字符串和编码

时间：2022-03-22 10:47:48

字符编码

Ascill：字母，数字，特殊字符：一个字节，8位
Unicode：16位，2个字节；后升级32位，4个字节（中文英文都是）
utf-8：最少用8位表示，英文字母8位，1个字节
                    欧洲16位，2个字节
                    中文24位，3个字节
gbk：中文2个字节，英文字母1个字节

计算机系统通用的字符编码工作方式：

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。

（1）用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

字符串和编码

 

（2）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：

字符串和编码

所以会看到很多网页的源码上会有类似如下信息，表示该网页正是用的UTF-8编码。

<meta charset="UTF-8" />

字符串

（1）字符和整数的转换

对于单个字符的编码，Python提供了ord()函数：字符 --> 整数，   chr()函数：整数 --> 字符，如下：

>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'

（2）encode和decode

python内部的字符串一般都是 Unicode编码。代码中字符串的默认编码与代码文件本身的编码是一致的。所以要做一些编码转换通常是要以Unicode作为中间编码进行转换的，即先将其他编码的字符串解码（decode）成 Unicode，再从 Unicode编码（encode）成另一种编码。

  • decode（解码） 的作用是将其他编码的字符串转换成 Unicode 编码，eg name.decode(“GB2312”)，表示将GB2312编码的字符串name转换成Unicode编码
  • encode （编码）的作用是将Unicode编码转换成其他编码的字符串，eg name.encode(”GB2312“)，表示将unicode编码的字符串name转换成GB2312编码

（3）len函数

len()函数计算的是str的字符数，如果换成bytes，len()函数就计算字节数：

>>> len('ABC')
3
>>> len('中文')
2
>>> len(b'ABC')
3
>>> len(b'\xe4\xb8\xad\xe6\x96\x87')
6
>>> len('中文'.encode('utf-8'))
6

可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

（4）格式化

（1）最基础的是通过占位符输出格式化的字符串，用%实现：

>>> 'Hello, %s' % 'world'
'Hello, world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'
常用的字符串格式化符号:
字符串和编码
（2）format()
    用传入的参数依次替换字符串内的占位符{0},{1}...，不过这种方式写起来比%要麻烦得多。
　　详见大佬的博客 https://www.cnblogs.com/liwenzhou/p/8570701.html（Python中应该使用%还是format来格式化字符串？）
① format 函数可以接受不限个参数，位置可以不按顺序：
>>>"{} {}".format("hello", "world") # 不设置指定位置，按默认顺序 
'hello world' 
>>> "{0} {1}".format("hello", "world") # 设置指定位置 
'hello world' 
>>> "{1} {0} {1}".format("hello", "world") # 设置指定位置 
'world hello world'
  ② 也可以设置参数：
#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
print("网站名：{name}, 地址 {url}".format(name="菜鸟教程", url="www.runoob.com"))
 
# 通过字典设置参数
site = {"name": "菜鸟教程", "url": "www.runoob.com"}
print("网站名：{name}, 地址 {url}".format(**site))
 
# 通过列表索引设置参数
my_list = ['菜鸟教程', 'www.runoob.com']
print("网站名：{0[0]}, 地址 {0[1]}".format(my_list))  # "0" 是必须的

输出结果为：

网站名：菜鸟教程, 地址 www.runoob.com 网站名：菜鸟教程, 地址 www.runoob.com 网站名：菜鸟教程, 地址 www.runoob.com

③ 也可以向 str.format() 传入对象：
#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
class AssignValue(object):
    def __init__(self, value):
        self.value = value
my_value = AssignValue(6)
print('value 为: {0.value}'.format(my_value))  # "0" 是可选的

（5）运算符

下表实例变量 a 值为字符串 "Hello"：

字符串和编码

（6）join() 方法：用于将序列中的元素以指定的字符连接生成一个新的字符串

s = "'alex',[12,3,45],3"
s1 = '_'.join(s)
s2 = '+'.join(s1)   #从前往后加入
print(s1)
print(s2)

运行结果：
'_a_l_e_x_'_,_[_1_2_,_3_,_4_5_]_,_3
'+_+a+_+l+_+e+_+x+_+'+_+,+_+[+_+1+_+2+_+,+_+3+_+,+_+4+_+5+_+]+_+,+_+3

（7）split() 方法：字符串分割，转换成列表

# str.split(str="", num=string.count(str)):
# str：分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t);    
# num -- 分割次数

s = "'alex',[12,3,45],3"
s1 = s.split()
print("无参数split",s1)
s2 = s.split('3',1)
print("带参数split",s2)

运行结果：
无参数split ["'alex',[12,3,45],3"]
带参数split ["'alex',[12,", ',45],3']

 

标签：

相关文章