05 Python 字符串和编码

1 字符编码

ASCII：1个字节
Unicode：通常为2个字节
UTF-8：常用英文字母1个字节，汉字通常3个字节

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者传输时，转换为UTF-8编码。
例如：

• 用记事本编辑的时候，从文件读取的UTF-8字符就被转换成Unicode字符到内存中，编辑完成后，保存时会把Unicode转换为UTF-8保存到硬盘中。
• 浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器中显示。

2 Python字符串

• 对于单个字符，ord()函数可以获取字符的整数表示，chr()函数把编码转换成对应的字符。
• 如果在网络上传输或把数据保存在硬盘上，需要把字符串转换成一字节为单位的bytes，bytes每个字符只占用一个字节。

x=b'abc'  // bytes类型的数据用b作为前缀

• 以Unicode表示的字符串通过encode()函数可以直接编码为只等的bytes。含有中文的字符串无法用ASCII编码，因为中文编码的范围超过了ASCII的范围，会报错。

'abc'.encode('ascii')
'你好'.encode('utf-8')

• 我们从网络上或硬盘上读取了字节流，则读到的数据就是bytes。要把bytes变为字符串，就要用到decode()函数。如果bytes中包含无法解码的字节，decode()函数会报错。

b'abc'.decode('ascii')
b'efg'.decode('utf-8')
decode('utf-8',errors='ignore') // 如果bytes中有一小部分无效，则可使用此方法忽略错误的字节。

• 计算字符串中含有的字节数，使用len()函数。

len(b'abc')  // 3
len('你好'.encode('utf-8')) // 6

• 当Python解释器读取源代码时，为了让它按照UTF-8编码读取，通常在文件开头添加两行话

#!/usr/bin/env python3  // 告诉系统这是一个Python可执行程序
# -*_ coding: utf-8 -*- // 告诉Python解释器，按照utf-8编码读取源代码

3 格式化

如何输出格式化的字符串

占位符	替换内容
%d	整数
%f	浮点数
%s	字符串
%x	十六进制整数

>>> 'hello, %s' %'world'
'hello, world'
>>> 'hello, %s, welcome to %s' %('李四','北京')
'hello, 李四, welcome to 北京'
>>> 'you have %d money' %10000
'you have 10000 money'


>>> '%2d-%02d' %(3,1)  // 指定补零
' 3-01'
>>> '%05d' %4   
'00004'
>>> '%5d' %5   // 占了5个位置
'    5'

>>> '%.2f' %3.1415926   // 指定小数位数
'3.14'

注意：

• 如果不确定用什么匹配，则可以用%s，会把任何数据类型转换为字符串。
• %%表示一个%
• format()函数，使用传入参数替换字符串内的占位符{0}，{1}…….

>>> 'hello,{0}, 成绩提升了{1:.1f}%'.format('李四',15.155)
'hello,李四, 成绩提升了15.2%'