python中字符串:声明、编码、函数、格式化

字符串的声明有三种方式：单引号、双引号和三引号（包括三个单引号或三个双引号）。例如：

?

1 2 3 4 5 6 7 8 9 10 11 12

>>> str1= 'hello world'  >>> str2= "hello world"  >>> str3= '''hello world'''  >>> str4= """hello world"""  >>>print str1  hello world  >>>print str2  hello world  >>>print str3  hello world  >>>print str4  hello world

字符串编码

Python中的字符串有两种数据类型：str类型和unicode类型。str类型采用的ASCII编码，也就是说它无法表示中文。unicode类型采用unicode编码，能够表示任意字符，包括中文及其它语言。并且python中不存在像c语言中的char类型，就算是单个字符也是字符串类型。字符串默认采用的ASCII编码，如果要显示声明为unicode类型的话，需要在字符串前面加上'u'或者'U'。例如：

?

1 2 3 4 5 6

>>> str1= "hello"  >>>print str1  hello  >>> str2= u"中国"  >>>print str2  中国

由于项目中经常出现对字符串的操作，而且由于字符串编码问题出现的问题很多，下面，来说一下关于字符串的编码问题。在与python打交道的过程中经常会碰到ASCII、Unicode和UTF-8三种编码。具体的介绍请参见这篇文章。我简单的理解就是，ASCII编码适用英文字符，Unicode适用于非英文字符（例如中文、韩文等），而utf-8则是一种储存和传送的格式，是对Unicode字符的再编码（以8位为单位编码）。例如：

?

1 2 3 4 5 6

u= u'汉'  printrepr(u) # u'\u6c49'  s= u.encode('UTF-8')  printrepr(s) # '\xe6\xb1\x89'  u2= s.decode('UTF-8')  printrepr(u2) # u'\u6c49'

解释：声明unicode字符串”汉“，它的unicode编码为”\u6c49“，经过utf-8编码转换后，它的编码变成”\xe6\xb1\x89“。

对于编码的经验总结：

1.在python文件头声明编码格式 ；

#-*- coding: utf-8 -*- 
2.将字符串统一声明为unicode类型，即在字符串前加u或者U;

3.对于文件读写的操作，建议适用codecs.open()代替内置的open()，遵循一个原则，用哪种格式写，就用哪种格式读；

假设在一个以ANSI格式保存的文本文件中有“中国汉字”几个字，如果直接用以下代码，并且要在GUI上或者在一个IDE中打印出来（例如在sublime text中，或者在pydev中打印），就会出现乱码或者异常，因为codecs会依据文本本身的编码格式读取内容：

1 2 3 4

f= codecs.open("d:/test.txt")  content= f.read()  f.close()  printcontent

改用如下方法即可（只对中文起作用）：

1 2 3 4 5 6 7 8 9 10 11 12 13

# -*- coding: utf-8 -*-      importcodecs      f= codecs.open("d:/test.txt")  content= f.read()  f.close()      ifisinstance(content,unicode):    printcontent.encode('utf-8')    print"utf-8"  else:    printcontent.decode('gbk').encode('utf-8')

 

字符串内置函数

字符串提供了许多内置的函数，这些在很多Python程序中很有用处，它们包括：

• endswith() - 检查字符串是否以给定字符串结尾
• startswith() - 检查字符串是否以给定字符串开始
• upper() - 将字符串所有字符变成大写
• lower() - 将字符串所有字符变成小写
• isupper()/islower() - 检测字符串是否全是大写/小写
• len() -字符串长度

如下表所示列出了目前字符串内建支持的方法，所有的方法都包含了对Unicode的支持，有一些甚至是专门用于Unicode的。

方法	描述
string.capitalize()	把字符串的第一个字符大写
string.center(width)	返回一个原字符串居中,并使用空格填充至长度 width 的新字符串
string.count(str, beg=0, end=len(string))	返回 str 在 string 里面出现的次数，如果 beg 或者 end 指定则返回指定范围内 str 出现的次数
string.decode(encoding='UTF-8', errors='strict')	以 encoding 指定的编码格式解码 string，如果出错默认报一个 ValueError 的 异 常 ， 除 非 errors 指 定 的 是 'ignore' 或 者'replace'
string.encode(encoding='UTF-8', errors='strict')	以 encoding 指定的编码格式编码 string，如果出错默认报一个ValueError 的异常，除非 errors 指定的是'ignore'或者'replace'
string.endswith(obj, beg=0, end=len(string))	检查字符串是否以 obj 结束，如果beg 或者 end 指定则检查指定的范围内是否以 obj 结束，如果是，返回 True,否则返回 False.
string.expandtabs(tabsize=8)	把字符串 string 中的 tab 符号转为空格，tab 符号默认的空格数是 8。
string.find(str, beg=0, end=len(string))	检测 str 是否包含在 string 中，如果 beg 和 end 指定范围，则检查是否包含在指定范围内，如果是返回开始的索引值，否则返回-1
string.index(str, beg=0, end=len(string))	跟find()方法一样，只不过如果str不在 string中会报一个异常.
string.isalnum()	如果 string 至少有一个字符并且所有字符都是字母或数字则返 回 True,否则返回 False
string.isalpha()	如果 string 至少有一个字符并且所有字符都是字母则返回 True, 否则返回 False
string.isdecimal()	如果 string 只包含十进制数字则返回 True 否则返回 False.
string.isdigit()	如果 string 只包含数字则返回 True 否则返回 False.
string.islower()	如果 string 中包含至少一个区分大小写的字符，并且所有这些(区分大小写的)字符都是小写，则返回 True，否则返回 False
string.isnumeric()	如果 string 中只包含数字字符，则返回 True，否则返回 False
string.isspace()	如果 string 中只包含空格，则返回 True，否则返回 False.
string.istitle()	如果 string 是标题化的(见 title())则返回 True，否则返回 False
string.isupper()	如果 string 中包含至少一个区分大小写的字符，并且所有这些(区分大小写的)字符都是大写，则返回 True，否则返回 False
string.join(seq)	以 string 作为分隔符，将 seq 中所有的元素(的字符串表示)合并为一个新的字符串
string.ljust(width)	返回一个原字符串左对齐,并使用空格填充至长度 width 的新字符串
string.lower()	转换 string 中所有大写字符为小写.
string.lstrip()	截掉 string 左边的空格
string.maketrans(intab, outtab])	maketrans() 方法用于创建字符映射的转换表，对于接受两个参数的最简单的调用方式，第一个参数是字符串，表示需要转换的字符，第二个参数也是字符串表示转换的目标。
max(str)	返回字符串 str 中最大的字母。
min(str)	返回字符串 str 中最小的字母。
string.partition(str)	有点像 find()和 split()的结合体,从 str 出现的第一个位置起,把 字 符 串 string 分 成 一 个 3 元 素 的 元 组 (string_pre_str,str,string_post_str),如果 string 中不包含str 则 string_pre_str == string.
string.replace(str1, str2,  num=string.count(str1))	把 string 中的 str1 替换成 str2,如果 num 指定，则替换不超过 num 次.
string.rfind(str, beg=0,end=len(string) )	类似于 find()函数，不过是从右边开始查找.
string.rindex( str, beg=0,end=len(string))	类似于 index()，不过是从右边开始.
string.rjust(width)	返回一个原字符串右对齐,并使用空格填充至长度 width 的新字符串
string.rpartition(str)	类似于 partition()函数,不过是从右边开始查找.
string.rstrip()	删除 string 字符串末尾的空格.
string.split(str="", num=string.count(str))	以 str 为分隔符切片 string，如果 num有指定值，则仅分隔 num 个子字符串
string.splitlines(num=string.count('\n'))	按照行分隔，返回一个包含各行作为元素的列表，如果 num 指定则仅切片 num 个行.
string.startswith(obj, beg=0,end=len(string))	检查字符串是否是以 obj 开头，是则返回 True，否则返回 False。如果beg 和 end 指定值，则在指定范围内检查.
string.strip([obj])	在 string 上执行 lstrip()和 rstrip()
string.swapcase()	翻转 string 中的大小写
string.title()	返回"标题化"的 string,就是说所有单词都是以大写开始，其余字母均为小写(见 istitle())
string.translate(str, del="")	根据 str 给出的表(包含 256 个字符)转换 string 的字符, 要过滤掉的字符放到 del 参数中
string.upper()	转换 string 中的小写字母为大写
string.zfill(width)	返回长度为 width 的字符串，原字符串 string 右对齐，前面填充0
string.isdecimal()	isdecimal()方法检查字符串是否只包含十进制字符。这种方法只存在于unicode对象。

字符串格式化(一)

最好的方法是用 format语句来完成，这个函数为你处理你传入对象的类型以字符串形式显示，所以你可以传入任何类型的对象到 format 方法用来输出。如下：

>>> string_1 = "Hello, {}, here is your string".format("David")
'Hello, David, here is your string'
>>>
>>> string_2 = "Hello, {}, your are {} years old".format("David", 23)
'Hello, David, you are 23 years old'
>>>
>>> string_3 = "Hello, {}, your are {} years old".format("David", 23.5)
'Hello, David, you are 23.5 years old'

从上面的代码可以清晰地看出，format 方法可以用来将任意的 Python 数据类型替换成字符串。

 

字符串格式化（二）

Python 支持格式化字符串的输出 。尽管这样可能会用到非常复杂的表达式，但最基本的用法是将一个值插入到一个有字符串格式符 %s 的字符串中。

在 Python 中，字符串格式化使用与 C 中 sprintf 函数一样的语法。

如下实例：

#!/usr/bin/python

print "My name is %s and weight is %d kg!" % ('Zara', 21) 

以上实例输出结果：

My name is Zara and weight is 21 kg!

python字符串格式化符号:

<TBODY

符   号	描述
%c	格式化字符及其ASCII码
%s	格式化字符串
%d	格式化整数
%u	格式化无符号整型
%o	格式化无符号八进制数
%x	格式化无符号十六进制数
%X	格式化无符号十六进制数（大写）
%f	格式化浮点数字，可指定小数点后的精度
%e	用科学计数法格式化浮点数
%E	作用同%e，用科学计数法格式化浮点数
%g	%f和%e的简写
%G	%f 和 %E 的简写
%p	用十六进制数格式化变量的地址

格式化操作符辅助指令:

符号	功能
*	定义宽度或者小数点精度
-	用做左对齐
+	在正数前面显示加号( + )
<sp>	在正数前面显示空格
#	在八进制数前面显示零('0')，在十六进制前面显示'0x'或者'0X'(取决于用的是'x'还是'X')
0	显示的数字前面填充'0'而不是默认的空格
%	'%%'输出一个单一的'%'
(var)	映射变量(字典参数)
m.n.	m 是显示的最小总宽度,n 是小数点后的位数(如果可用的话)