Python学习笔记1——Python基础

一． 数据类型和变量

1. 整数：十六进制用0x前缀和0-9，a-f表示
2. 浮点数：小数，科学计数法：10用e代替；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（包括除法），浮点数运算则可能会有四舍五入的误差
3. 字符串和编码

　　（1）以单引号‘或双引号“括起来的任意文本。

　　（2）可以用转义字符\来标识‘和“。（\n:换行(Python允许使用’’’…’’’格式表示多行内容，eg。’’’a…b…c’’’),\t：制表符,\\：表示\,）

　　（3）r’’表示’’内部的字符默认不转义

　　（4）编码：

　　　　ASCII编码：1个字节（包括大小写英文字母，数字和一些符号）

　　　 Unicode编码：把所有语言都统一到一套编码里，清除乱码问题（多为2字节，把ASCII编码的字符用Unicode编码，在前面补8个0）

　  UTF-8：把Unicode编码转化为“可变长编码“，因为Unicode编码比ASCII编码需要多一倍的存储空间，若文本全为英文的话，及其不节约。

　　 ~~ASCII编码实际上可以被看成是UTF-8编码的一部分。

　　 ~~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，就装换为UTF-8编码

　　（5）Python3版本中，字符串是以Unicode编码，即支持多语言。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。

　  （6）如果要在网络上传输，或者保存到磁盘上，就需要把字符串变为以字节为单位的bytes，用带b前缀的单引号或双引号表示：x=b’ABC’。encode()将字符变为bytes，decode()将bytes变为字符。

　　（7）在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。

　　（8）由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。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。

申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码：

　　（9）格式化：%

　　%d：整数

　%f：浮点数

%s：字符串

%x：十六进制整数

%%：%

　　4.布尔值：True和False；and、or和not运算

在python中，and和or执行布尔逻辑运算时，并不返回布尔值，而是返回他们实际进行比较的值之一。在布尔上下文中从左到右演算表达式的值。对于and，如果布尔上下文中的所有值为真，那么and返回最后一个值；如果布尔上下文中的某个值为假，则and返回第一个假值。对于or，如果有值为真，则返回第一个真值，若所有值都为假，则返回最后一个假值。

　　5.空值：None，不能理解为0。

　　6.变量：变量名必须是大小写英文、数字和_的组合。

　　动态语言：

　　静态语言：

　　b：ABC

　　7 . 常量：通常用全部大写的变量名表示常量

　　8.    1.1+1.1+1.1=3.3000000000003：因为精度损失

二． 条件判断

三． 循环

（1）for x in ..

（2）while

         

四． 列表

（1）list是一种有序的集合，可以随时添加和删除其中的元素

　　　　classmates = ['Michael', 'Bob', 'Tracy']

（2）用len()函数可以获得list元素的个数，用索引来访问list中每一个位置的元素，记得索引是从0开始的当索引超出了范围时，Python会报一个IndexError错误，所以，要确保索引不要越界，记得最后一个元素的索引是len(classmates) - 1。

（3）如果要取最后一个元素，除了计算索引位置外，还可以用-1做索引，直接获取最后一个元素。

（4）list元素也可以是另一个list

五． 元祖tuple

（1）不可变的列表(指向永远不变)；除改变列表内容的方法外，其他方法均适用于元组；因此：索引、切片、len、print可用；append、extend、del等不可用

　　　　classmates = ('Michael', 'Bob', 'Tracy')

（2）因为tuple不可变，所以代码更安全。如果可能，能用tuple代替list就尽量用tuple。

（3）定义一个空的tuple：t = ()

（4）t=(1):定义的不是tuple，而是1这个数，只有1个元素的tuple定义时必须加一个逗号，。t=(1,)

六． 字典

（1）    Python内置了字典：dict的支持，dict全称dictionary，在其他语言中也称为map，使用键-值（key-value）存储，具有极快的查找速度

　　　　my_dict={'john':1234,'Mike':5678,'Bob':8765}

　　　 my_dict['Bob']

（2）    给定一个名字，比如'Michael'：95，dict在内部就可以直接计算出Michael对应的存放成绩的“页码”，也就是95这个数字存放的内存地址，直接取出来，所以速度非常快

（3）    dict内部存放的顺序和key放入的顺序是没有关系的

（4）    和list比较，查找和插入的速度极快，不会随着key的增加而增加；需要占用大量的内存，内存浪费多。

（5）    要保证hash的正确性，作为key的对象就不能变。在Python中，字符串、整数等都是不可变的，因此，可以放心地作为key。而list是可变的，就不能作为key

（6）    字典预算符合方法

　　　　len(my_dict)

　　　　key in my_dict            快速判断key是否为字典中的键：O(1)；==my_dict.has_key(key)

　　　　for key in my_dict      枚举字典中的键：键是无序的

　　　　my_dict.items()        全部的键-值对；返回的键值对是以列表的形式

　　　　my_dict.keys()          全部的键

　　　　my_dict.values()       全部的值

　　　　my_dict.clear()          清空字典

七． 集合

（1）    无序不重复元素（键）集；和字典类似，但是无“值”

创建：           x=set（）

x={key1,key2,...}

添加和删除     x.add('body')

x.remove('body')

集合的运算符：  -    & |     ！=

（2）    set的原理和dict一样，所以，同样不可以放入可变对象，因为无法判断两个可变对象是否相等，也就无法保证set内部“不会有重复元素”

（3）    中文分词————算法：正向最大匹配（从左到右取尽可能长的词）

　　　　（1）加载词典：lexicon.txt

def load_dic(filename):

        f= open(filename)

        word_dic=set()

        max_length=1

        for line in f:

               word=unicode(line.strip(),'utf-8')

               word_dict.add(word)

               if len(word)>max_len:

                      max_len=len(word)

        return max_len,word_dict

(2)正向最大匹配分词

def fmm_word_seg(sent,max_len,word_dict):

        begin=0

        words=[]

        sent=unicode(sent,'utf-8')

        while begin<len(sent):

               for end in range(begin+max_len,begin,-1):

                      if sent[begin:end] in word_dict:

                             words.append(sent[begin:end])

                             break

               begin=end

        return words

(3)应用

max_len,word_dict=load_dict('lexcion.txt')   

sent=raw_input('Input a sententce:')     

words =fmm_word_seg(sent,max_len,word_dict)

for word in words:

        print word