在最新的Python 3版本中,字符串是以Unicode编码的,也就是说,Python的字符串支持多语言。
ord()——获取字符整数表示
>>> ord('A')
65
>>> ord('中')
20013
chr()——编码转换为对应的字符
>>> chr(66)
'B'
>>> chr(25991)
'文'
bytes类型字符串
由于Python的字符串类型是str,在内存中以Unicode表示,一个字符对应若干个字节。如果要在网络上传输,或者保存到磁盘上,就需要把str变为以字节为单位的bytes。
Python对bytes类型的数据用带b前缀的单引号或双引号表示:
x = b'ABC'
要注意区分’ABC’和b’ABC’,前者是str,后者虽然内容显示得和前者一样,但bytes的每个字符都只占用一个字节。
‘str’.encode()——str编码为bytes类型
#用ASCII码将纯英文str编码为bytes类型字符串
>>> 'ABC'.encode('ascii')
b'ABC'
#用UTF-8将中文str编码为bytes类型字符串
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
#含有中文的str无法用ASCII编码,因为中文编码的范围超过了ASCII编码的范围,Python会报错
>>> '中文'.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
‘str’.decode——bytes解码为str类型
如果我们从网络或磁盘上读取了字节流,那么读到的数据就是bytes。要把bytes变为str,就需要用decode()方法:
>>> b'ABC'.decode('ascii')
'ABC'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'
如果bytes中只有一小部分无效的字节,可以传入errors=’ignore’忽略错误的字节:
>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'
len()——计算字符/字节数
#计算str包含多少个字符
>>> len('ABC')
3
>>> len('中文')
2
#计算bytes包含多少个字节
>>> len(b'ABC')
3
>>> len(b'\xe4\xb8\xad\xe6\x96\x87')
6
>>> len('中文'.encode('utf-8'))
6
让源代码按UTF-8编码读取
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。
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。
格式化
%格式化
在Python中,采用的格式化方式和C语言是一致的,用%
实现,举例如下:
#只有一个变量,可以省略%后的括号
>>> 'Hello, %s' % 'world'
'Hello, world'
#有多个变量,要加上括号
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'
f-string格式化
最后一种格式化字符串的方法是使用以f
开头的字符串,称之为f-string
,它和普通字符串不同之处在于,字符串如果包含{xxx}
,就会以对应的变量替换:
>>> r = 2.5
>>> s = 3.14 * r ** 2
>>> print(f'The area of a circle with radius {r} is {s:.2f}')
The area of a circle with radius 2.5 is 19.62