欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

#10 Python字符串

程序员文章站 2022-05-10 12:02:31
本篇博文主要记录Python的字符编码问题,以及Python字符串的详细使用方法 ......

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。

#10   Python字符串

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*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 str.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