式。

 

4.1、用%实现

举例如下：

>>> 'Hello, %s' % 'world'

'Hello, world'

>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)

'Hi, Michael, you have $1000000.'

 

 

%运算符就是用来格式化字符串的。

在字符串内部，%s表示用字符串替换，%d表示用整数替换，有几个%?占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个%?，括号可以省略。

 

常见的占位符有：

其中，格式化整数和浮点数还可以指定是否补0和整数与小数的位数：

>>> print('%d-%d' % (3,1))  # %d 输出整数

3-1

>>> print('%2d-%02d' % (3,1)) # %2d：表示数字前有一个空格。%02d：数字前的一个空格用0填充

 3-01

>>> print('%.2f' % 3.1415926) # %.2f：保留小数点后两位

3.14

 

4.2、format()

它会用传入的参数依次替换字符串内的占位符{0}、{1}……

>>> 'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)

'Hello, 小明, 成绩提升了 17.1%'