#10 Python字符串

前言

通过上一节可知，Python6个序列的内置类型中，最常见的是列表和元组,但在Python中，最常用的数据类型却不是列表和元组，而是字符串。要想深入了解字符串，必须先掌握字符编码问题。因此本篇博文将讲解Python字符编码问题和Python字符串的具体方法！

一、Python字符编码

前提：计算机只认识两个数字：0和1，计算机在处理任何数据时，都要将数据转换为这两个数字的组合。

1.计算机的单位制

计算机在设计时，最小单位是 位（bit） ，位里面只能有两种情况，0或者1。位太过单调，只有两种情况，显然无法处理数据，所以引入 字节（byte） ，1字节=8位（1B = 8b），也就是说计算机一次能处理8位数据，早期的计算机都是8位的，现在的计算机有32位的，有64位的，显然现在的计算机相比以前运算能力大大提高。1字节能表示的最大整数为255（二进制1111 1111 = 十进制255）。对于存储介质来说，1个字节存储能力显然太弱，于是就有了KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB.....的出现：

1TB=1024GB     1GB=1024MB    1MB=1024KB    1KB=1024B    1B=8b

2.ASC码

由于计算机无法识别人类使用的语言，所以聪明的人类创造了一种映射关系，即让某一个数字映射到人类语言的某一个字符，比如：1---> A，这样计算机就可以识别人类语言了。因为第一台计算机是在美国诞生的，最早美国人只将常用的符号、大写英文和小写英文共127个字符编码映射到计算机中，这个编码表就是著名的ASC编码表，这个ASC码表最多只有8位，也就是说最多只能表示255个字符。

3.GB2312

后来计算机推向全球，中国人也要使用，但是早期的电脑里只有ASC码，中国人肯定不乐意啊，我大中华几千年的优秀文化，最牛的就是汉字了！然而汉字有好多啊，可不止255个，就算把ASC码表重新编一次，也不够用啊，再说，ASC码表谁也不能重新编人家，那怎么办呢？聪明的中国程序员对汉字进行了分区，分为94个区，每个区里有94个汉字。查找汉字时，找到它所在的区，再找到它所在区的哪个位置，就对一个汉字精确定位了，所以GB2312又称为区位码。GB2312中共收录6763个汉字，其中一级汉字3755个，二级汉字3008个，同时收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个字符。

4.GBK

后来，中国人又出现了新问题，GB2312支持的汉字太少了，随着国人人取名字越来越奇葩(￣_￣|||)，GB23132根本就无法处理，于是GBK就应运而生了。GBK支持的字符那是相当的多，现在中国计算机使用的依旧是GBK，不信你可以验证一下，再Windows下的命令行里输入 chcp ，应该会显示Active code page：936 ，这个936就代表GBk。

5.Unicode

随着计算机在各国的普及，每个国家都有自己独特的编码方式，就出现了新的问题，日本人开发的软件在中国的计算机上运行的时候，会出现乱码，这样就会造成沟通障碍，为了解决类似问题，国际上的计算机头头组织决定让全世界的编码统一，于是Unicode就出现了，Unicode规定每个字符最少用16位表示。成功统一的编码，这就时Unicode。

6.UTF-8

Unicode的出现，几家欢喜几家愁啊，中国人觉得海星，美国人不乐意了，原来我的所有字符都是用8位（1字节）表示，现在莫名其妙就要用16位（2字节）表示，本来1GB的文件，现在变成2GB了，搁谁也受不了啊！那怎么办呢？于是UTF-8便出现了，UTF-8是对Unicode的压缩和优化，UTF-8不再规定必须最少用2个字节了，而是将字符进行分类：ASC码中的字符还是 1字节，欧洲使用2字节，东亚使用3字节。Perfect~~

7.Python3字符编码

在Python3中，默认的字符编码是Unicode。

二、Python字符串

介绍完了字符编码的知识就该进入正题了，字符串作为Python最常用的数据类型，那一定有它独特的魅力，盘它！

先来看看字符串的具体方法：

In [1]: dir(str)
Out[1]:
['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

从上面可以看到，字符串的方法那是超级多啊⊙﹏⊙∥

注意：字符串同元组一样，其内部元素不可以被修改

1.初始化字符串

In [2]: name = 'MinuteSheep'               # 单引号

In [3]: gender = 'M'                       # 一个字符也是字符串

In [4]: introduction = "I'm MinuteSheep"   # 双引号

In [5]: info = '''                         # 三引号
   ...: i am,
   ...: the,
   ...: best man
   ...: '''

# 前面已经说过他们的区别与用法，这里就不再重复了

2.字符串索引

通过索引访问字符串元素：同列表用法一样

In [19]: name = 'MinuteSheep'

In [20]: name[0]                   # 同列表用法一样
Out[20]: 'M'

In [21]: name[5]
Out[21]: 'e'

In [22]: name[-1]
Out[22]: 'p'

In [23]: name[-6]
Out[23]: 'e'

通过元素获取索引：有两种方法：str.index()  ,   str.find()

In [24]: name = 'MinuteSheep'

In [25]: name.index('S')           # 查找一个字符在字符串中的索引
Out[25]: 6

In [26]: name.index('te')          # 查找子字符串在字符串中的索引，如果有多个子字符串，则返回第一个的索引
Out[26]: 4

In [31]: name.index('te',3,9)      # 可以指定查找范围：第3个字符到第9个字符
Out[31]: 4

In [27]: name.index('Sp')          # 当查找的字符或字符串不存在时，抛出没找到的异常
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-27-1d8e59855f71> in <module>
----> 1 name.index('Sp')

ValueError: substring not found

In [28]: name.find('S')            # 用法和str.index()类似
Out[28]: 6

In [29]: name.find('te')           # 用法和str.index()类似
Out[29]: 4

In [32]: name.find('te',3,9)       # 用法和str.index()类似
Out[32]: 4 

In [30]: name.find('Sp')           # 当查找的字符或字符串不存在时，返回-1，就这点不一样
Out[30]: -1

3.字符串切片

使用方法同列表一样

In [34]: name = 'MinuteSheep'

In [35]: name[:]                  # 使用方法同列表一样
Out[35]: 'MinuteSheep'

In [36]: name[:4]
Out[36]: 'Minu'

In [37]: name[5:-1]
Out[37]: 'eShee'

In [38]: name[3:9:2]
Out[38]: 'ueh'

4.字符串组合

字符串相加：直接用 + 号将两个字符串加起来，效果如下：

In [40]: name1 = 'MinuteSheep'

In [41]: name2 = 'Heenoor'

In [42]: name1 + name2
Out[42]: 'MinuteSheepHeenoor'

字符串拼接：

In [51]: '-'.join('MinuteSheep')                # 将字符串的每个字符用 - 拼接起来
Out[51]: 'M-i-n-u-t-e-S-h-e-e-p'

In [53]: '-'.join(['MinuteSheep','Heenoor'])    # 将列表的每个元素用 - 拼接起来
Out[53]: 'MinuteSheep-Heenoor'

In [55]: '-'.join({'a':3,'b':5})                # 将字典的key值用 - 拼接起来
Out[55]: 'a-b'

字符串居中：

In [56]: name = 'MinuteSheep'

In [58]: name.center(20,'*')     # 使用str.center(数量,符号)方法将字符串居中
Out[58]: '****MinuteSheep*****'

字符串乘法：同列表一样

In [60]: 'MinuteSheep' * 5
Out[60]: 'MinuteSheepMinuteSheepMinuteSheepMinuteSheepMinuteSheep'

5.字符串统计

统计字符串长度：使用len()查看：

In [61]: name
Out[61]: 'MinuteSheep'

In [62]: len(name)
Out[62]: 11

统计指定字符出现次数：使用str.count()方法：

In [61]: name
Out[61]: 'MinuteSheep'

In [63]: name.count('e')
Out[63]: 3

6.字符串转义

在Python中，有些字符被转义了，通常字符前面有 \ 代表转义字符，比如 '\n' 代表换行符，其他的转义字符见下表：

\(在行尾时)                # 续行符
\\                        # 反斜杠符号
\'                        # 单引号
\"                        # 双引号
\a                        # 响铃
\b                        # 退格(Backspace)
\e                        # 转义
\000                      # 空
\n                        # 换行
\v                        # 纵向制表符
\t                        # 横向制表符
\r                        # 回车
\f                        # 换页
\oyy                      # 八进制数，yy代表的字符，例如：\o12代表换行
\xyy                      # 十六进制数，yy代表的字符，例如：\x0a代表换行
\other                    # 其它的字符以普通格式输出

如果字符串需要这些字符又该怎么办呢，比如  s = '\n' ,运行代码后Python就会将 \n 识别为换行，如果字符串需要出现 \n，那就再转义即可，如 s = '\\n' 

In [73]: s = '\n'

In [74]: s
Out[74]: '\n'

In [75]: print(s)



In [76]: s = '\\n'

In [77]: print(s)
\n

但如果一个字符串中转义符过多的话，想要同时让这些转义符出现再字符串中，那岂不是要一个一个再转义，其实，Python中有一个简单的方法，那就是再创建的字符串前面加一个 r 或者 R ，例如：

In [78]: s = r'\n'

In [79]: print(s)
\n

In [80]: s = R'\n'

In [81]: print(s)
\n

7.字符串格式化

字符串的格式化可以说是一种动态编程，相当于创建一个模板，填写内容即可，例如：你好，我叫XXX，我今年XXX岁了，我的电话号码是XXX。盘它！

使用 % ：

In [82]: name = 'MinuteSheep'

In [83]: 'Hello, I am %s' % name    # 只有一个%时，可以不加括号
Out[83]: 'Hello, I am MinuteSheep'

In [84]: name2 = 'Heenoor'

In [86]: 'Hi, i am %s, I am the friend of %s' % (name2, name)   # 大于一个%时，必须加括号
Out[86]: 'Hi, i am Heenoor, I am the friend of MinuteSheep'

以上代码就做到了一个动态编程，用%s占位，之后用其他内容替换它。

其实，在Python中，%s属于字符串占位符，还有其他的占位符：

%c     # 格式化字符及其ASCII码
%s     # 格式化字符串，最常用
%d     # 格式化整数，比较常用
%u     # 格式化无符号整型
%o     # 格式化无符号八进制数
%x     # 格式化无符号十六进制数
%X     # 格式化无符号十六进制数（大写）
%f     # 格式化浮点数字，可指定小数点后的精度，比较常用
%e     # 用科学计数法格式化浮点数
%E     # 作用同%e，用科学计数法格式化浮点数
%g     # %f和%e的简写
%G     # %f 和 %E 的简写
%p     # 用十六进制数格式化变量的地址

其中，%d 和 %f 可以指定整数与小数的位数：

In [87]: '%2d' % 345
Out[87]: '345'

In [88]: '%5d' % 345
Out[88]: '  345'

In [89]: '%.2f' % 3.4567
Out[89]: '3.46'

In [90]: '%5.2f' % 345.5678
Out[90]: '345.57'

使用 format ：

Python中还有另外一种字符串格式化方法 format，这也是Python官方建议的方式

In [92]: 'I am {0} you are {1} he is {2}'.format('A','B','C')
Out[92]: 'I am A you are B he is C'

In [93]: 'I am {0} you are {0} he is {2}'.format('A','B','C')
Out[93]: 'I am A you are A he is C'

In [94]: 'I am {2} you are {0} he is {1}'.format('A','B','C')
Out[94]: 'I am C you are A he is B'

In [96]: 'I am {name1} you are {name2} he is {name3}'.format(name1='A',name2='B',name3='C')
Out[96]: 'I am A you are B he is C'

In [97]: 'I am {name1} you are {name2} he is {name3}'.format(name3='A',name2='B',name1='C')
Out[97]: 'I am C you are B he is A'

# 懂了哇，弟弟们

8.字符串编码转换

上面说了一长串的编码，到这里来实际操作一下

使用  str.encode(编码方式)  进行编码：

In [98]: name_unicode = '小绵羊'

In [99]: name_utf8 = name_unicode.encode('utf8')    # 将unicode编码为utf8，默认为utf8，可以省略不写

In [100]: name_gbk = name_unicode.encode('gbk')     # 将unicode编码为gbk

In [101]: name_unicode
Out[101]: '小绵羊'

In [102]: name_utf8                                 # 可以看到明显和gbk的编码方式不一样
Out[102]: b'\xe5\xb0\x8f\xe7\xbb\xb5\xe7\xbe\x8a'

In [103]: name_gbk
Out[103]: b'\xd0\xa1\xc3\xe0\xd1\xf2'

使用 bytes.decode(当前字符串编码) 解码成 unicode：

In [105]: name_utf8.decode('utf8')    # 将utf8解码为unicode，括号里默认为utf8，可以省略不写
Out[105]: '小绵羊'

In [106]: name_gbk.decode('gbk')      # 将gbk解码为unicode
Out[106]: '小绵羊'

9.字符串判断方法集合

如果仔细去看字符串的方法，发现有好多is开头的方法，这些方法其实都是判断方法，一起来看看哇：

In [107]: name = 'MinuteSheep'

In [108]: name.isalnum()     # 如果 string 至少有一个字符并且所有字符都是字母或数字则返回 True,否则返回 False
Out[108]: True

In [109]: name.isalpha()     # 如果 string 至少有一个字符并且所有字符都是字母则返回 True,否则返回 False
Out[109]: True

In [110]: name.isdecimal()   # 如果 string 只包含十进制数字则返回 True 否则返回 False.
Out[110]: False

In [111]: name.isdigit()     # 如果 string 只包含数字则返回 True 否则返回 False.
Out[111]: False

In [112]: name.islower()     # 如果 string 中包含至少一个区分大小写的字符，并且所有这些(区分大小写的)字符都是小写，则返回 True，否则返回 False
Out[112]: False

In [113]: name.isnumeric()   # 如果 string 中只包含数字字符，则返回 True，否则返回 False
Out[113]: False

In [114]: name.isspace()     # 如果 string 中只包含空格，则返回 True，否则返回 False.
Out[114]: False

In [115]: name.istitle()     # 如果 string 是标题化的(见 title())则返回 True，否则返回 False
Out[115]: False

In [116]: name.isupper()     # 如果 string 中包含至少一个区分大小写的字符，并且所有这些(区分大小写的)字符都是大写，则返回 True，否则返回 False
Out[116]: False

还有两个很重要的判断方法：

In [117]: name
Out[117]: 'MinuteSheep'

In [119]: name.startswith('mi')   # 判断开头，区分大小写
Out[119]: False

In [120]: name.startswith('Mi')
Out[120]: True

In [122]: name.endswith('ep')     # 判断结尾，区分大小写
Out[122]: True

10.字符串其他方法

In [123]: name = 'minutesheep'

In [124]: name.capitalize()         # 把字符串的第一个字符大写
Out[124]: 'Minutesheep'

In [129]: name = 'MinuteSheep'

In [130]: name.ljust(20)            # 返回一个原字符串左对齐,并使用空格填充至长度20的新字符串
Out[130]: 'MinuteSheep         '

In [132]: name.rjust(20)            # 返回一个原字符串右对齐,并使用空格填充至长度20的新字符串
Out[132]: '         MinuteSheep'

In [133]: name.lower()              # 转换 string 中所有大写字符为小写.
Out[133]: 'minutesheep'

In [134]: name = '     MinuteSheep     '

In [135]: name.strip()              # 截掉 string 两边边的空格
Out[135]: 'MinuteSheep'

In [136]: name.lstrip()             # 截掉 string 左边的空格
Out[136]: 'MinuteSheep     '

In [137]: name.rstrip()             # 截掉 string 右边的空格
Out[137]: '     MinuteSheep'

In [138]: max(name)                 # 返回字符串 str 中最大的字母。
Out[138]: 'u'

In [139]: min(name)                 # 返回字符串 str 中最小的字母。
Out[139]: ' '

In [140]: name.replace(' ','-')     # 把 string 中的 str1 替换成 str2,如果 num 指定，则替换不超过 num 次.
Out[140]: '-----MinuteSheep-----'

In [141]: name.replace(' ','-',3)
Out[141]: '---  MinuteSheep     '

In [142]: name = 'i am minutesheep' 

In [143]: name.split(' ')           # 把string按照空格分割，默认为空格
Out[143]: ['i', 'am', 'minutesheep']

In [144]: name.split()
Out[144]: ['i', 'am', 'minutesheep']

In [145]: name.swapcase()           # 翻转 string 中的大小写
Out[145]: 'I AM MINUTESHEEP'

In [146]: name.title()              # 返回"标题化"的 string,就是说所有单词都是以大写开始，其余字母均为小写
Out[146]: 'I Am Minutesheep'

In [147]: name.upper()              # 转换 string 中的小写字母为大写
Out[147]: 'I AM MINUTESHEEP'

至此，Python字符串方法全部记录完，卒