pytho学习2 基础知识续

1、字符编号：

字符串是一种数据类型，它有一个编码的问题

字符编码的历史：

（1）计算机只处理数字，所以要处理文本必须将它转化为数字才能处理。8bit（比特）=1byte（字节）,1byte能表示的最大整数为255=二进制11111111。2bytes=65535=二进制16个1；

（2）最早美国人发明计算机的时候，只有127个字符被编到计算机中表示英文大小写字母、数字和一些符号，这个编码被称为ASCII编码，1byte表示。如A的编码为65，z的编码为122；

（3）要处理中文，1byte不够，至少需要2bytes,还不能和ASCII码冲突，中国制定了GB2312编码，各国也制定了自己的标准，这样多种语言混一起就会有乱码；

（4）Unicode把所有语言统一到一套编码中，解决了多种语言在一起乱码的问题，通常是2bytes,也有4bytes;

（5）出问题了，如果是纯英文用Unicode编码会浪费一半的空间。本着节约的精神 ，UTF-8（可变长编码）出现，UTF-8把一个个Unicode字符根据不同的数字大小编码成1-6个字节，英文1个字节，汉字通常是3个字节，生僻字为4-6个字节。

字符	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

计算机系统通用的字符编码工作方式：

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

python中字符串编码：

在最新的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

ord()和chr()函数

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：

encode():

纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。

在bytes中，无法显示为ASCII字符的字节，用\x##显示。

decode():

反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：

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：

len()函数：

计算 字符数：

计算字节数：

1个中文字符经过UTF-8编码后通常会占用3个字节（中文两个字符占6个字节，6/2=3），而1个英文字符只占用1个字节（ABC三个字符占3个字节3/3=1）。

格式化：%

%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。

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

另一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}……，不过这种方式写起来比%要麻烦得多：