10.Python【序列】- 字符串（上）-阿里云开发者社区

1. 简介

字符串是文本序列类型，是有Unicode字符构成的不可变序列。

ASCII：ASCII 全称为美国国家信息交换标准码，是最早的标准字符集，使用7个或8个二进制位进行编码，最多可以给256个字符分配数值，包括26个大写、小写字母，10个数字，标点符号，控制字符及其它符号。

GB2312：GB2312 是一个简休中文字符集，由6763个常用汉宇和682个全角的非汉宇宇符红成。GB2312 编码使用两个字节表示一个汉字，最多可以表示256×256=65536个汉字。

GBK：GBK 编码标准兼容 GB2312，并对其进行扩展，也来用双字节表示。共收录21003个汉字、883个符号，并提供 1894 个造宇码位，简、繁体字融于一库。

Unicode：Unicode 是全球通用字符編码表，为每种语言中的每个字符设定了统一且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。采用两个字节表示一个宇符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为0即可。

UTF-8：UTF-8编码是针对 Unicode 的一种可变长度字符编码。它可以表示 Unicode 标淮中的任何字符，并与 ASCIl 完全兼容，采用1～4个字节来表示一个字符。

2. 字符串基础

2.1 构造字符串

字符串字面值构造，单双引号要成对出现，语法如下：

# 单引号
'定义单行字符串，可以包含"双引号"'
# 双引号
"定义单行字符串，可以包含'双引号'"
# 三引号
'''三重单引号，可以定义单行字符串，或者多行字符串'''
"""三重双引号，可以定义单行字符串，或者多行字符串"""

str1 = '''
Hello,world
人生苦短,我用python
'''

使用三引号定义字符串可以跨越多行，其中，所有的空白字符都将包含在该字符串字面值中。如果在单引号或双引号定义的单行宇符串中添加换行符（\n），可以间接表示多行字符串。

在三引号定义的字符串中，可以包含单引号、双引号、换行符、制表符，以及其他特殊字符，对于这些特殊字符不需要转义，此外，还可以包含注释信息。使用三引号能够确保字符串的原始格式，避免烦琐的转义，方便格式化排版。

使用`str()构造，参数可以为任意的对象，如果省略参数，将创建一个空字符串。

str1 = str() # 定义一个空字符串，返回""
str2 = str([]) # 把空列表转换为字符串，"[]"
str3 = str([1,2,3]) # "[1,2,3]"
str4 = str(None) # "None"

2.2 转义序列

转义序列是指一些不能直接在字符串中表示，不可见的空字符、易引发歧义的字符等

原始字符串

原始字符串就是原义字符串，以R或r作为字符串字面值前缀，常用于定义正则表达式字符串。

r'原始字符串'
R'原始字符串'
# 显示 E:\a\b\c\d
print(r'E:\a\b\c\d') 
print(R'E:\a\b\c\d') 
print('E:\\a\\b\\c\\d') # 使用转义字符

2.3 字符串编码和解码

在Python中，字符串编码就是把字符串转换为字节码，解码就是把字节码表示转换为字符串。

使用encode()可以根据参数encoding指定的编码格式将字符串编码为二进制数据的字节串，string表示字符串对象，参数encoding表示编码格式，默认为UTF-8，参数errors设置不同的处理方案，默认为strict，表示遇到非法字符就抛出异常。

string.encode(encoding='UTF-8',errors='strict')

使用decode()可以解码字节码，返回字符串。

byte.decode(encoding='UTF-8',errors='strict')

示例

u = '中文'
byte1 = u.encode() # 默认UTF-8进行编码，获取bytes类型对象
print(byte1) # b'\xe4\xb8\xad\xe6\x96\x87'
byte2 = u.encode('gbk') # 默认GBK进行编码，获取bytes类型对象
print(byte2) # b'\xd6\xd0\xce\xc4'

u1 = byte1.decode('utf-8') # 以UTF-8进行解码，获取字符串对象
print(u1) # 中文
u2 = byte2.decode('gbk') # 以GBK进行解码，获取字符串对象
print(u2)# 中文

2.4 字符串长度

使用len()函数以字符为单位统计字符串的长度，每个汉字视为一个字符。

s1 = '中国China'
print(len(s1)) # 7

在UTF-8编码中，每个汉字占用3个字符，而在GBK或GB2312中，每个汉字占用2个字符。计算字符串长度时，可以考虑字节编码。在Python中，字母、数字、特殊字符一般占用一个字节，汉字一般占用2～4个字节。

s1 = '中国China'
print(len(s1.encode())) # 11
print(len(s1.encode('gbk))) # 9

3. 字节串基础

3.1 认识字节串

字节串（bytes）是不可变的字节序列，存储以字节为单位的数据。bytes 类型是Python3新增的一种数据类型。字节串与字符串的比较如下。

字符串由多个宇符构成，以字符为单位进行操作。默认为 Unicode 宇符，字符范围 0~65535。字符串是字符序列，它是一种抽象的概念，不能直接存储在硬盘中，用以显示供人阅读或操作的。

字节串由多个字节构成，以字节为单位进行操作。字节是整型值，取值范围为 0~255。字节串是字节序列，因此可以直接存储在硬密中，供计算机读取、传输或保存。

除了操作单元不同外，字节串与字符串的用法基本相同，它们之问的映射被称为解码或编码。

3.2 构造字节串

字节串字面值是以b为前缀的ASCII字符串，语法如下：

b'ASCII字符串'
b'转义字符'

b'' 
B"" # 创建空字节串
b'ABCD' 
b'\x41\x42'

使用bytes()函数创建，语法如下：

bytes() # 生成空字节串
bytes(整型可迭代对象) # 用可迭代对象初始化一个字节串，元素[0,255]
bytes(整数n) # 生成n个值为0的字节串
bytes('字符串',encoding='编码格式') # 使用字符串的转换编码生成一个字节串

a = bytes() # 等效于：b"
b = bytes([10,20,30,65,66,67]) # 等效于：b'\n\x14\x1eABC'
c = bytes(range(65,65+26)) # 等效于： b'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
d = bytes(5) # b'\x00\x00\x00\x00\x00'
e = bytes('hello 中国','utf-8') # b'hello \xe4\xb8\xad\xe5\x9b\xbd'

#（1）str 转换为 bytes:
bytes = str.encode(utf-8*)
bytes = bytes(str, encoding=' utf-8')
#（2）bytes 转换为 str：
str = bytes.decode(utf-8')
str = str(bytes)

3.3 应用字节串

计算MD5值，有一步需要使用update()方法，而该方法只接受bytes类型数据。因此，对字符串进行加密时，需要先转换为字节串，然后再进行加密处理。

import hashlib
string = '123456'
m = hashlib.md5() # 创建MD5对象
str_bytes = string.encode(encoding='utf-8') # 转换为字节串
m.update(str_bytes) # update()只接受bytes类型数据作为参数
str_md5 = m.hexdigest() # 获取散列后的字符串
print('MD5散列前为：',string)# MD5散列前为： 123456
print('MD5散列后为：',str_md5)# MD5散列后为： e10adc3949ba59abbe56e057f20f883e

使用二进制方式读写文件时，要用到bytes类型，二进制写文件时，write()方法只接收bytes类型数据，因此，需要先将字符串转换成字节串；读取二进制文件时，read()方法返回的是字节串，使用decode()方法可将字节串转换成字符串

f = open('data','wb') # 新建二进制文件
text = '二进制写文件' # 定义字符串
text_bytes = text.encode('utf-8') # 转换为字节串
f.write(text_bytes) # 写入字节串
f.close() # 关闭文件
f = open('data','rb') # 打开二进制文件
data = f.read() # 读取二进制数据流
str_data = data.decode('utf-8') # 转换为字符串
print(data,type(data)) # b'\xe4\xba\x8c\xe8\xbf\x9b\xe5\x88\xb6\xe5\x86\x99\xe6\x96\x87\xe4\xbb\xb6' <class 'bytes'>
print(str_data) # 二进制写文件
f.close() # 关闭文件

4. 操作字符串

4.1 访问字符串

Python 访问字符串有两种方式：下标索引和切片。

str1 = '0123456789'
print(str1[0:3]) # 012
print(str1[:]) # 0123456789
print(str1[::-1]) # 9876543210
print(str1[-3:-1]) # 78
str1 = '01

4.2 遍历字符串

遍历字符串主要是用for语句，也可以使用while语句。

使用iter()函数将字符串生成迭代器，然后循环遍历返回对应值。

s1 = 'Python'
l = [] # 定义临时备用列表
for item in iter(s1): # 把字符串生成迭代器，然后再遍历
    l.append(item.upper()) # 把每个字符转换大写
print("".join(l)) # 输出 PYTHON

使用enumerate()函数将字符串转换为索引序列，索引序列中每个元素为一个元组。

s1 = 'Python'
l = [] # 定义临时备用列表
for i,char in ennumerate(s1): # 把字符串转换为索引序列，然后再遍历
    l.append(char.upper()) # 把每个字符转换大写
print("".join(l)) # 输出 PYTHON

使用range()函数生成一个数字列表，遍历数字列表，逐个访问字符串中每个字符。

s1 = 'Python'
l = [] # 定义临时备用列表
for i in range(len(s1)): # 从0开始，直到字符串总长度
    l.append(char[i].upper()) # 把每个字符转换大写
print("".join(l)) # 输出 PYTHON

逆序遍历，从右到左反向遍历迭代对象。

s1 = 'Python'
for i in s1[::-1]: # 取反切片遍历
    print(i,end=" ")
for i in range(len(s)-1,-1,-1): # 通过range实现
    print(s1[i],end=" ")
for i in reversed(s1): # 通过reversed实现
    print(i,end=" ") # n o h t y P

4.3 连接字符串

最常用的有以下两种，语法和示例如下：

# 使用加号运算拼接
+ 
'''返回一个有iterable中的字符串拼接而成的字符串。
如果iterable中存在任何非字符串值，包括bytes对象，则引发TypeError异常。
'''
str.join(iterable)

s1 = 'Hello'
s2 = 'Python'
s3 = s1 + s2 
s4 = ''join(s2)
s5 = '_'join(s2)
s6 = '_'.join(['a','b','c'])
s7 = '_'.join([1,'b','c']) #

4.4 分割字符串

使用partition()分割，在sep首次出现位置拆分字符串，返回一个3元组，其中分隔符之前、分隔符和分隔符之后部分，如果分割符未找到，则返回3元组中包含字符串本身以及两个空字符串。

str.partion(sep)

str1 = 'www.mysite.com'
print(str1.parttion('.')) # ('www','.','mysite.com')
print(str1.parttion(',')) # ('www.mysite.com','','')

使用rpartition()分割，在sep最后一次出现的位置拆分字符串，返回一个3元组，其中分隔符之前、分隔符和分隔符之后部分，如果分割符未找到，则返回3元组中包含两个空字符串以及字符串本身。

str.rpartion(sep)

str1 = 'www.mysite.com'
print(str1.rparttion('.')) # ('www.mysite','.','com')
print(str1.rparttion(',')) # ('','','www.mysite.com')

使用split()分割，返回一个有字符串内单词组成的列表，使用sep分隔符，如果给出了maxsplit，则最多进行maxsplit次拆分；如果maxsplit未指定或为-1，则不限制拆分次数；如果sep未指定或为None，任何空白字符串都会被作为分隔符，但不包含首位的空字符串。

str.split(sep=None,maxsplit=-1)

str1 = 'www.mysite.com'
print(str1.split('.')) #  不限拆分次数 ['www','mysite','com']
print(str1.split('.',1)) # 限制拆分次数 ['www','mysite.com']

使用splitlines()分割，返回由原字符中各行组成的列表，在行边界的位置拆分；结果列表中不包含行边界，除非给了keepends ，且为真值，行边界主要包括：\n、\r、\f、\v 等。

str.splitlines([keepends])

str1 = 'a\n\nb\re\r\nd'
t1 = str1.splitlines() # 不包含换行符
t2 = str1.splitlines(True) # 包含换行符
print(t1) # ['a','b','c','d']
print(t2) # ['a\n','\n','b\r','c\r\n','d']

10.Python【序列】- 字符串（下）：https://developer.aliyun.com/article/1528744

10.Python【序列】- 字符串（上）