字符串和字节序列及编码解码

字符串（字符序列）和字节序列

• 字符

  • 由于历史原因，将字符定义为unicode字符还不够准确，但是未来字符的定义一定是unicode

• 字节

  就是字符的二进制表现形式

• 码位

  我们计算机现实的实际上是码位

  >>>'你好'.encode("unicode_escape").decode()
  '\\u4f60\\u597d'
  >>>
  >>>'\u4f60\u597d'
  '你好'

  • UNICODE标准以4-6个十六进制数字表示

• 编码

  • 字符序列（string）->字节序列（bytes）-------------编码（encode）

    >>>"你好".encode("utf-8")
    b'\xe4\xbd\xa0\xe5\xa5\xbd'

  • 字节序列(bytes)->字符序列（string)-------------------解码（decode）

    >>>b
    b'\xe4\xbd\xa0\xe5\xa5\xbd'
    >>>b.decode("utf")
    '你好'

• 编码错误

  • 乱码和混合编码

    • 检查编码

      没有办法通过字节序列来得出编码格式，都是通过统计学预估当前的编码

      #安装chardet
      pip intsall chardet
      ​
      #导入chardet
      >>>import chardet
      >>>chardet.detect(b)

      • 解决乱码和混合编码

        • 忽略错误编码

          >>>b_2.decode("utf-8",errors='ignore')
          '你好'

        • 利用鬼符来进行替换

          >>>b_2.decode("utf-8",errors='replace')

字符串CRUD操作

通过dir("")可以查看当前字符串的操作方法

• Create(创建)

  • +

    >>>a = "a"
    id(a)
    2018067917656
    >>>a = a + "b"
    >>>id(a)
    2018112569504
    >>>a
    'ab'

  • +=

    a += "b" 就是 a = a + "b"  省略写法

• Retrieve（检索）

  • 根据索引获取字符

    在计算机语言中，索引值是从0开始数的

    >>>a = "hello,world"
    >>>a[1]
    'e'

  • find和index(获取目标字符的索引值)

    >>>a.find("e")
    1
    >>>a.find("!")      #find找不到会返回-1
    -1
    
    #找不到目标字符时，index会报错
    >>>a.index("!")
    Traceback (most recent call last):
      File "<input>", line 1, in <module>
    ValueError: substring not found
    

  • startswith和endwith

    >>>f = "2021-12-18-xxxxxx"
    >>>f.startswith("2021-12-18")
    True
    >>>f = "xxxxxx.jpg"
    >>>f.endswith("jpg")
    True

  • UPDATE(更新)

    返回的是一个新的字符串

    a.replace("wer", "wor")

  • split(分隔)

    >>>a = "<<python>>,<<java>>,<<c++>>"
    >>>a.split(",")
    ['<<python>>', '<<java>>', '<<c++>>']

  • join(拼接)

    >>>b
    ['<<python>>', '<<java>>', '<<c++>>']
    >>>",".join(b)
    '<<python>>,<<java>>,<<c++>>'

  • DELETE（删除)

    strip(去皮)

    >>>a
    '                         hello,word                     '
    >>>a.strip()
    'hello,word'
    >>>

  • lstrip

  • rstrip

    >>>a.lstrip()    #删除前端
    'hello,word                     '
    >>>a.rstrip()    #删除后端
    '                         hello,word'

字符串的输出和输入

• 保存到文件

  #open函数打开一个文件，没有文件会新建，但是路径不对会报错
  #指定文件名，方法（读，写，追加），编码格式
  output = open("output.txt","w",encoding="utf-8")
  content = "Hello,world"
  #正式写入文件
  output.write(content)
  #关闭文件句柄
  output.close()

• 读取文件

  input = open("output.txt","r",encoding="utf-8")
  #获取文件中的内容
  content = input.read()
  print(content)
  
  #暂时理解为只能读取一遍
  content_2 = input.read()
  print(content_2)

• 追加文件

  output = open("output.txt","a",encoding="utf-8")
  content = "\nHello,world"
  #正式写入文件
  output.write(content)
  #关闭文件句柄
  output.close()

字符串的格式化输出

• format

  • 按照传入参数默认顺序

    a = "ping"
    b = "pong"
    
    print("play pingpong:{},{}".format(a,b))

  • 按照指定的参数索引

    a = "ping"
    b = "pong"
    
    print("play pingpong:{0},{1},{0},{1}".format(a,b))

  • 按关键词参数

    a = "ping"
    b = "pong"
    
    print("play pingpong:{a},{b},{a},{b}".format(a='ping',b='pong'))

  • 按变量（推荐），但是只有3.6以上才可以使用

    a = "ping"
    b = "pong"
    
    print(f"playing pingpong:{a},{b}")

  • 小数的表示

    >>>"{:.2f}".format(3.14159)
    '3.14'

• %

  "playing %s %s" % ("ping","pong")
  'playing ping pong'

课后作业

• 联系字符串的编码和解码

• 联系字符串的CRUD

• 联系字符串的格式化

下节请见链接：