python 学习笔记 5 ----> dive into python 3

字符串

文本：屏幕上显示的字符或者其他的记号

计算机认识的东西：位（bit）和字节（byte）

文本的本质：某种字符编码方式保存的内容。

字符编码：一种映射（显示的内容  ----> 内存、磁盘内存储的内容）

编码方式：一种将计算机可读的数字映射成人类可读的字符的解码秘钥。

unicode

1 为任意语言的任意字符设计

2 4字节

3 每个数字代表唯一的符号

4 UTF-32：每1个字符使用4个字节

UTF-16：每1个字符使用2个字节（前65535个字符），空间效率比UTF-32高

5 UTF-32和UTF-16编码方式在不同的计算机系统会以不同的顺序保存字节。（大尾端和小尾端）----> 使用字节顺序标记可解决

6 UTF-8：长度变化的unicode编码系统，使用Bit-Twidding，不同的字符占用不同的字节：

　　1 ASCII码：1个字符占用1个字节

　　2 中文：1个字符占用3个字节

　　3 不常用的“astral plane”：1个字符占用4个字节

所谓Bit-Twiddling，指的就是通过直接操作数据的字节来实现对数据的修改功能。例如，如果我们要将int类型的变量value的值变为原来的两倍，那我们既可以使用语句value *= 2，也可以使用value <<= 1的方法，后者就是Bit-Twiddling，大多数情况下，使用Bit-Twiddling的程序可以运行的更快。

参考文章

https://lfwen.site/2017/02/08/bit-hacking/

字符串

1 字符串可以用单引号或者双引号定义

2 值格式化成字符串：使用占位符将值插入字符串

3 字符串是对象，对象有方法，例如，"abc{0}{1}".format("d","e")，其中{0}，{1}叫做替换字段。

格式化字符串

4 深入format()方法

"{0}'s password is {1}".format(username, password) 

{0}和{1} 叫做替换字段，它们是整型替换字段

整型替换字段可以看做是format()方法中的参数列表的位置索引。在上面的例子中，{0}会被第一个参数替换（即 username），{1}被第二个参数替换（即password）

si_suffixes = ['KB', 'MB', 'GB', 'TB', 'PB', 'EB', 'ZB', 'YB']'1000{0[0]} = 1{0[1]}'.format(si_suffixes) 

{0}代表传递给format()方法的第一个参数，即 si_suffixes。注意si_suffixes 是一个列表。所以{0[0]}指代 si_suffixes 的第一个元素，即'KB'。同时，{0[1]}指代该列表的第二个元素，即：'MB'。

通过利用（类似）Python 的语法访问到对象的元素或属性。这就叫做复合字段名。例如列表，字典，模块，类的实例等的访问到元素或属性的方式。以下是一个综合的例子：

import humansize
import sys
'1MB = 1000{0.modules[humansize].SUFFIXES[1000][0]}'.format(sys)

替换域{0}指代 sys 模块。

sys.modules 是一个保存当前 Python 实例中所有已经导入模块的字典。模块的名字作为字典的键；模块自身则是键所对应的值。所以{0.modules}指代保存当前己被导入模块的字典。

sys.modules['humansize']即刚才导入的humansize模块。所以替换域{0.modules[humansize]}指代humansize模块。（注意：在实际的Python代码中，字典sys.modules的键是字符串类型的；为了引用它们，我们需要在模块名周围放上引号（比如 'humansize'）。但是在使用替换域的时候，我们在省略了字典的键名周围的引号（比如humansize）。）

sys.modules['humansize'].SUFFIXES 是在 humansize 模块的开头定义的一个字典对象。 {0.modules[humansize].SUFFIXES}即指向该字典。

sys.modules['humansize'].SUFFIXES[1000]是一个 SI（国际单位制）后缀列表对象：['KB', 'MB', 'GB', 'TB', 'PB', 'EB','ZB', 'YB']。所以替换域{0.modules[humansize].SUFFIXES[1000]}指向该列表。

最后可知，sys.modules['humansize'].SUFFIXES[1000][0]即 SI 后缀列表的第一个元素：'KB'。

if size < multiple:
    return '{0:.1f} {1}'.format(size, suffix)

{1}会被传递给 format()方法的第二个参数替换，即 suffix。

{0:.1f} 在替换域中，”的意思是四舍五入，保留一位小数。“f”的意思是定点数（与指数标记法或者其他 10 进制数表示方法相对应）。

其他字符串方法

s.splitlines()：输入：多行字符串；输出：一个由字符串组成的列表

s.lower()：字符串转换成小写

s.upper()：大写转换操作

s.lower().count()：输入：字符子串；输出：返回字符串中指定的子串数量

对url参数的处理：

param = username=rui&password=123&address=HK

1 dict([p.split('=', 1) for p in param.split('&')])

2 使用现有库urllib.parse.parse_qs()函数

字符串分片

它类似列表的分片，形如，str[a : b]，表示从a位置到(b-1)位置的字符串分片

1 通过指定两个索引值来获得原字符串的一个分片，从0开始

2 可以使用负的索引值，从-1开始

3 str[a: ] == str[a : b]

3 str[ : n]：返回前n个字符，str[n : ]：返回剩余的字符

string和bytes的比较

1 一个不可变(immutable)的Unicode 编码的字符序列叫做 string。

一串由 0 到 255 之间的数字组成的序列（数字序列）叫做 bytes 对象。

2 byte字面值语法：b''，它可以用来定义bytes对象

3 bytes对象不可变。bytes对象转换为bytearray对象（可变的），这样使得可以改变某个字节

4 字符串有内置函数len()，encode()，decode()等，可以使用+操作符（连接操作）

5 bytes和strings是不同类型的数据，不能混合使用，需要转换：

bytes -> strings：str = by.decode(‘'编码格式')（by代表字节，str代表字符串）

strings -> bytes：by = str.encode('编码格式')（by代表字节，str代表字符串）

Python编码

1 Python3的.py文件默认的编码方式是UTF-8

2 可以通过代码方式改变编码方式

#!/usr/bin/python3
# -*- coding:big5 -*-

参考文档：

dive into python 3

python372.chm