Python3字符串
在前面基本数据类型一节我们学过字符串类型，字符串类型严格意义上来说不属于基本数据类型， 因为字符串是由多个单字符类型的数据组成的复合类型。
但 Python 不支持单字符类型，单字符在 Python 中也是作为一个字符串使用，这个和其它语言不同， Python 语言内置字符串类型，字符串是Python中最常用的数据类型之一。
我们本节课再次深入学习一下字符串的特点和函数，以及编码格式。
字符串元素的访问方式
字符串是有序集合，有序集合并不是集合里面的数据是有序的， 有序集合的意思是可以通过下标访问的集合。我们可以通过下标访问字符串，注意第一个元素是从下标 0 开始，越界访问 Python 解释器会报异常错误。
strone = "Python" print(strone[0]) print(strone[100]) # 越界访问，会报异常
字符串是个常量，无论通过何种运算，都不会修改字符串本身的值， 我们不能通过该变量的索引修改它所指向的字符串内的字符， 但我们可以改变该变量指向的字符串。
strone = "Python" strone[0] = "H" # 错误，不可以修改字符串本身的值 strone = "Hello World" # 正确，可以修改变量 strone 的指向 print(strone)
字符串运算
字符串支持一系列的运算，但遵守一定的规则，我们列举出常用的字符串运算，如下表格。
| 运算符 | 解释 | 运算规则 |
|---|---|---|
| + | 字符串连接 | 只能是字符串和字符串相加 |
| * | 扩大字符串的倍数 | 只能是整数和字符串相乘（负整数和字符串相乘输出空字符串） |
| [] | 通过索引访问字符串内元素 | 字符串本身 |
| [:] | 获取字符串的一部分并返回（不改变字符串本身） | 字符串本身 |
| in | 如果字符串内含有给定的字符返回 True 否则 False | 字符串本身 |
| not in | 如果字符串内不含有给定的字符返回 True 否则 False | 字符串本身 |
重要的事情再说一遍，无论什么运算符操作字符串，都不会修改字符串本身的值。
strone = "Hello" newstr = strone[0:3] # 返回索引 0 到 3（不包含3）的子串 print(strone) print(newstr)
操作字符串常用的函数
操作字符串的函数，有字符串本身内置的函数，也有非内置的函数， 这些函数可以对字符串进行一系列的操作，下面表格是字符串常用的一些函数。
| 函数 | 解释 | 性质 |
|---|---|---|
| len | 计算字符串的长度并返回（不是字节长度） | Python 内置函数 |
| find | 字符串内查找子串，并返回子串首字母所在的索引，否则返回 -1 | 字符串自带函数 |
| replace | 字符串内查找子串并返回替换后的字符串 | 字符串自带函数 |
| lower | 把字符串内字符串内的所有字母变为小写并返回 | 字符串自带函数 |
| upper | 把字符串内字符串内的所有字母变为大写并返回 | 字符串自带函数 |
重要的事情说三遍，无论什么函数操作字符串，都不会修改字符串本身的值。
strone = "Python"
newstr = strone.replace("Python", "Hello")
print(strone)
print(newstr)
strtwo = "Hello World"
lowerstr = strtwo.lower()
print(strtwo)
print(lowerstr)
strthree = "Bird Python"
upperstr = strthree.upper()
print(strthree)
print(upperstr)
转义字符
在编程语言里，有很多特殊字符，它们起着各种各样的作用。 有些特殊字符没有办法用普通字符表示，需要进行转义。 python用反斜杠 \ 转义字符，下表列举了一些常用的需要转义的字符。
| 常用的转义字符 | 解释 | 适用方式 |
|---|---|---|
| \ | 反斜杠 | 单引号，双引号，三引号 |
| \' | 单引号 | 单引号，双引号，三引号 |
| \" | 双引号 | 单引号，双引号，三引号 |
| \t | 制表符 | 单引号，双引号，三引号 |
| \n | 换行 | 单引号，双引号，三引号 |
注意：Python 中可以用 r 来禁止字符转义，试一试下面的代码。
strone = r"H\te\rl\nl\"o\'" print(strone)
字符编码
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（范围为 0~127），比如字符 A 的编码是 65，字符 1 的编码是 49。我们知道 1 个字节可以表示的范围是 0~255，所以我们只需要 1 个字节既可以表示出来所有的 ASCII 编码。
strone = "A" print(ord(strone)) # ASCII 值为 65；用 1 个字节的 2 进制表示为：01000001 strtwo = "1" print(ord(strtwo)) # ASCII 值为 33；用 1 个字节的 2 进制表示为：00100001
但是要处理中文用 1 个字节显然是不够的，至少需要 2 个字节， 用两个字节表示一个字符（包括英文，数字，可见字符等）的编码，我们称为 UNICODE 编码。我们知道 2 个字节的表示的范围为 0~65535，注意，我们在字符串前面加上 u 来告诉计算机用 UNICODE 编码方式存储字符串。
strone = u"A" print(ord(strone)) # UNICODE 值为 65；用 2 个字节的 2 进制表示为：00000000 01000001 strtwo = u"牛" print(ord(strtwo)) # UNICODE 值为 29275；用 2 个字节的 2 进制表示为：01110010 01011011
我们来分析一下上面的例子：汉字“牛”对应的十进制为 29275，显然已经超出了 ASCII 编码的范围，所以用 1 个字节无法表示，我们只能用两个字节的 UNICODE 编码方式，对应的二进制为 01110010 01011011。字母 A 对应的十进制为 65，可以使用 1 个字节的 ASCII 编码方式，对应的二进制为 01000001，当然我们也可以使用 2 个字节的 UNICODE 编码方式，对应的进制为 00000000 01000001。我们来考虑一个问题，如果我们写的字符串文本只有极个别中文，而大部分都是英文，因为有中文的存在，我们无法使用 ASCII 编码方式进行统一编码，只能使用 UNICODE 编码方式，而采用 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，如果有一种编码可以智能的对文本中的英文采用 ASCII 编码方式，对中文采用 UNICODE 编码方式那该多好啊，有的，就是 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，比如，如果是常用的英文字符、数字字符、英文符合字符等都被编码成 1 个字节，一般汉字通常是 3 个字节，只有很生僻的字符才会被编码成 4-6 个字节。在 Python 3 中，字符串前面什么都不要加，默认就是采用 UTF-8 编码；如果加上 u 就是 UNICODE 编码。
strone = "you" # UTF-8 编码，共占用 3 个字节（和 ASCII 编码一样 1 个英文字符 1 个字节） strtwo = "牛掰" # UTF-8 编码，共占用 6 个字节（1 个中文字符通常是 3 个字节） strthree = "you牛掰" # UTF-8 编码，共占用 9 个字节(1 个英文字符 1 个字节，1 个中文字符通常是 3 个字节） strfour = u"you" # UNICODE 编码，共占用 6 个字节（1 个英文字符 2 个字节） strfive = u"牛掰" # UNICODE 编码，共占用 4 个字节（1 个中文字符 2 个字节） strsix = u"you牛掰" # UNICODE 编码，共占用 10 个字节（1 个英文字符 2 个字节，1 个中文字符 2 个字节）
Python 内置的 len 函数可以计算字符串的长度，但是这个长度是什么意思呢，我们通过查看 len 函数的源码发现，它内部逻辑有个判断：
如果计算的字符串是 UNICODE 编码方式，则返回值是：字符串所占的字节数除以 2。
如果字符串是 UTF-8 编码，对于字符串里面有 ASCII 字符则按字节计算，对于字符串里面的中文字符，则按该中文字符所占的字节数除以编码该中文字符所用的字节数 。
strone = "you" # UTF-8 编码，共占用 3 个字节（和 ASCII 编码一样，每个英文字符占 1 个字节） strtwo = "牛掰" # UTF-8 编码，共占用 6 个字节（每个中文字符通常占 3 个字节） strthree = "you牛掰" # UTF-8 编码，共占用 9 个字节(每个英文字符占 1 个字节，每个中文字符通常占 3 个字节） print(len(strone)) # 3（1 + 1 + 1） print(len(strtwo)) # 2（3/3 + 3/3） print(len(strthree)) # 5（1 + 1 + 1 + 3/3 + 3/3） strfour = u"you" # UNICODE 编码，共占用 6 个字节（每个英文字符占 2 个字节） strfive = u"牛掰" # UNICODE 编码，共占用 4 个字节（每个中文字符占 2 个字节） strsix = u"you牛掰" # UNICODE 编码，共占用 10 个字节（每个英文字符占 2 个字节，每个中文字符占 2 个字节） print(len(strfour)) # 3（2/2 + 2/2 + 2/2） print(len(strfive)) # 2（2/2 + 2/2） print(len(strsix)) # 5（2/2 + 2/2 + 2/2 + 2/2 + 2/2）
Python 内置的 encode 函数可以把字符串类型转换为字节类型，encode 的参数决定对字符进行编码时，每个字符使用几个字节。
strone = "you牛掰"
print(type(strone)) # str 类型
print(len(strone)) # 5（1 + 1 + 1 + 3/3 + 3/3）
strtwo = strone.encode("utf8") # 按 utf8 方式编码（每个 ascii 占 1 个字节，每个中文占 3 个字节）
print(type(strtwo)) # bytes 类型
print(strtwo) # b'you\xe7\x89\x9b\xe6\x8e\xb0'
print(len(strtwo)) # 9（1 + 1 + 1 + 3 + 3）
strthree = strone.encode("gbk") # 按 gbk 方式编码（每个 ascii 占 1 个字节，每个中文占 2 个字节）
print(type(strthree)) # bytes 类型
print(strthree) # b'you\xc5\xa3\xea\xfe'
print(len(strthree)) # 7（1 + 1 + 1 + 2 + 2）
说明：gbk 编码是微软出的对含有中文的字符串进行编码的一种格式，gbk 对 ascii 使用 1 个字节，对中文使用 2 个字节。
注意：我们对字符串使用 encode 编码后的字节是由 encode 的参数决定的，而不是由被编码的字符是什么编码格式决定的，
比如，大家可以把 strone = "you牛掰" 改成 strone = u"you牛掰"，做一下验证，结果和上面是一样的。
同样，我们可以使用 decode 函数，把字节类型数据解码成字符串类型。
strone = b'you\xe7\x89\x9b\xe6\x8e\xb0'
print(type(strone)) # bytes 类型
print(len(strone)) # 9（1 + 1 + 1 + 3 + 3）
strtwo = strone.decode("utf8") # 按 utf8 方式解码（每个 ascii 转为 1 个字符，每 3 个非 ascii 转为 1 个中文）
print(type(strtwo)) # str 类型
print(strtwo) # you牛掰
print(len(strtwo)) # 5（1 + 1 + 1 + 3/3 + 3/3）
strone = b'you\xc5\xa3\xea\xfe'
strthree = strone.decode("gbk") # 按 gbk 方式解码（每个 ascii 转为 1 个字符，每 2 个非 ascii 转为 1 个中文）
print(type(strthree)) # str 类型
print(strthree) # you牛掰
print(len(strthree)) # 5（1 + 1 + 1 + 2/2 + 2/2）
格式化
我们知道 print 函数会把输出的各种类型数据全变成字符串输出到屏幕上， 当其中输出的语句内容有变量的时候，我们需要根据这些变量的类型进行格式化。
name = "韩俊"
age = 18
print("%s的年龄是%d" % (name, age))
对应的被格式化的变量类型对应的占位符一般如下表。
| 占位符 | 被格式化成的类型 | 被格式化的数据类型 |
|---|---|---|
| %d | 整数 | int，float，bool |
| %f | 浮点数 | int，float，bool |
| %s | 字符串 | 所有类型 |
| %x | 十六进制整数 | int,float,bool |
本节重要知识点
切记字符串本身是不可修改的常量。
熟练掌握常用的字符串的操作函数。
弄明白 len 函数的计算方式。
评论列表