人人都能学会的python编程教程3:字符串和编码

96
编程老司机
2018.05.10 14:50 字数 969

字符串

在python3中已经全面支持中文。

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 --

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:

宝宝都能学会的python编程教程3:字符串和编码

要计算str包含多少个字符,可以用len()函数:

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:

'Hi, %s, you have $%d.' % ('oldriver', 1000000)'Hi, oldriver, you have $1000000.'

占位符%d替换内容为整数,%f替换浮点数,%s替换字符串,%x替换十六进制整数。

print('%2d-%02d' % (3, 1))
3-01
print('%.2f' % 3.1415926)
3.14
另一种格式化字符串的方法是使用字符串的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}……,不过这种方式写起来比%要麻烦得多:

'Hello, {0}, 股价上升了 {1:.1f}%'.format('小刘', 17.125)

'Hello, 小刘, 股价上升了 17.1%'

编码

上期我们简单的解释过字符串这种数据类型,本期我们详细解释与字符串密切相关的字符编码。

在计算机的世界里所有的数据最终都会变成0和1。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以,一个字节能表示的最大的整数就是255(二进制11111111=十进制255),如果要表示更大的整数,就必须用更多的字节。由于计算机是美国人发明的,因此,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B的编码是66,小写字母y的编码是121。

但是要处理中文显然一个字节是不够的,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。你可以想得到的是,全世界有上百种语言,各国有各国的标准,就会不可避免地出现冲突,结果就是,在多语言混合的文本中,显示出来会有乱码。

因此,Unicode应运而生。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了。

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。

现在,捋一捋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。

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:

人人都能学会的python编程教程3:字符串和编码

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:

人人都能学会的python编程教程3:字符串和编码

今天的python教程就讲到这里,下期我们讲解python的list和tuple,敬请期待!

Gupao