前言

最近在學習深度學習，已經跑出了幾個模型，但Pyhton的基礎不夠扎實，因此，開始補習Python了，大家都推薦廖雪峰的課程，因此，開始了學習，但光學有沒有用，還要和大家討論一下，因此，寫下這些帖子，廖雪峰的課程連接在這里：廖雪峰
Python的相關介紹，以及它的歷史故事和運行機制，可以參見這篇：python介紹
Python的安裝可以參見這篇：Python安裝
Python的運行模式以及輸入輸出可以參見這篇：Python IO
Python的基礎概念介紹，可以參見這篇：Python 基礎
目錄：

• 前言
  • 字符編碼
  • 字符串
  • 格式化

字符編碼

在前面的章節已經和大家科普了字符串也是一種數據結構的一種，但是，字符串實現的時候時還有編碼問題。
因為計算機只能處理數字，本質上計算機內部存儲的只有一堆的‘0,1’，如果要處理文本，就必須先把文本轉換為數字才能處理。最早的計算機在數據存儲的時候，在設計時采用8個比特（bit）作為一個字節（byte），所以，一個字節能表示的最大的整數就是255（二進制11111111=十進制255），如果要表示更大的整數，就必須用更多的字節。比如兩個字節可以表示的最大整數是65535，4個字節可以表示的最大整數是4294967295。
由于計算機是美國人發明的，因此，最早只有127個字符被編碼到計算機里，也就是大小寫英文字母、數字和一些制表符號，這個編碼表被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母a的編碼是97。
但是要處理中文顯然一個字節是不夠的，至少需要兩個字節，而且還不能和ASCII編碼沖突，所以，中國制定了GB2312編碼，用來表示中文。
你可以想得到的是，全世界有上百種語言，日本把日文編到Shift_JIS里，各國有各國的標準，就會不可避免地出現沖突，結果就是，在多語言混合的文本中，顯示出來會有亂碼。

因此，統一設計了Unicode。Unicode把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。
Unicode標準也在不斷發展，但最常用的是用兩個字節表示一個字符（如果要用到非常偏僻的字符，就需要4個字節）。現代操作系統和大多數編程語言都直接支持Unicode。
現在，捋一捋ASCII編碼和Unicode編碼的區別：ASCII編碼是1個字節，而Unicode編碼通常是2個字節。
字母A用ASCII編碼是十進制的65，二進制的01000001；
字符0用ASCII編碼是十進制的48，二進制的00110000，注意字符’0’和整數0是不同的；
漢字中已經超出了ASCII編碼的范圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。
你可以猜想，為了方便設計，如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001。
新的問題又出現了：如果統一成Unicode編碼，亂碼問題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。
所以，本著節約的精神，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省大量的空間，而且UTf-8向下兼容ASCII碼，可以直接使用之前的程序。
很多網站服務器也使用的UTF-8編碼。
所以你看到很多網頁的源碼上會有類似的信息，表示該網頁正是用的UTF-8編碼。

字符串

搞清楚了令人頭疼的字符編碼問題后，我們再來研究Python的字符串。
在最新的Python 3版本中，字符串是以Unicode編碼的，也就是說，Python的字符串支持多語言，例如：

> print('包含中文的str') 包含中文的str

對于單個字符的編碼，Python提供了ord()函數獲取字符的整數表示，chr()函數把編碼轉換為對應的字符：

>>> ord('A') 65 >>> ord('中') 20013 >>> chr(66) 'B' >>> chr(25991) '文'

如果知道字符的整數編碼，還可以用十六進制這么寫str：

>>> '\u4e2d\u6587' '中文'

兩種寫法都可以事項相應的字符輸出，具體看你喜歡哪種實現方式咯。
Python也可以實現精簡傳輸與存儲。
由于Python的字符串類型是str，在內存中以Unicode表示，一個字符對應若干個字節。如果要在網絡上傳輸，或者保存到磁盤上，就需要把str變為以字節為單位的bytes。
Python對bytes類型的數據用帶b前綴的單引號或雙引號表示：
x = b’ABC’
要注意區分’ABC’和b’ABC’，前者是str，后者雖然內容顯示得和前者一樣，但bytes的每個字符都只占用一個字節。
以Unicode表示的str通過encode()方法可以編碼為指定的bytes，例如：

>>> 'ABC'.encode('ascii') b'ABC' >>> '數字'.encode('utf-8') b'\xe6\x95\xb0\xe5\xad\x97' >>> '數字'.encode('ascii') Traceback (most recent call last):File "<pyshell#19>", line 1, in <module>'數字'.encode('ascii') UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

純英文的str可以用ASCII編碼為bytes，內容是一樣的，含有中文的str可以用UTF-8編碼為bytes。含有中文的str無法用ASCII編碼，因為中文編碼的范圍超過了ASCII編碼的范圍，Python會報錯。
在bytes中，無法顯示為ASCII字符的字節，用\x##顯示。
反過來，如果我們從網絡或磁盤上讀取了字節流，那么讀到的數據就是bytes。要把bytes變為str，就需要用decode()方法：

>>> >x=b'abc'b'abc' >x.decode('ascii') 'abc' >>> b'\xe6\x95\xb0\xe5\xad\x97'.decode('utf-8') '數字'

如果bytes中包含無法解碼的字節，decode()方法會報錯：

Traceback (most recent call last):File "<pyshell#21>", line 1, in <module>b'\xe6\x95\xb0\xe5\xad\x97'.decode('ascii') UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 0: ordinal not in range(128)

如果bytes中只有一小部分無效的字節，可以傳入errors=’ignore’忽略錯誤的字節：

>>> b'\xe6\x95\xb0\xe5\xad\x97'.decode('ascii',errors='ignore') ''

要計算str包含多少個字符，可以用len()函數：

>>> len('ABC') 3 >>> len('數字') 2

len()函數計算的是str的字符數，如果換成bytes，len()函數就計算字節數：

>>> len(b'ABC') 3 >>> len(b'\xe4\xb8\xad\xe6\x96\x87') 6 >>> len('數字'.encode('utf-8')) 6

可見，1個中文字符經過UTF-8編碼后通常會占用3個字節，而1個英文字符只占用1個字節。
在操作字符串時，我們經常遇到str和bytes的互相轉換。為了避免亂碼問題，應當始終堅持使用UTF-8編碼對str和bytes進行轉換。
由于Python源代碼也是一個文本文件，所以，當你的源代碼中包含中文的時候，在保存源代碼時，就需要務必指定保存為UTF-8編碼。當Python解釋器讀取源代碼時，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行：

# -*- coding: utf-8 -*-

注釋是為了告訴Python解釋器，按照UTF-8編碼讀取源代碼，否則，你在源代碼中寫的中文輸出可能會有亂碼。

格式化

最后一個常見的問題是如何輸出格式化的字符串。我們經常會輸出類似
‘最親愛的xxx你好！你xx月的話費是xx，余額是xx’
之類的字符串，而xxx的內容都是根據變量變化的，如果全部都是手打的話，重復工作量太高，
，所以，需要一種簡便的格式化字符串的方式。

在Python中，采用的格式化方式和C語言是一致的，用%實現，舉例如下：

>>> 'Hello %s' % 'world' 'Hello world' >>> 'Hello, %s, you have $%d dollasrs.' % ('Mike', 1000000) 'Hello, Mike, you have $1000000 dollars.'

你可能聯想到了，%運算符就是用來格式化字符串的。在字符串內部，%s表示用字符串替換，%d表示用整數替換，有幾個%占位符，后面就跟幾個變量或者值，順序要對應好。如果只有一個%，括號可以省略。

常見的占位符有：

占位符替換內容

%d	整數
%f	浮點數
%s	字符串
%x	十六進制整數

其中，格式化整數和浮點數還可以指定是否補0和整數與小數的位數：

print('%2d-%02d' % (3, 1)) print('%.2f' % 3.1415926)

方法2 format（）
另一種格式化字符串的方法是使用字符串的format()方法，它會用傳入的參數依次替換字符串內的占位符{0}、{1}……，不過這種方式寫起來比%要麻煩得多，當然這種方法也更方便別人閱讀：

‘Hello, {0}, 成績提升了 {1:.1f}%’.format(‘小星’, 17.125)
注意一下{1:.1f}‘：’后面定義了輸出格式。

總結

以上是生活随笔為你收集整理的Python学习笔记：字符串和编码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。