#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*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