字符串(字符序列)和字节序列

• 字符

  • 由于历史原因, 将字符定义为unicode字符还不够准确, 但是未来字符的定义一定是unicode字符

• 字节

  就是字符的二进制表现形式

• 码位

  我们计算机显示的实际上是码位

  >>> '你好'.encode("unicode_escape").decode()
  '\\u4f60\\u597d'
  >>>
  >>> '\u4f60\u597d'
  '你好'

  • UNICODE标准中以4~6个十六进制数字表示

• 编码

  • 字符序列(string) -> 字节序列(bytes) -------------编码(encode)

    >>> "你好".encode("utf-8")
    b'\xe4\xbd\xa0\xe5\xa5\xbd'

  • 字节序列(bytes) -> 字符序列(string) -------------解码(decode)

    >>> b
    b'\xe4\xbd\xa0\xe5\xa5\xbd'
    >>> b.decode("utf")
    '你好'

• 编码错误

  • 乱码和混合编码

    • 检查编码

      没有办法通过字节序列来得出编码格式, 都是统计学来预估当前的编码

      # 安装chardet
      pip install chardet
      
      # 导入charet
      >>> import chardet
      >>> chardet.detect(b)

    • 解决乱码和混合编码

      • 忽略错误编码

        >>> b_2.decode("utf-8", errors='ignore')
        '你好'

      • 利用鬼符来替换

        >>> b_2.decode("utf-8", errors='replace')
        '你好��'

字符串的CRUD操作

通过dir("")可以查看当前字符串的操作方法

• Create(创建)

  • +

    >>> a = "a"
    >>> id(a)
    22951584
    >>> a = a + "b"
    >>> id(a)
    60513280
    >>> a
    'ab'

  • +=

    a += "b"  就是 a = a + "b" 省略写法 

• Retrieve(检索)

  • 根据索引获取字符

    在计算机语言当中, 索引值是从0开始数的

    >>> a = "hello, world"
    >>> a[1]
    'e'

  • find和index(获取目标字符的索引值)

    >>> a.find("e")
    1
    >>> a.find("!")
    -1
    
    # 找不到目标字符时, index会报错
    >>> a.index("!")
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    ValueError: substring not found

  • startwith和endwith

    >>> f = "2020-11-22-xxxxx"
    >>> f.startswith("2020-11-22")
    True
    >>> f = "xxxxx.jpg"
    >>> f.endswith("jpg")
    True

• UPDATE(更新)

  • replace(替换)

    返回的是一个新的字符串

    a.replace("wer", "wor")

  • split(分割)

    >>> a = "<<python>>, <<java>>, <<c++>>"
    >>> a.split(",")
    ['<<python>>', ' <<java>>', ' <<c++>>']

  • join(拼接)

    >>> b
    ['<<python>>', ' <<java>>', ' <<c++>>']
    >>> ",".join(b)
    '<<python>>, <<java>>, <<c++>>'

• DELETE(删除)

  • strip

    >>> a
    '          hello, world          '
    >>> a.strip()
    'hello, world'
    >>>
    

  • lstrip
  • rstrip

字符串的输出和输入

• 保存到文件

  # open函数打开一个文件, 没有文件会新建, 但是路劲不对会报错
  # 指定文件名, 方法(读, 写, 追加), 编码格式
  output = open("output.txt", "w", encoding="utf-8")
  content = "hello, world"
  # 正式写入文件
  output.write(content)
  # 关闭文件句柄
  output.close()

• 读取文件

  input = open("output.txt", "r", encoding="utf-8")
  # 获取文件中的内容
  content = input.read()
  print(content)
  
  # 暂时理解为只能读取一遍
  content_2 = input.read()
  print(content_2)

• 追加文件

  output = open("output.txt", "a", encoding="utf-8")
  content = "\nhello, world"
  # 正式写入文件
  output.write(content)
  # 关闭文件句柄
  output.close()

字符串的格式化输出

• format

  • 按传入参数默认顺序

    a = "ping"
    b = "pong"
    
    "play pingpong: {}, {}".format(a, b)

  • 按指定参数索引

    a = "ping"
    b = "pong"
    
    "play pingpong: {0}, {1}, {0}, {1}".format(a, b)

  • 按关键词参数

    a = "ping"
    b = "pong"
    
    print("play pingpong: {a}, {b}, {a}, {b}".format(a='ping', b='pong'))

  • 按变量(推荐, 但是只有3.6以上才可以使用)

    a = "ping"
    b = "pong"
    
    print(f"playing pingpong: {a}, {b}")

  • 小数的表示

    >>> "{:.2f}".format(3.14159)
    '3.14'
    >>>

• %

  >>> "playing %s %s" % ("ping", "pong")
  'playing ping pong'