Python学习笔记—字符串和编码

Python学习笔记2—字符串和编码

• 编码

1.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
2.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（如果要用到非常偏僻的字符，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。
3.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。

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

所以你看到很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码。

• Python的字符串
  1.Python在后来添加了对Unicode的支持，以Unicode表示的字符串用u’…’表示，比如：

>>> print u'中文'
>>> 中文

>>> u'中'
u'\u4e2d

2.把u’xxx’转换为UTF-8编码的’xxx’用encode(‘utf-8’)方法：

>>> u'ABC'.encode('utf-8')
>>> 'ABC'

>>> u'中文'.encode('utf-8')
'\xe4\xb8\xad\xe6\x96\x87'

3.反过来，把UTF-8编码表示的字符串’xxx’转换为Unicode字符串u’xxx’用decode(‘utf-8’)方法：

>>> 'abc'.decode('utf-8')
u'abc'

>>> '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
u'\u4e2d\u6587'
>>> print '\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
中文

4.在Python 3.x版本中，把’xxx’和u’xxx’统一成Unicode编码，即写不写前缀u都是一样的
5.由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这行：

# coding=utf-8

6.注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码

• 格式化
  1.在Python中，采用的格式化方式和C语言是一致的，用%实现，举例如下：
  %d 整数
  %f 浮点数
  %s 字符串
  %x 十六进制整数

2.如果你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
3.有些时候，字符串里面的%是一个普通字符怎么办？这个时候就需要转义，用%%来表示一个%

• 字符串切片split()
  1、split()函数
  语法：str.split(str=”“,num=string.count(str))[n]
  2、参数说明：
  str： 表示为分隔符，默认为空格，但是不能为空(”)。若字符串中没有分隔符，则把整个字符串作为列表的一个元素
  num：表示分割次数。如果存在参数num，则仅分隔成 num+1 个子字符串，并且每一个子字符串可以赋给新的变量

3、实例

>>> u = “www.shujuwajue.com.cn”
#使用默认分隔符
>>> print u.split()
['www.shujuwajue.com.cn']

#以"."为分隔符
>>> print u.split('.')
['www', 'shujuwajue', 'com', 'cn']

#分割0次
>>> print u.split('.',0)
['www.shujuwajue.com.cn']

#分割一次
>>> print u.split('.',1)
['www', 'shuyjuwajue.com.cn']

#分割两次
>>> print u.split('.',2)
['www', 'shujuwajue', 'com.cn']

#分割两次，并取序列为1的项
>>> print u.split('.',2)[1]
shujuwajue

综合：

>>> str="hello boy<[www.shujuwajue.com]>byebye"

>>> print str.split("[")[1].split("]")[0]
www.shujuwajue.com

>>> print str.split("[")[1].split("]")[0].split(".")
['www', 'shujuwajue', 'com']