python笔记3：字符串和编码

为了解决字符编码的困难，Unicode应运而生。它把所有的语言统一到一套编码

里，解决乱码问题，但是Unicode编码通常是两个字节，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。

这时候又出现了“可变长编码”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。

与字符串有关的几个函数

python的字符串支持多种语言

>>>print('包含中文的str')

包含中文的str

单个字符的编码

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

>>> ord('A')

65

>>> ord('中')

20013

>>> chr(66)

'B'

>>> chr(25991)

'文'

如果知道字符的整数编码，还可以用十六进制这么写 str：
>>> '\u4e2d\u6587'

'中文'

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。

python对bytes类型的数据用b前缀的单引号和双引号表示：

x=b'abc'

bytes每一个字符都只占一个字节。

以 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)

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'

len()函数：计算str的字符数，bytes的字节数
>>> len('ABC')

3

>>> len(b'ABC')

3

>>> len(b'\xe4\xb8\xad\xe6\x96\x87')

6

>>> len('中文'.encode('utf-8'))

6（一个中文经过UTF-8编码通常会占用三个字节）

格式化

>>>'hi, %s, you have $%d.' % ('donglei', 100000)

'hi, donglei, you have $100000.'

%d 整数     %f 浮点数     %s 字符串     %x 十六进制整数

不太确定应该用什么就用%s ，它会把任何数据类型转换为字符串：
>>> 'Age: %s. Gender: %s' % (25, True)

'Age: 25. Gender: True'
如果出现%，则用%%来表示一个%：
>>> 'growth rate: %d %%' % 7

'growth rate: 7 %'