09. 集合及其操作， 字符编码

一、集合及其操作

1.介绍

• 作用：

   ① 去重（集合内不可能出现相同的元素）
   ② 关系运算
   用集合就是用上面这两个功能，如果用不上那就不要使用集合
  

• 特点：

    ① 无序
    ② 元素必须是不可变元素
    ③ 元素不能重合
  

• 类型转换
  能够被for循环遍历的类型都可以被转换成集合

ss = set('hello')
print(ss)  # {'l', 'o', 'h', 'e'}
res = ''.join(ss)
print(res)  # lohe

• 定义空集合
  一定要用关键字set
  如：

ss = set()

2.常用操作

 对于下面s1和s2两个集合做一些操作

s1 = {'aaa', 'bbb', 'ccc', 'ddd'}
s2 = {'ccc', 'ddd', 'eee', 'fff'}

2.1 求交集

res = s1 & s2
print(res)  # {'ddd', 'ccc'}

2.2 求并集

res = s1 | s2
print(res)  # {'aaa', 'ccc', 'eee', 'ddd', 'bbb', 'fff'}

2.3 求差集

res = s1 - s2
print(res)  # {'bbb', 'aaa'}

2.4 求对称差集

res = s1 ^ s2
print(res)  # {'eee', 'bbb', 'fff', 'aaa'}

2.5 父、子集
一个集合包含另一个集合才会有

s1 = {1, 2, 3}
s2 = {1, 2}
print(s1 > s2)  # True，代表s1是s2的父集
print(s2 < s1)  # True，代表s2是s1的子集

3.常用操作

3.1循环

for item in {1,2,3}:
	print(item) 

3.2 update
括号里面的对象必须可以被for循环遍历（列表、元组、字符串等，字典只能往集合里增加key，字符串会被拆成一个个“字符”）

s1 = {333, 222, 111}
s1.update({'aaa', 'bbb'})
print(s1)  # {'aaa', 'bbb', 333, 222, 111}

3.3 clear

清空集合，得到空集合 set()

3.4 pop
随机删除
返回值为删除的那个值

ss = {1,2,3}
res = ss.pop()
print(ss)  # {1, 3}
print(res)  # 2

3.5 remove
指定元素删除
返回值为None

ss = {1,2,3}
res = ss.remove(3)
print(ss)  # {1, 2}
print(res)  # None

3.6 discard
指定元素删除，返回值为None
与remove不同的是，如果指定的元素不存在，不会报错

s1 = {333, 222, 111}
res = s1.discard("aa")
print(s1)  # {333, 222, 111}   与remove不同的是，如果删除的值不存在，运行不会报错
print(res)  # None

3.7 add
只能添加一个值，添加多个值会报错

s1 = {333, 222, 111}
s1.add("aaa")
print(s1)  # {'aaa', 333, 222, 111} 

3.8 isdisjoint
用法：s1.isdisjoint(s2)
判断两个集合是否为没有交集，若没有就返回True，有交集就返回False

s1 = {333, 222, 111}
s2 = {"aaa", "bbb"}
print(s1.isdisjoint(s2))  # True

4. 集合类型总结

无序
能存多个值
set集合属于可变类型

二、字符编码

• ASCII
  美国信息交换标准代码，全称 American Standard Code for Information Interchange
  ASCII第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符

  0～31及127(共33个)是控制字符或通信专用字符（其余为可显示字符），
  如控制符：LF（换行）、CR（回车）、FF（换页）、DEL（删除）、BS（退格)、BEL（响铃）等；
  通信专用字符：SOH（文头）、EOT（文尾）、ACK（确认）等；
  ASCII值为8、9、10 和13 分别转换为退格、制表、换行和回车字符。它们并没有特定的图形显示，但会依不同的应用程序，而对文本显示有不同的影响

  32～126(共95个)是字符(32是空格），其中：
  48～57为0到9十个阿拉伯数字。
  65～90为26个大写英文字母，
  97～122号为26个小写英文字母，
  其余为一些标点符号、运算符号等。
  常见ASCII码的大小规则：0 ~ 9 < A ~ Z < a ~ z

• GBK

  GBK全称《汉字内码扩展规范》，英文名称：Chinese Internal Code Specification
  GBK编码，是在GB2312-80标准基础上的内码扩展规范，使用了双字节编码方案，
  其编码范围从8140至FEFE（剔除xx7F），共23940个码位，共收录了21003个汉字，
  完全兼容GB2312-80标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，
  并包含了BIG5编码中的所有汉字。

• Unicode

  Unicode（又称统一码、万国码、单一码）是计算机科学领域里的一项业界标准，
  包括字符集、编码方案等。Unicode是为了解决传统的字符编码方案的局限而产生的，
  它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。
  1990年开始研发，1994年正式公布。
  Unicode通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为0就可以