Python学习笔记（三）

1.字符串和编码

　　1）最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

　　2）要处理中文至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

　　3）Unicode把所有语言都统一到一套编码里。Unicode标准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。

　　　　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。

　　4）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。

　　5）如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的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，本着节约的精神，又出现了把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，

　　　　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。如果要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。

　　6）UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

　　7）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：

　　　　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：

　　　　很多网页的源码上会有类似<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。

 　　8）对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符：

 　　ord(‘A‘)----65    ord(‘中‘)----20013    chr(‘65‘)----A    ord(‘文‘)----25991

 　　9）由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。

　　　　Python对bytes类型的数据用带b前缀的单引号或双引号表示：x = b‘ABC‘

　　　　要注意区分‘ABC‘和b‘ABC‘，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。

　　　　以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如：

 　　　　‘ABC‘.encode(‘ascii‘)----b‘ABC‘    ‘中文‘.encode(‘utf-8‘)----b‘\xe4\xb8\xad\xe6\x96\x87‘

　　　　纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。

　　　　在bytes中，无法显示为ASCII字符的字节，用\x##显示。

　　　　反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：b‘ABC‘.decode(‘ascii‘)----‘ABC‘

　　10）要计算str包含多少个字符，可以用len()函数：len(‘ABC‘)----3    len(‘中文‘)----2

　　　　如果换成bytes，len()函数就计算字节数：len(b‘ABC‘)----3     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。

　　11）在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。

　　　　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两行：

 　　　　#!/usr/bin/env python3

# -*- coding: utf-8 -*-

 　　　　第一行注释是为了告诉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；

　　　　第二行注释是为了告诉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。

 　　　如果.py文件本身使用UTF-8编码，并且也申明了# -*- coding: utf-8 -*-，打开命令提示符测试就可以正常显示中文：

 2.格式化

　　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：

 　　print(‘Hello, %s‘ % ‘world‘)----Hello, world    print(‘Hi, %s, you have $%d.‘ % (‘Michael‘, 1000000))----Hi, Michael, you have $1000000.

%运算符就是用来格式化字符串的。在字符串内部，%s表示用字符串替换，%d表示用整数替换，有几个%?占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个%?，括号可以省略。

　　常见的占位符有：%d----整数    %f----浮点数    %s----字符串    %x----十六进制整数

　　其中，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：

　　a=(85-72)/72*100

　　print(‘%.2f‘ % a,‘%‘)

　　----18.06%

　　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：print(‘Age: %s. Gender: %s‘ % (25, True))----Age: 25. Gender: True

　　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%：print(‘growth rate:%d %%‘ % 7)----growth rate:7 %

原文：https://www.cnblogs.com/xinghen1216/p/9888936.html