六、Python-字符串编码

 

最早的编码为ASCII码（包含0-9、A-Z、a-z、符号(空格、制表符等)），最多支持256个符号（每个符号占1字节）

GBK/GB2312：我国制定的中文编码标准，一个字节表示因为字母，两个字节表示中文字符

UTF-8编码：国际通用编码，一个字节表示英文字符，三个字节表示中文

Python中常用字符串类型：

str：使用Unicode字符（一个字符代表若干个字节）

eg：“拼搏到感动自己”

bytes：二进制数据，是带有b成对的字符串（用“”或‘’表示）

eg：b'\xd2\xb0'和b'mr'

str和bytes不能拼接在一起使用，str要存放在磁盘或者在网络上传输，需要把str转换层bytes

使用encode()方法转换层bytes

一、字符串编码转换：str.encode([endoding="utf-8"][,errors= "strict"])

• str：字符串名
• endoding="utf-8"(可选参数)：指定编码时使用的编码
• 默认使用utf-8，当只有这一个参数时，可以省略的携程utf-8）
• 如果要设置问简体中文，可设置为GB2312
• errors= "strict"(可选参数)：指定错误处理方式
• strict：遇到异常立即抛出错误（默认值）
• ignore：忽略非法字符
• replace：用？替换异常错误
• xmlcharrefreplace：使用xml字符的引用

eg：str1 = "野渡无人舟自横"

byte = str1.encode("utf-8")

byte1 = str1.encode("GBK")

print(str1)

print(byte)

二、使用decode()方法解码：str.decode([encoding="utf-8"][,errors="strict"])

可选同encode一样

news = byte.decode("utf-8")

解码时的，指定编码时需要和转码时指定的编码方式需要一致

三、字符串常用操作

单引号、双引号、三引号都是标示字符串的（单引号和双引号必须写在一行上，三引号可以写在多行上）

• 拼接字符串：序列相加，把多个字符串相加，拼成一个字符串（字符串不允许直接与其他数据类型拼接）

eg：str1 = "我今天一共走了"

num = 17890

str2 = "步"

print(str1 + str(num) + str2)

eg：str1 = "程序员甲：搞IT太辛苦了，我想换行…怎么办？"

str2 = "程序员乙：敲一下回车键"

print(str1 + "\n" + str2)

• 计算字符串的长度：使用len(string) #不管多少个字，都按照一个字符串来计算

• 指一个字符串所占的字节数（英文字母、数字、下划线等占1字节，中文汉字占2-4个字节）
• 不通的编码方式，得出的结果可能会不一样

eg：str1 = "人生苦短，我用Python"

print(len(str1))

print(len(str1.encode())) #计算使用utf-8编码的长度

print(len(str1.encode("gbk")))

四、截取字符串：其实就是切片方法

• 字符串的索引：从左到右依次增加（从0开始）

str2 = str1[2] #获取第二个字符串（获取指定位置的值）

str3 = str1[2:] #获取第二个字符串到末尾的字符串

str4 = str1[:5] #获取左边5个字符串

str5 = str1[2::2] #获取步长为2，开始位置为2的的值

• 获取切片的位置不存在时，抛出一个空值，获取的指定索引值不存在时，或抛出错误代码（可以用try…except捕获错误，后续会讲到）

idcard = "123456199006277890"

birthday = idcard[6:10]+ "年" + idcard[10:12] + "月" + idcard[12:14] + "日"

print("出生日期为：" + birthday + "，生日为：" + birthday[5:])

• 分割字符串：listname = str.split(sep,maxsplit) ---splist方法

listname：返回的值 str：被切分的对象

sep：指定分隔符（可包含多个字符，默认为空白符None（空格、换行、制表符、\t等））

maxsplit：指定分割次数（不指定该参数或者为-1时，则分割次数没有限制；否则返回结果列表的元素个数最多为maxsplit+1；要指定maxsplit必须指定sep）

eg：a = "你 有 多 自信， \n 世界 就有 多 相信你！"

print(a.split())

print(a.split(" "))

print(a.split(" "))

print(a.split(" ",5))

print(a.split("\n"))

eg：a = "@明日科技 @扎克伯格 @俞敏洪 @勤奋的天使"

b = a.split(" ") #空格做分隔符

for i in b:

print(i[1:]) #去掉@符号显示

• 合并字符串：strnew = string.join(iterable) ---join方法

strnew：接收返回的值

string：合并时的分隔符

iterable：可迭代对象（可以是列表，可以是元组）

eg：a = ["明日科技","扎克伯格","俞敏洪","勤奋的天使"]

b = " @".join(a) #用空格和@进行连接

print("@"+b)

五、检索字符串count(),find(),index(),startswith(),endswith()

count()：检测字符串出现的次数：str.count(sub[,start[,end]])

str：表示原字符串

sub：表示要检索的子字符串

start：可选参数，表示检索范围的起始位置（不指定，就从头开始）

end：可选参数，表示检索范围的结束为止（不指定，则到结尾）

eg：a = "@明日科技 @扎克伯格 @俞敏洪 @勤奋的天使"

print(a.count("@"))

find()：str.find(sub[,start[,end]])

方法用于检索是否包含指定的子字符串，检索字符串不存在，则返回-1，否则返回首次出现的索引值

eg：a = "@明日科技 @扎克伯格 @俞敏洪 @勤奋的天使"

print(a.find("@"))

index()：str.index(sub[,start[,end]])

和find方法类似，检索字符串不存在，则返回-1，否则返回首次出现的索引值，只是当index方法检索的字符串不存在时会抛出异常

startswith()：str.startswith(sub[,start[,end]])

用于检索字符串是否以指定字符串开头，如果是这返回True，否则返回False

endswith()：str.endswith(sub[,start[,end]])

用于检索字符串是否以指定字符串结尾，如果是这返回True，否则返回False

六、字母的大小写转换

• lower()：将字符串中全部大写字母转换为小写字母（如无被转换字符，则返回原值，否则返回新值）：str.lower()
• upper()：将字符串的全部小写字母转换为大写字母（如无被转换字符，则返回原值，否则返回新值）：str.upper()

eg：username_1 = '|MingRi|mr|mingrisoft|WGH|MRSoft|' # 假设已经注册的会员名称保存在一个字符串中，以｜进行分隔

username_2 =username_1.lower() # 将会员名称字符串转换为全部小写

regname_1 = input('输入要注册的会员名称：')

regname_2 = '|' + regname_1.lower() + '|' # 将要注册的会员名称也转换为全部小写

if regname_2 in username_2: # 判断输入的会员名称是否存在

print('会员名',regname_1,'已经存在！')

else:

print('会员名',regname_1,'可以注册！')

七、去除字符串中的空格和特殊字符：（特殊字符指：制表符\t，回车符\r、换行符\n等）

strip()：用于去掉字符串左右两侧的空格和和特殊字符串：str.strip([chars])

str：要去除的字符串名

chars：可选参数，用于指定要去除的字符，可以指定多个（不指定时，默认去除空格、制表符、回车符、换行等）

lstript()：用于去掉字符串左侧的空格和特殊字符串：str.lstrip([chars])

rstript()：用于去掉字符串右侧的空格和特殊字符串：str.rstrip([chars])

八、格式化字符串：

格式化字符串的意思是先指定一个模板，在这个模板中预留几个空位，再根据需要填写相应的内容（这些空位需要通过指定的符号标记（也称占位符），而这些符号还不会显示出来）

• 使用%操作符（早期版本）：定义模板：‘%[-][+][0][m][.n]格式化符号'%exp

• -：可选参数，用于指定左对齐，正数前方无符号，负数前面加负号
• +：可选参数，用于指定右对齐，正数前方无符号，负数前面加负号
• 0：可选参数，表示右对齐，正数前方元符号，负数前面加负号，用0填充空白处（一般与m参数一起使用）
• m：可选参数，表示占有宽度
• .n：可选参数，表示小数点后保留的位数
• exp：要转换的项（如果要指定的项有多个，需要以元组的形式指定）
• 格式化符号：主要有s、d、c、e、g、b、o、x、f、 %

eg：template = '编号：%09d\t公司名称：%s \t 官网：http://www.%s.com' #定义模板

item = (7,'百度','baidu') #定义要转换的内容

print(template%item)

常用格式化字符：

s：字符串（采用str()显示） c：单个字符

d或者i：十进制整数 x：十六进制整数

f或F：浮点数 r：字符串（采用repr()表示）

o：八进制整数 e：指数（基底写为e）

E：指数（基底写为E） %：字符%

• 使用format()方法（新版本，常用）：str.format(args)

---str用于指定字符串的显示样式（模板），args用于指定要转换的项（有多项时，用“,”隔开）

创建模板：创建模板时，需要使用{}和：指定占位符，基本语法格式如下：

{[index][:[[fill]align][sign][#][width][.precision][type]]}

• index：可选，指定要设置哥还是的对象在参数列表中的索引位置（从0开始，不指定则根据值得先后顺序自动分配）
• fill：可选，用于指定空白处填充的字符
• align：可选，用于指定对其方式（<表示内容左对齐；>表示内容右对齐；=表示内容右对齐，并将符号放在填充内容的最左侧，且只对数字类型有效；值为^表示内容居中，需要配合width使用）
• sign：可选，用于指定有无符号数（+表示正数加正号，负数加负号；-表示正数不变，负数加负号；值为空格表示正数加空格，负数加负号）
• #：可选参数，对于耳机子、八进制、十六进制，如果加上#号，表示会显示0b/0o/0x前缀，否则不显示
• width：可选，指定所占宽度
• .precision：可选，用于指定保留的小数位数
• type：可选参数，指定要格式化的数据类型

常用格式化字符：

s：对字符串类型格式化 d：十进制整数

c：将十进制整数自动转换为对应的Unicode字符

e或E：转换为科学计数法表示再格式化

g或G：自动在e和f或E或F中切换

b：将十进制整数自动转换为二进制表示再格式化

o：将十进制整数自动转换为八进制表示在格式化

x或X：将是金子整数自动转换成十六进制表示再格式化

f或F：转换为浮点数（默认小数保留6为）再格式化

%：显示百分比（默认显示小数点后六位）

eg：template = '编号：{:0>9s}\t公司名称：{:s} \t官网：http://www.{:s}.com'

context1 = template.format("7","百度","baidu")

print(context1)

eg：import math #导入数学模块

print("以货币形式显示：￥{:,.2f}元".format(1251+3950)) #以货币形式显示

print("{0:.1f}用科学计数法表示：{0:E}".format(12000.1)) #以科学计数法表示

print("π取5位小数：{:.5f}".format(math.pi)) #输出小数点后5位

print("{0:d}的十六进制是：{0:#x}".format(100)) #十六进制显示

print("天才是有{:.0%}的灵感，加上{:.0%}的汗水。".format(0.01,0.99))