python 字符串&格式化-----廖雪峰教程学习笔记

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：



浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器



所以很多网页的源码上会有类似

<meta
charset="UTF-8" />

的信息，表示该网页正是用的UTF-8编码。

对于单个字符的编码，Python提供了

ord()

函数获取字符的整数表示，

chr()

函数把编码转换为对应的字符：

>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'

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。

以Unicode表示的

str

通过

encode()

方法可以编码为指定的

bytes

，例如：

>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> '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)

纯英文的

str

可以用

ASCII

编码为

bytes

，内容是一样的，含有中文的

str

可以用

UTF-8

编码为

bytes

。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。

要计算

str

包含多少个字符，可以用

len()

函数：

>>> len('ABC')
3
>>> len('中文')
2

len()

函数计算的是

str

的字符数，如果换成

bytes

，

len()

函数就计算字节数：

>>> len(b'ABC')
3
>>> len(b'\xe4\xb8\xad\xe6\x96\x87')
6
>>> len('中文'.encode('utf-8'))
6

可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

格式化

最后一个常见的问题是如何输出格式化的字符串。我们经常会输出类似

'亲爱的xxx你好！你xx月的话费是xx，余额是xx'

之类的字符串，而xxx的内容都是根据变量变化的，所以，需要一种简便的格式化字符串的方式。



，

%

运算符就是用来格式化字符串的。在字符串内部，

%s

表示用字符串替换，

%d

表示用整数替换，有几个

%?

占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个

%?

，括号可以省略。

常见的占位符有：

%d	整数
%f	浮点数
%s	字符串
%x	十六进制整数

其中，格式化整数和浮点数还可以指定是否补0和整数与小数的位数：

>>> '%2d-%02d' % (3, 1)
' 3-01'
>>> '%.2f' % 3.1415926
'3.14'

如果你不太确定应该用什么，

%s

永远起作用，它会把任何数据类型转换为字符串：

>>> 'Age: %s. Gender: %s' % (25, True)
'Age: 25. Gender: True'

有些时候，字符串里面的

%

是一个普通字符怎么办？这个时候就需要转义，用

%%

来表示一个

%

：

>>> 'growth rate: %d %%' % 7
'growth rate: 7 %'