Python中能够直接处理的基本数据类型:
字符串:
字符串是以单引号'
或双引号"
括起来的任意文本。
如果字符串内部既包含'
又包含",
可以用转义字符\
来标识。\n
表示换行,\t
表示制表符,\\
表示\。
如:
'I\'m \"OK\"!'
运行结果如图所示:
为了简化,Python还允许用r''
表示''
内部的字符串默认不转义。
如:
>>> print(r'\\\t\\')
\\\t\\
运行结果如图所示:
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。
如:
>>> print('''line1
... line2
... line3''')
line1
line2
line3
运行结果如图所示(注意...是回车时自动生成的):
布尔值:
布尔值只有True、False两种值,在Python中,可以直接用True、False表示布尔值(请注意大小写)。
布尔值可以用and(与)、or(或)、not(非)运算。
空值:
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:
变量 , 其实就是计算机内存中的一块储存空间 , 用来存储CPU需要使用的数据 (在Python中数据可以是整数、浮点数、字符串等)。变量名实际上就是一个指向这个数据的指针。
如:
a = 'ABC'
当执行这个语句时,Python解释器实际上做了两件事:
在内存中创建了一个'ABC'
的字符串;
在内存中创建了一个名为a
的变量,并把它指向'ABC'
。
字符编码问题:
最早只有127个字符被编码到计算机里,这个编码表被称为ASCII
编码。但是因为世界上还有除了英语以外的很多其他语言,所以中国制定了GB2312
编码,用来把中文编进去。日本把日文编到Shift_JIS
里,韩国把韩文编到Euc-kr
里,这样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。
为了解决上面的问题,发明了Unicode编码。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。
Unicode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)。
举例说明ASCII编码和Unicode编码的区别:
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;
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
。
如果你的文本基本全部是英文,使用Unicode编码就会需要两倍的存储空间,为了解决这个问题,我们又发明了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:
字符 | ASCII | Unicode | UTF-8 |
---|---|---|---|
A | 01000001 | 00000000 01000001 | 01000001 |
中 | 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。
注意:
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
如:
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:
所以你看到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。
Python3版本中,字符串是以Unicode编码的。
Python提供了ord()方法来获取某个字符的整数表示,而chr()方法把编码转换成对应的字符。
如:
>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'
运行结果如图所示:
Python的字符串类型是str
,在内存中以Unicode表示。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'
Python提供了encode()
方法可以将srt编码为指定的bytes。
如:
>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
运行结果如图所示:
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。
相应地要把bytes
变为str,
Python提供了decode()
方法。
如:
>>> b'ABC'.decode('ascii')
'ABC'
运行结果如图所示:
Python提供了len()方法来计算str的字符数或bytes的字节数。
如:
>>> len(b'ABC')
3
>>> len('中文'.encode('utf-8'))
6
1个中文字符经过UTF-8编码后通常会占用3个字节,1个英文字符只占用1个字节。
为了避免乱码问题,我们应当坚持使用UTF-8编码对str
和bytes
进行转换。
注意:
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。
除此之外,我们还要确保所使用的IDE正在使用UTF-8 编码。
如,pycharm中:
格式化字符串的输出方式:
%
运算符就是用来格式化字符串的。%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。
常见的占位符有:
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 |
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。
如:
print('%2d-%02d' % (3, 1))
print('%.2f' % 3.1415926)
输出结果如图所示:
format()方法:
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%'