听学编程之python_听学编程之Python 三、宝玉在红楼梦里说了什么

应听友要求，根据喜马拉雅上的音频节目『听学编程之Python』整理所得。

除了数值外，Python处理字符串特别方便，甚至在编程界，也算是最方便的类型。要掌握哪些入门知识呢？字符串 unicode 列表。

1 字符串

用单引号或双引号标识。所有的字符都被放在单引号和双引号

>>> ' hello' # single quotes

'spam eggs’

加法和乘法 索引 查找

1.1 字符加法和乘法

字符串可以由 + 操作符连接(粘到一起)，可以由 * 重复:

>>>'hello' + 'world'

字符的乘法

‘hello'*9

1.2 索引 index

什么叫索引，一个班所有的学生都有学号，按照学号排好队，学号就是索引，从0开始。表示了内存中的位置序号。

1.2.1 找到索引的字符

>>> ’hello’[0] h

如果是negative numbers，负数，那就是从右到左。最后一个是-1

>>> ’hello’[-1] o

1.2.2 使用索引切片 slicing

slicing 切片。获取子字符串。那怎么取呢？

>>> ’hello’[0:2]

‘he'

‘hello’[1:]

‘hello’[:1]

1.3 查找

找到字符的索引。

需要使用方法了。方法就是函数，属于类或者类的实例叫做对象。听不懂不要紧。’hello’就是一个对象，是str类的实例。

isinstance(‘hello’,str) true

'hello'.find('l') 2

‘hello'.rfind('l') 3

len(‘hello’) 是一个内置函数，是解释器自带的函数，直接使用即可。exit()就是这样的。解释器看得懂。

2 unicode 编码和解码 encode decode

2.1第一印象

s = ‘中国’

u = u’中国’

首先介绍一个内置函数，内置函数就是随时随地直接使用的，已经帮你加载好了。

type()

如果你不知道就是用type(), str unicode

解释器内部是不支持的，解释器不懂中国话，我们要把中国话编码成为4个字节32位的 ，只能当成一段字面文字，但是不能当做 变量名称。解释器就当成一段乌拉哇啦的话。不解释，不语义分析。

2.2 深入理解

但是如果仅仅是存储，那还好，问题是，至少要显示在屏幕上吧。这就麻烦了。显示出来的过程是这样的，比如曹县，特别喜欢举牌子，计算机cpu读到一个字符，其实是读到代表这个字符的一个数字，指挥员根据数字，再查一下表就知道了，应该把哪块牌子举起来。你们就看到相应的字符了。这就是编码code。一定记住，不是encode和decode。

128个数字 就表示了所有英文，127个牌子就可以显示所有文字了，连控制字符都有了，比如某一个数字，指挥员看到之后，不举牌子，高喊三声伟大，或者表示，我从下一行开始举牌子了。

但是十几万个中文怎么办，需要1 到100000个数字吧。度多少块也就是3位数 搞定所有英文， 7位数才能搞定中文。

如果二进制呢？8位数搞定所有英文，但是 16位数才能搞定中文。

这就是编码code。一定记住，不是encode和decode。

但是 unicode 是个美好的幻想。人类的所有字符都是用一套数字来表示。汉字也在某一个区间里面。美国人不同意了，你这太浪费了。

压缩格式应运而生，utf-8特点是应用某种规则，就能把所有字符全部专为8位数搞定的。

能把unicode 转化成为和ascii单字符宽度8字节相同的一种编码格式。# -*- coding: utf-8 -*-

unicode 是一种编码体系 就是unicode

ascii 是一种编码体系 由于是系统默认就是str

美国造了一辆火车轨道宽度是8位，用的很好，中国必须要16位宽的火车才行。怎么办。聪明人想到了一个办法，把中国的16位宽度的火车拆成两个8位的车厢，放到8位轨道上跑。根据车厢的不同，有的就是直接为一个，有的拆成3个，有的拆成4个，同时保证能拆，能装，等到了站，还能组装成16位宽的车厢，不会错乱。这就是utf-8 Unicode Transformation Format 全编码变形(转换)8位格式。

2.3 怎么用呢？

我们输入中文的时候，解释器是美国人不懂中文啊，但是他能听得懂这是音符啊，所以他也能模仿出来对不对，这就行了。最常见的办法就是拆成符合英文习惯的8位，这就可以存放的。但是只能拆装，比如组装起来输出一下是可以的。但是无法处理啊对不对，序列已经变得不随机了，有的是1个，有的是3个。怎么办？

转化为unicode编码，这个时候使用unicode的字符串来存储，就可以使用和前面的str，一样的序列操作来操作了。当我们处理完了之后，如果需要传输，或者只要确保不把一整段的字符串内部序列变化，就又可以拆装，压缩成utf-8格式的，能和str一起用的格式。

3. 列表

字符串是一种序列，序列有两种，一种是可变的一种是不可变的。不可变的就比如字符串，tuple元组 xrange生成器。 而可变的包括列表 bytearray list

特点就是有序。

比如 常用的list。[],里面用逗号分隔。

3.1 合并 乘法

a= [1] + [‘a’]

3.2 切片

a=[1,2,3]

b = [1,2]

3.3 查找 长度

a.find(1) a,rfind(1)

3.4 修改，删除 附加

a[1] = ‘b’

a.remove(‘b’)

a.append(‘b’)

那我们已经学习了python的字符串和序列处理方法，能干什么用处呢？坦白说在一开始录音频的时候，我也不知道，我只想着先把知识点说完，看看能干什么，我就一直想着，字符串，文字，字符串，文字，慢慢的。就在结束的那一刻，突然有两个字出现在我的脑海中，文章，紧接着，我就想到了一个我以前想做但是一直没有做的事情。我要把一个人的话全部搜集整理出来，谁的话呢？贾宝玉，从哪里呢？红楼梦。红楼梦那是中文前无古人，后不知道有没有来着的巅峰之作，内行人都知道，曹雪芹擅长从语言表现人的性格，一开口就知道这个人是谁，性格，地位，目的交代的清清楚楚，而且百人百词，同样的话，两个人说就有一两个字的区别，对谁说有区别，什么时机说又有区别，却又恰当好处的体现出了此时此刻人物的关系。中文的运用，曹雪芹绝对的已经出神入化了。一句话包含多少心思机巧，爱恨情仇啊。比如说，红楼梦里面脏话少没得说吧，塑造的人物黛玉那是曹雪芹心里最干干净净的姑娘了吧，但是她确实为数不多 4，5个人吧，骂过别人放屁的人其中之一，骂谁呢？你们猜一猜看，宝玉。一个遇到谁都礼让退让，把自己压抑到极致的女孩子，只有在她爱的宝玉面前，能够骂出这个词，通便下来，你能感受黛玉对宝玉的信任到什么程度了吧，也就能想到后面宝玉和薛宝钗成亲对她造成了多大的打击了？

首先是预处理，我们使用文本编辑器，把换行符全部替换掉，再用结束引号，替换成为引号加上换行符。就准备好了。把文本存储好，名字就叫红楼梦.txt。

打开文件的函数叫做

由于文本太多，我们一行行的进行处理，

所有的值，以

问：“

道：“

说：“

叫：“

叹：“

”结束

从 ：“向前移动如果有标点符号之间，表示说话的人，如果出现宝玉则使用。

，

？

换行

。

gem_talkers=[]

gem_talks=[]

file = open('/Users/henry/Downloads/红楼梦.txt')

for line in file.readlines():

u_line = unicode(line,'utf-8')

colon_index = u_line.rfind(u'：“')

if colon_index > -1 :

talker = u_line[:colon_index]

for sign in reversed(talker):

if sign in [u'，',u'？',u'。']:

talker = talker[talker.rfind(sign)+1:]

if talker.rfind(u’宝玉’) > -1:

talk = u_line[colon_index:]

gem_talks.append(talk)

gem_talkers.append(talker)

file.close()

for i in range(0,len(gem_talks)):

print unicode(i) + u' ' + gem_talkers[i].strip() + gem_talks[i].strip()

print

pass

配合音频，边听边看效果更好哦！点击这里『听学编程之Python』