Python3 基础：字符串和编码

【本笔记是基于Python3的】
【廖雪峰大神的教程：http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431608990315a01b575e2ab041168ff0df194698afac000】

了解：

8个比特（bit）作为一个字节（byte）。
由于计算机是美国人发明的，因此，最早只有127个字母被编码到计算机里，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。但是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。

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了。

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。

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的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，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-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。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。

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。

Python的字符串

最新的Python 3版本中，字符串是以Unicode编码的。
Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符:

>>> ord('A')
65
>>> 

>>> chr(99)
'c'
>>>

如果知道字符的整数编码，还可以用十六进制这么写str：

>>> '\u4e2d\u6587'
'中文'
>>>

可以使用python来进行unicode编码和转中文的任务。

由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。

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'

要注意区分’ABC’和b’ABC’，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。

str转bytes

以Unicode表示的str通过encode()方法可以编码为指定的bytes：

>>> 'abd'.encode('ascii')  # 将abd按ASCII编码编码为bytes
b'abd'
>>>
>>> '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)
>>> 
# 中文编码的范围超过了ASCII编码的范围，报错了。

在bytes中，无法显示为ASCII字符的字节，用 \x## 显示。

bytes 转 str

使用decode(编码类型)方法

>>> b'abc'.decode('utf-8')
'abc'
>>> 

用len()函数计算长度：

>>> len(b'abd')
3
>>>

>>> len("中文".encode('utf-8'))
6
>>> 
# 可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

格式化

在Python中，采用的格式化方式和C语言是一致的，用%实现，举例如下：

>>> 'James %d' % 22
'James 22'
>>> 'James %d, %s' % (22,'男')
'James 22, 男'
>>>
# %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%：

>>> 'growth rete: %d %%' % 99
'growth rete: 99 %'
>>> 

加号( + )用于字符串连接运算，星号( * )则用于字符串重复。

>>> str = "hahaha"
>>> str * 2
'hahahahahaha'
>>>