【Python自学】04.字符串和编码（下）

Python的字符串

• Python3 中，字符串是以 Unicode 编码的，即可支持多语言，例如中文。

• 对于单字符编码，可使用 ord（）函数获取字符的整数表示：
  　　ord(‘A’) >>>65
  　　ord(‘中’) >>>20013

• 而 chr（） 函数可以把编码转换成对应字符：
  　　chr(66) >>>’B’
  　　chr(25991) >>>’文’

• 知道字符的整数编码，还可以使用十六进制写str：
  　　‘\u4e2d\u6587’ >>>’中文’

• 因为 Python 的 str 类型在内存中以 Unicode 表示，一个字符对应若干个字节，若要网络上传输或者保存在磁盘上，就需要把 str 转为以字节为单位的 bytes。
  　　Python 对 bytes 类型数据用带 b 前缀的单引号或者双引号表示：
  　　x=b’ABC’
  　　虽然 ‘ABC’ 与 b’ABC’ 内容上显示的一样，但后者每个字符只占用一个字节

• encode()函数
  　　str类型数据可通过 encode() 方法编码指定的 bytes
  　　eg：
  　　　　 ‘ABC’.encode(‘ascii’)
  　　　　　>>>b’ABC’
  　　　　　‘中文’.encode(‘utf-8’)
  　　　　　>>>b’\xe4\xb8\xad\xe6\x96\x87’
  　　纯英文的 str 可以用 ASCII 编码为 bytes，内容一样
  　　含中文的 str 可以用 UTF-8 编码为 bytes，但是不可以用 ASCII 编码成 bytes，因为超出了 ASCII 的编码范围，Python 会报错。而在 bytes 中，无法显示为 ASCII 字符的字节，用\x##显示。

• decode（）方法
  　　一目了然，要把上面的 bytes 变为 str 时使用的方法。这个可以用在我们从网络或者磁盘上读取的字节流（bytes）转换时。
  　　eg:
  　　　　ｂ’ABC’.decode(‘ascii’)
  　　　　 >>>’ABC’
  　　　　 b’\xe4\xb8\xad\xe6\x96\x87’.decode(‘utf-8’)
  　　　　 >>>’中文’

• len（）方法
  　　可计算str的字符数/bytes的字节数
  　　>>>len(b’ABC’)
  　　3
  　　>>>len(b’\xe4\xb8\xad\xe6\x96\x87’)
  　　6
  　　>>>len(‘中文’.encode(‘utf-8’))
  　　6

• 一个中文字符经过 UTF-8 编码后会占 3 个字节，而 1 个英文字符只占用 1 个字节。

• 一般编码尽量选取 UTF-8 编码，一是为了避免 str 和 bytes 转换时的乱码问题，而是 Python 源码就是文本文件，有中文存在的时候会更加方便。Python 解释器读取源码的时候，为了让它按照 UTF-8 编码读取，通常在文件开头写上两句代码，第一行告知 Linux/OS X 系统是 Python 可执行程序，windows 自动忽略，二是告知编辑器按 UTF-8 编码读取源代码：
  　　#!/usr/bin/env python3
  　　# -*- coding: utf-8 -*- 　　
  　　

• ％运算符
  　　% 运算符常用语格式化字符串：
  　　%ｄ 整数　　
  　　%f 浮点数　
  　　%s 字符串
  　　%x 十六进制整数
  　　举个栗子：
  　　　　　　　>>> ‘Hello, %s’ % ‘world’
  　　　　　　　‘Hello, world’
  　　　　　　　>>> ‘Hi, %s, you have $%d.’ % (‘Michael’，1000000) 　　　　　　　‘Hi, Michael, you have$1000000.’
  　　其中，格式化整数和浮点数可以指定是否补 0 和整数与小数的位数：
  　　　　　　　>>> ‘%2d-%02d’ % (3, 1)
  　　　　　　　’ 3-01’
  　　　　　　　>>> ‘%.2f’ % 3.1415926
  　　　　　　　‘3.14’
  　　有些时候，字符串里面的%是一个普通字符怎么办？这个时候就需要转义，用%%来表示一个%.

---