数据类型 变量 字符串和编码基础

整数和浮点数在计算机内部存储的方式是不同的,整数运算永远是精确的(无论什么运算),而浮点数运算则可能会有四舍五入的误差。

转义字符        \n 表示换行         \t表示制表符(4个空格)       \\表示\

用r' ’表示' '内部的字符串默认不转义

如果字符串内部有很多换行,用\n写在一行里不好阅读,为了简化,Python允许用'''...'''的格式表示多行内容;

布尔值只有True和False两种,运算形式有and、or、not三种;

空值是Python里一个特殊的值,用None表示。None不能理解为0,因为0是有意义的,而None是一个特殊的空值;

变量不仅可以是数字,还可以是任意数据类型,变量名必须是大小写英文、数字和_的组合,且不能用数字开头;

在Python中,通常用全部大写的变量名表示常量,常量亦即不能变的变量,eg:PI;

python的三种除法运算:a、/:计算结果是浮点数,即使是两个整数恰好整除,结果也是浮点数;

b、//:地板除。两个整数的除法仍然是整数,即使除不尽;

c、%:余数运算,得到两个数相除的余数。

变量的内存机制:a = 'ABC'
b = a
a = 'XYZ'
print(b)   ------------------>ABC

1st,执行a='ABC',jie'解释器创建了字符串ABC和变量a,并把a指向ABC;

2nd,执行b=a,解释器创建了变量b,并把b指向a的指向的字符串ABC;

3rd,解释器创建了字符串XYZ,并把a的指向改为XYZ。

计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理;

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;

ASCII编码是1个字节,而Unicode编码通常是2个字节;

字母A用ASCII编码是十进制的65,二进制的01000001

字符0用ASCII编码是十进制的48,二进制的00110000,注意字符'0'和整数0是不同的;

汉字已经超出了ASCII编码的范围,用Unicode编码是十进制的20013,二进制的01001110 00101101;

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;

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,出现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。如果你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;

字符 ASCII Unicode UTF-8
A 01000001 00000000 01000001 01000001
x 01001110 00101101 11100100 10111000 10101101

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;

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:

rw-file-utf-8

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:

web-utf-8

python以unicode编码,所以支持更多(中文)格式;

对于单个字符的编码,Python提供了ord()函数获取字符(ascii码)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(66)
'B'
>>> chr(25991)
'文'

 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;

以Unicode表示的str通过encode()方法可以编码为指定的bytes,无法显示为ASCII字符的字节,用\x##显示     ,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)

 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'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'

如果bytes中包含无法解码的字节,decode()方法会报错:

>>> 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

如果bytes中只有一小部分无效的字节,可以传入errors='ignore'忽略错误的字节:

>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'

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

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

python中,一种格式化字符串的方式是s%:

替换内容
%d 整数
%f 浮点数
%s 字符串
%x 十六进制整数

例如: 

print('%2d-%02d' % (3, 1))          ————>3-01
print('%.2f' % 3.1415926)            ————>3.14

转义,用%%来表示一个%

>>> 'growth rate: %d %%' % (7)
'growth rate: 7 %'

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}……

>>> 'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)
'Hello, 小明, 成绩提升了 17.1%'

猜你喜欢

转载自blog.csdn.net/poiuyds/article/details/81166828