字符编码/数据集/格式化

ASCII字符集包含了所有的数字和字母，编码通常为1个字节

Unicode包含了所有语言，编码通常为2个字节，比较占用空间

UTF-8时可变长编码，英文字母被编码成1个字节，汉字通常是3个字节

计算机内存中使用Unicode，传输的时候转换为UTF-8

python的字符串类型为str，表示字符，在内存中以unicode表示，需要传输的时候要把str转变为以字节为单位的bytes，python对bytes类型的数据用带b前缀的单引号或者双引号表示，比如

x = b'ABC'，字符串类型为bytes，每个字符只占用一个字节

str-bytes，用encode（）例如，纯英文可以用ascii，含有中文的可以用uft-8

'ABC'.encode('ascii')  输出b'ABC'

从网络或磁盘读到的字节流为bytes，变为str用decode()

---

len()函数计算str的字符数，和bytes的字节数，一个中文字符有3个字节

len('ABC') 3

len('中文') 2

len(b'ABC')  3

len('中文'.encode('utf-8')) 6

在操作字符串时，经常使用utf-8对str和bytes相互转换

---

使用%来格式化，例如

'hello,%s' % 'world'

'hi,%s,you have $%d' % ('machael',10000)

%在前面占位，%d为整数占位符，%f为浮点数占位符，%s为字符串占位符，%x为十六进制整数

占位后，用%引导输入占位的内容，用括号括起来。

可以用%s代替任何不确定的占位符

用%%表示普通字符%

---

也可以用format格式化，占位符