【pyhton】python的基础字符串和编码

字符编码

计算机只能处理数字，如果要处理文本，就必须把文本转换为数字才能处理。

最早8个比特（bit）等于1个字节（byte）。表示最大整数为255（11111111）。美国采用ASCII编码，最早只有127个字符被编码到计算机，而处理中文最少需要2个字节，所以中国制定了GB2312编码，各国有了各国的编码，因此在多语言文本中，就会产生乱码，所以Unicode编码产生，既可以对英文编码，也可以对中文编码。但是ASCII编码通常用一个字节，而Unicode编码要用2个字节。如果都用Unicode编码，那么新的问题就是存储和传输的空间就要变得更大，因为节约，就产生了UTF-8编码，UTF-8把字母和汉字分为常用和不常用，常用的英文编成1个字节，常用的汉字编为3个字节。

现在在计算机中，统一使用Unicode编码，当要保存或者传输的时候就采用UTF-8编码。

比如在记事本里面编辑的时候，我们使用的是Unicode编码，当变成txt文件格式时，用UTF-8编码

浏览网页的时候，服务器把生成的Unicode内容转换为UTF-8传到浏览器，也就是用代码编网页的时候，用的是Unicode，当网页显示出来，我们看到的时候，为UTF-8编码。

 

在Python中，字符串用Unicode编码

1.整数编码

ord（）函数，获取字符的整数表示，例如ord（'A'），得到65，ord（‘中’），得到20013

chr（）函数，把编码转换为对应的字符，chr（66），得到‘B’，chr（25591），得到‘文‘

还可以用十六进制写，例如‘\u4e2d\u6587’，得到‘中文’

2.字符与字节的转换（str与bytes的转换）

***Python对bytes类型的数据用带b前缀的单引号或者双引号表示。

转换原因：在网络上传输，或者保存到磁盘上，就需要把字符str变为字节bytes。

 

一个字符对应若干字节。所以str类型占用多个字节

byte的每个字符都占用一个字节。转换为byte后，所占字节数变少

 

例如：x=b'ABC'                  'ABC'和b‘ABC’,后者虽然内容显示和前者一样，但前者是字符str类型，一个字符占若干字节后者是bytes类型，每个字符占一个字节。

（1）encode（）方法：把str可以编码为指定的bytes类型

     

我们对str类型的字符串‘ABC’进行ASCII编码，变为b'ABC'，此时类型变为bytes类型

对含有汉字的str类型进行ASCII编码，产生错误，因为ASCII不能编码汉字，于是我们又用UTF-8编码将str类型的‘中文’转换为bytes类型b'\xe4\xb8\xad\xe6\x96\x87'

(2)decode()方法：将bytes类型指定编码为str类型

如果用bytes类型的汉字用ascii编码为str类型也是不可以的，如果bytes中包含无法解码的字节，也会报错

如果你忘记了一部分字节的utf-8的编码，而又不想程序出错，你可以在添加errors=‘ignore’，忽略错误的字节

3.len（）方法：测出str类型的字符数或者bytes类型的字节数

一个中文字符被utf-8编码之后，占3个字节，1个英文字符只占1个字节。

在保存python源代码的时候，要指定格式为UTF-8编码，如果python解释器读取源代码的时候，也要按照utf-8编码读取，我们通常在python代码开头写上

#!/usr/bin/env python3

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

第一行是告诉Linux/os x系统，这是一个Python可执行程序，Windows会忽略这个注释

第二行是为了告诉Python解释器，要按照UTF-8编码读取源代码，否则会出现乱码。

要确保文本编辑器在使用UTF-8 without BOM编码

格式化字符串

-*-符号%就是用来格式化字符串的-*-

我们有时候会输出‘亲爱哒xxx你好，你的xx月的花费是xx，余额是xx’之类的字符串，其中xxx表示的内容都是根据输入的变量变化的。

在python中，输出字符串中变量的形式和C语言一样，用%实现。

如果格式化的字符串后面也就是%后面只跟一个参数，那么可以去掉括号。

%s表示用字符串替换，当你不清楚要输入什么类型时，%s永远起作用，它可以把任何数据类型转换为字符串。

上面是占位符和替换内容的对应

与C语言一样，当我们格式化字符串的时候，可以格式化整数和标点数，我们可以这样写%2d；%02d；%.2f，他们所代表的的内容依次是输出两位数的整数；输出两位数的整数，如果此时只有一位数，那么在首位补0；输出小数点后两位。

但是有时候我们需要在字符串里面输出%。就好像下面的情景

 

 

我们直接把%添加在里面，会报错，这个时候我们需要在%后面添加一个%，就好像我在python基础语法里面写的一样，我们需要转义，合法的输出我们需要输出的。

format（）：格式化字符串的方法

format（）方法会用传入的参数一次替换字符串的占位符{0}，{1}，{2}......，这种方法比较麻烦，但是当数据多的时候，不容易出错。

当我们要在后面添加.1f时，需要在序号数字后面打上':',序号里面不需要特别说明变量的类型