记录一下python的数据结构 - string

记录一下python的数据结构 - string

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。
最早的计算机采用8个比特（bit）作为一个字节（byte），一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。
比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

由于计算机是美国人发明的，所以最早只有127个字母被编码到计算机里: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。

所以，中国制定了GB2312编码，用来把中文编进去。

但全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国的标准不可避免地出现了冲突，所以在多语言混合的文本中，显示出来会有乱码。

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标准也在不断发展，但最常用的是用两个字节表示一个字符（非常偏僻的字符，就需要4个字节）。
现代操作系统和大多数编程语言都直接支持Unicode。

ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。
字母A用ASCII编码是十进制的65，二进制的01000001；
如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

尽管统一成Unicode编码，乱码问题从此消失了。但是如果文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

所以，出现了把Unicode编码转化为“可变长编码”的UTF-8编码。
UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节(所以ASCII编码实际上可以被看成是UTF-8编码的一部分)，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。

最后，在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

\>>> ord('A') #字母和对应的数字相互转换
 = 65
\ >>> chr(65)
 = 'A'
\>>> print u'中文'  #以unicode表示的字符用u'..'表示
 = 中文

\>>> u'ABC'.encode('utf-8')#把Unicode编码表示的字符串转换为UTF-8
 = 'ABC'
\>>> 'abc'.decode('utf-8') #把UTF-8编码表示的字符串转换为Unicode字符串
 = u'abc'

#!/usr/bin/env python #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；
# -*- coding: utf-8 -*- #告诉Python解释器，按照UTF-8编码读取源代码

>>> string = "Hello My friend"  
>>> print string[0]  
    = H  
>>> print string[0:5]  
    = Hello  

#字符串包含判断操作符：in，not in  
>>> print 'He' in string  
        = True  
>>> print 'sHe' in string  
    = False  

#后面跟数字表示字符串重复的次数，比如   
print 'hello'*5  
>>> hellohellohellohellohello   

#string模块，还提供了很多方法，如  
S.find(substring, [start [,end]]) #可指范围查找子串，返回索引值，否则返回-1   

S.rfind(substring,[start [,end]]) #反向查找    

S.index(substring,[start [,end]]) #同find，找不到时产生ValueError异常   

S.rindex(substring,[start [,end]])#同上反向查找 

S.count(substring,[start [,end]]) #返回找到子串的个数  

S.lowercase()   

S.capitalize()      #首字母大写   

S.lower()           #转小写   

S.upper()           #转大写   

S.swapcase()        #大小写互换  

S.split(str, ' ')   #将string转list，以空格切分   

S.join(list, ' ')   #将list转string，以空格连接  

#处理字符串的内置函数  
len(str)                #串长度   

cmp("my friend", str)   #字符串比较。第一个大，返回1   

max('abcxyz')           #寻找字符串中最大的字符   

min('abcxyz')           #寻找字符串中最小的字符  

#string的转换  

float(str) #变成浮点数，float("1e-1")  结果为0.1   

int(str)        #变成整型，  int("12")  结果为12   

int(str,base)   #变成base进制整型数，int("11",2) 结果为2  

long(str)       #变成长整型 

long(str,base)  #变成base进制长整型，  

#字符串的格式化（注意其转义字符，大多如C语言的）  
str_format % (参数列表) #参数列表是以tuple的形式定义的，即不可运行中改变  
>>>print ""%s's height is %dcm" % ("My brother", 180)  
   = My brother's height is 180cm  

关于格式化输出：

• %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：比如 %02d 和 %.2f
• 如果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
• 对于Unicode字符串，用法完全一样，但最好确保替换的字符串也是Unicode字符串：比如 u’Hi, %s’ % u’Michael’
• 用%%来表示一个%
• 如果只有一个%?，括号可以省略

不可变对象

• list为可变对象。string为不可变对象
• 对于不可变对象来说，调用对象自身的任意方法，也不会改变该对象自身的内容；相反，这些方法会创建新的对象并返回，这样就保证了不可变对象本身永远是不可变的

---

本篇博客主要参考自
《用python做科学计算》
《Python自学笔记之基础内容回顾》
《Python 列表(list)、字典(dict)、字符串(string)常用基本操作小结 》
《 Python list 操作》
《列表(list), 元祖(tuple), 字典(dict), 字符串(string), 集合(set) 的基本方法 》
《python 2.7教程 - 廖雪峰》