记录一下python的数据结构 - string
计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。
最早的计算机采用8个比特(bit)作为一个字节(byte),一个字节能表示的最大的整数就是255(二进制11111111=十进制255),如果要表示更大的整数,就必须用更多的字节。
比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295。由于计算机是美国人发明的,所以最早只有127个字母被编码到计算机里: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。
所以,中国制定了GB2312编码,用来把中文编进去。
但全世界有上百种语言,日本把日文编到Shift_JIS里,韩国把韩文编到Euc-kr里,各国的标准不可避免地出现了冲突,所以在多语言混合的文本中,显示出来会有乱码。
Unicode应运而生。
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。Unicode标准也在不断发展,但最常用的是用两个字节表示一个字符(非常偏僻的字符,就需要4个字节)。
现代操作系统和大多数编程语言都直接支持Unicode。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。
字母A用ASCII编码是十进制的65,二进制的01000001;
如果把ASCII编码的A用Unicode编码,只需要在前面补0就可以,因此,A的Unicode编码是00000000 01000001。尽管统一成Unicode编码,乱码问题从此消失了。但是如果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,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(所以ASCII编码实际上可以被看成是UTF-8编码的一部分),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。最后,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。
\>>> ord('A') #字母和对应的数字相互转换
= 65
\ >>> chr(65)
= 'A'
\>>> print u'中文' #以unicode表示的字符用u'..'表示
= 中文
\>>> u'ABC'.encode('utf-8')#把Unicode编码表示的字符串转换为UTF-8
= 'ABC'
\>>> 'abc'.decode('utf-8') #把UTF-8编码表示的字符串转换为Unicode字符串
= u'abc'
#!/usr/bin/env python #告诉Linux/OS X系统,这是一个Python可执行程序,Windows系统会忽略这个注释;
# -*- coding: utf-8 -*- #告诉Python解释器,按照UTF-8编码读取源代码
>>> string = "Hello My friend"
>>> print string[0]
= H
>>> print string[0:5]
= Hello
#字符串包含判断操作符:in,not in
>>> print 'He' in string
= True
>>> print 'sHe' in string
= False
#后面跟数字表示字符串重复的次数,比如
print 'hello'*5
>>> hellohellohellohellohello
#string模块,还提供了很多方法,如
S.find(substring, [start [,end]]) #可指范围查找子串,返回索引值,否则返回-1
S.rfind(substring,[start [,end]]) #反向查找
S.index(substring,[start [,end]]) #同find,找不到时产生ValueError异常
S.rindex(substring,[start [,end]])#同上反向查找
S.count(substring,[start [,end]]) #返回找到子串的个数
S.lowercase()
S.capitalize() #首字母大写
S.lower() #转小写
S.upper() #转大写
S.swapcase() #大小写互换
S.split(str, ' ') #将string转list,以空格切分
S.join(list, ' ') #将list转string,以空格连接
#处理字符串的内置函数
len(str) #串长度
cmp("my friend", str) #字符串比较。第一个大,返回1
max('abcxyz') #寻找字符串中最大的字符
min('abcxyz') #寻找字符串中最小的字符
#string的转换
float(str) #变成浮点数,float("1e-1") 结果为0.1
int(str) #变成整型, int("12") 结果为12
int(str,base) #变成base进制整型数,int("11",2) 结果为2
long(str) #变成长整型
long(str,base) #变成base进制长整型,
#字符串的格式化(注意其转义字符,大多如C语言的)
str_format % (参数列表) #参数列表是以tuple的形式定义的,即不可运行中改变
>>>print ""%s's height is %dcm" % ("My brother", 180)
= My brother's height is 180cm
关于格式化输出:
- %d 整数
%f 浮点数
%s 字符串
%x 十六进制整数 - 格式化整数和浮点数还可以指定是否补0和整数与小数的位数:比如 %02d 和 %.2f
- 如果不太确定应该用什么,%s永远起作用,它会把任何数据类型转换为字符串
- 对于Unicode字符串,用法完全一样,但最好确保替换的字符串也是Unicode字符串:比如 u’Hi, %s’ % u’Michael’
- 用%%来表示一个%
- 如果只有一个%?,括号可以省略
不可变对象
- list为可变对象。string为不可变对象
- 对于不可变对象来说,调用对象自身的任意方法,也不会改变该对象自身的内容;相反,这些方法会创建新的对象并返回,这样就保证了不可变对象本身永远是不可变的
本篇博客主要参考自
《用python做科学计算》
《Python自学笔记之基础内容回顾》
《Python 列表(list)、字典(dict)、字符串(string)常用基本操作小结 》
《 Python list 操作》
《列表(list), 元祖(tuple), 字典(dict), 字符串(string), 集合(set) 的基本方法 》
《python 2.7教程 - 廖雪峰》