03 Python字符串

03 Python 字符串

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。

字符串表示

字符串是以 '' 或 "" 括起来的任意文本，比如 ‘abc’，”xyz” 等等。请注意，’’ 或 “” 本身只是一种表示方式，不是字符串的一部分，因此，字符串 ‘abc’ 只有 a，b，c 这 3 个字符。

普通字符串 '' 或 ""

• '' 或者 "" 表示
• 字符串包含 ' 或 " 用 \ 转义

转义符 \

在字符串中使用\（反斜杠）来表示转义，也就是说\后面的字符不再是它原来的意义。

• \n 不是代表反斜杠和字符 n，而是表示换行；
• \t 也不是代表反斜杠和字符 t，而是表示制表符
• 在字符串中表示 ' 要写成 \'，同理想表示 \ 要写成 \\
• 在\后面还可以跟一个八进制或者十六进制数来表示字符：\141 和 \x61 都代表小写字母 a
• 也可以在\后面跟 Unicode 字符编码来表示字符

s1 = '\141\142\143\x61\x62\x63'
s2 = '\u9a81\u660b'
print(s1, s2) # abcabc 骁昋

• 如果不希望字符串中的\表示转义，我们可以通过在字符串的最前面加上字母 r 来加以说明

s1 = r'\'hello, world!\''
s2 = r'\n\\hello, world!\\\n'
print(s1, s2, end='') # 原本输出\

raw 字符串 r''

如果一个字符串包含很多需要转义的字符，对每一个字符都进行转义会很麻烦。为了避免这种情况，我们可以在字符串前面加个前缀 r ，表示这是一个 raw 字符串，里面的字符就不需要转义了

print r'\(~_~)/ \(~_~)/'

r'xxx'，表示法不能表示多行字符串。

多行字符串 ''' ''' 或 """ """

用 '''xxx'''，里面可以包含 ' 和 "

'''Line 1
Line 2
Line 3'''

还可以在多行字符串前面添加 r，把这个多行字符串也变成一个 raw 字符串：

print r'''Python is created by "Guido".
It is free and easy to learn.
Let's start learn Python in imooc!'''

Python 中 Unicode 字符串

背景计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用 8 个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是 255（二进制 11111111=十进制 255），0 - 255 被用来表示大小写英文字母、数字和一些符号，这个编码表被称为 ASCII 编码，比如大写字母 A 的编码是 65，小写字母 z 的编码是 122。 如果要表示中文，显然一个字节是不够的，至少需要两个字节，而且还不能和 ASCII 编码冲突，所以，中国制定了 GB2312 编码，用来把中文编进去。 类似的，日文和韩文等其他语言也有这个问题。为了统一所有文字的编码，Unicode 应运而生。Unicode 把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode 通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为 0 就可以。
因为 Python 的诞生比 Unicode 标准发布的时间还要早，所以最早的 Python 只支持 ASCII 编码，普通的字符串 ABC 在 Python 内部都是 ASCII 编码的。
Python 在后来添加了对 Unicode 的支持，以 Unicode 表示的字符串用 u'…' 表示

print(u'中文\'')
# 中文'

多行：

print u'''第一行
... 第二行'''

raw+ 多行：

print ur'''Python的Unicode字符串支持"中文",
... "日文",
... "韩文"等多种语言'''

py 源码中有中文

如果中文字符串在 Python 环境下遇到 UnicodeDecodeError，这是因为.py 文件保存的编码格式有问题。
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。

申明了 UTF-8 编码并不意味着你的.py 文件就是 UTF-8 编码的，必须并且要确保文本编辑器正在使用 UTF-8 without BOM 编码：

如果.py 文件本身使用 UTF-8 编码保存，并且也申明了 # -*- coding: utf-8 -*-，打开命令提示符测试就可以正常显示中文：

格式化

%

% 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：

占位符	替换内容
%d	整数
%f	浮点数
%s	字符串
%x	十六进制整数

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：

print('[%2d, %03d]' % (3, 1))  
# 第1个数字保留2位，第2个数字保留3位，不足3位用0补上：[ 3, 001]

print('[%.2f]' % 3.1415926)  
# 小数点后保留2位：[3.14]

%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'

format()

字符串的 format() 方法，它会用传入的参数依次替换字符串内的占位符 {0}、{1}……，不过这种方式写起来比% 要麻烦得多

print('Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)) 
# Hello, 小明, 成绩提升了 17.1%

f-string

Python 3.6 以后，格式化字符串还有更为简洁的书写方式，就是在字符串前加上字母 f；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

{r}被变量 r 的值替换，{s:.2f}被变量 s 的值替换，并且: 后面的.2f 指定了格式化参数（即保留两位小数），因此，{s:.2f}的替换结果是 19.62。

字符串操作

运算符

• + 运算符来实现字符串的拼接
• * 运算符来重复一个字符串的内容
• 使用 in 和 not in 来判断一个字符串是否包含另外一个字符串（成员运算）
• 可以用 [] 和 [:] 运算符从字符串取出某个字符或某些字符（切片运算）

s1 = 'hello ' * 3
print(s1) # hello hello hello 
s2 = 'world'
s1 += s2
print(s1) # hello hello hello world
print('ll' in s1) # True
print('good' in s1) # False
str2 = 'abc123456'
# 从字符串中取出指定位置的字符(下标运算)
print(str2[2]) # c
# 字符串切片(从指定的开始索引到指定的结束索引)
print(str2[2:5]) # c12
print(str2[2:]) # c123456
print(str2[2::2]) # c246
print(str2[::2]) # ac246
print(str2[::-1]) # 654321cba
print(str2[-3:-1]) # 45

字符串方法

• len(str) 字符串长度
• 
  

str1 = 'hello, world!'

# 通过内置函数len计算字符串的长度
print(len(str1)) # 13

# 获得字符串首字母大写的拷贝
print(str1.capitalize()) # Hello, world!

# 获得字符串每个单词首字母大写的拷贝
print(str1.title()) # Hello, World!

# 获得字符串变大写后的拷贝
print(str1.upper()) # HELLO, WORLD!

# 从字符串中查找子串所在位置
print(str1.find('or')) # 8
print(str1.find('shit')) # -1
# 与find类似但找不到子串时会引发异常
# print(str1.index('or'))
# print(str1.index('shit'))

# 检查字符串是否以指定的字符串开头
print(str1.startswith('He')) # False
print(str1.startswith('hel')) # True
# 检查字符串是否以指定的字符串结尾
print(str1.endswith('!')) # True

# 将字符串以指定的宽度居中并在两侧填充指定的字符
print(str1.center(50, '*'))
# 将字符串以指定的宽度靠右放置左侧填充指定的字符
print(str1.rjust(50, ' '))

str2 = 'abc123456'
# 检查字符串是否由数字构成
print(str2.isdigit())  # False
# 检查字符串是否以字母构成
print(str2.isalpha())  # False
# 检查字符串是否以数字和字母构成
print(str2.isalnum())  # True

str3 = '  hacket@gmail.com '
print(str3)
# 获得字符串修剪左右两侧空格之后的拷贝
print(str3.strip())