1. 字符编码
由于计算机只能处理数字,如果要处理文本就必须将文本转换为数字才能处理,最早设计的时候采用8b 表示一个字节,一个字节能够表示的最大整数是255,如果要表示更大的整数,就必须用多个字节。另外由于计算机是美国人发明的,所以计算机早期只有127个字符被编码到计算机了,也就是Ascii码,后来要处理中文中国就指定了GB2312 ,但是其他国家也有自己的语言 然后就有了不同的标准, 所以就有组织将所有的统一成 Unicode编码。
2. python字符串
在python 中字符串支持多语言,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,如下:
>>> ord('A') 65 >>> ord('中') 20013 >>> chr(66) 'B' >>> chr(25991) '文'
由于python字符串类型是str,在内存中以 unicode表示,一个字符对应若干字节,如果需要在网上传输,或者保存磁盘,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前缀的单引号和双引号表示,如下:
x = b 'ABC' 'ABC' 和 b'ABC' // 前者是 str 后者是表示字节
在python 中 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' >>> '中文'.encode('ascii') Traceback (most recent call last): File "<stdin>", line 1, in <module> UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128) // 纯英文的str 可以用 ASCII编码为 bytes,含有中文的可以用UTF-8编码为bytes,在bytes中无法显示的ASCII字符的字节,用\x##显示
反之,我们需要读取字节流,可以通过decode()方法,将bytes 转换为str,如果bytes中包含无法解码的字节,decode()会报错。
>>> b'ABC'.decode('ascii') 'ABC' >>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') '中文' >>> b'\xe4\xb8\xad\xff'.decode('utf-8') Traceback (most recent call last): ... UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte
len() 函数是用来计算str 的字符数,如果换成bytes, 就计算字节数
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。
3. 格式化
在python 中采用和 c语言一样的格式化方式,用%来实现,如下:
>>> 'Hello, %s' % 'world' 'Hello, world' >>> 'Hi, %s, you have $%d.' % ('Michael', 1000000) 'Hi, Michael, you have $1000000.'
占位符 | 替换内容 |
%d | 整数 |
%f | 浮点数 |
%s | 字符串 |
%x | 十六进制整数 |
4. format()
通过format方法,它会用传入的参数依次替换字符串内的占位符{0}、{1}等。写法比%麻烦。如下:
>>> 'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125) 'Hello, 小明, 成绩提升了 17.1%'