Python入门教程+项目实战-9.1节: 字符串的定义与编码

目录

9.1.1 理解字符串

9.1.2 字符串的类型名

9.1.3 字符的数字编码

9.1.4 常用的字符编码

9.1.5 字符串的默认编码

9.1.6 字符串的编码与解码

9.1.7 转义字符详解

9.1.8 对字符串进行遍历

9.1.9 知识要点

9.1.10 系统学习python

---

9.1.1 理解字符串

理解字符串，不仅要知道它是什么，还要知道它底层的数据结构。

那么，什么是字符串？

在Python中使用英文引号括住的都是字符串,以下的都为字符串:

Python

# 英文中的引号为单引号，双引号，三引号
chinese = "我爱你"
english = 'I Love You'
japanese = '''君のことを愛している'''
russian = """я люблю тебя"""

字符串是一种线性的序列结构。理解这种数据结构，先直接看图:

上图表示的是字符串"我一直深爱着你"，从图中可以看出，字符与字符之间是直线的关系，字符是按序进行排列的，所有的字符空间对应着一块连续的内存，这种结构就叫做线性的序列结构。图中的每一个格子表示一个内存块，内存块里存储了字符的数字编码。

对于这种线性的序列结构，可以通过索引访问数据集合中的每一个元素。在Python中，索引从0开始编号。例如编号0对应的是字符'我'，编号1对应的是字符'一'，以此类推。

感兴趣的同学可以系统地学习数据结构这门课程。成为一名卓越的程序员，必须掌握数据结构这门知识。薯条老师在后面的教程中会推出数据结构的系列课。

9.1.2 字符串的类型名

在交互模式中通过type来输出字符串的类型名:

>>> chinese = "我爱你"
>>> english = 'I Love You'
>>> japanese = '''君のことを愛している'''
>>> russian = """я люблю тебя"""
 
>>> type(chinese)

>>> type(english)

>>> type(japanese)

>>> type(russian)

从输出可知，字符串的类型名为str。

9.1.3 字符的数字编码

在第三章中已经介绍过，计算机只能处理二进制，为了让计算机能对字符进行处理，需要对字符进行编码。所谓的编码，是指用数字来对字符进行表示。不同的表示方法，对应不同的字符编码。

通过Python中的内置函数ord,可以获取字符的十进制数字码。使用ord函数的基本语法:

ord(character)

参数character表示特定的字符，返回值为字符的十进制数字编码。进入交互模式中进行验证:

>>> ord('爱')
29233

通过Python中的内置函数chr,可以获取数字编码所对应的字符。使用chr函数的基本语法:

chr(code)

参数code表示字符的数字编码，返回值为数字编码所对的字符。 进入交互模式中进行验证:

>>> chr(29233)
'爱'

9.1.4 常用的字符编码

最早的字符编码为ASCII编码，这种编码使用一个字节来表示一个字符。一个字节能表示的范围是0-255，也就是说,这种编码最多只能表示256个字符。ASCII编码无法表示汉字等其它字符，为了满足其它地区的需要，又出现了多字节编码。

我们中国一开始制定的是GBK编码，使用两个字节来表示常用的汉字，其它地区也纷纷制定了不同的编码，用来表示本国的字符集。
为了对各地区的编码进行规范统一，出现了UNICODE编码，UNICODE编码在制定之初统一使用两个字节来表示一个字符。

(1) ASCII

ASCII码，全称为美国信息交换标准码，一种使用7个或8个二进制位进行字符编码的方案，最多可以包含256个字符。基本的 ASCII 字符集一共有 128 个字符，其中有 96 个可打印字符，包括常用的字母、数字、标点符号等，另外还有 32 个控制字符。下图为ASCII字符的码表：

(2）UNICODE

在UNICODE编码中，为每种语言中的每个字符设定了统一并且唯一的二进制编码, 这个编号范围从 0x000000 到 0x10FFFF，每个字符对应一个唯一的UNICODE数字码，UNICODE编码的形式为：在数字码(十六进制)前面加上U+。例如："爱"的UNICODE是U+7231。

(3) UTF-8

UTF-8，是一种针对UNICODE的可变长度字符编码, 不同于UNICODE编码采用固定长度的字节数来表示字符， UTF-8使用的字节数是可变的，比如ASCII字符，在UTF-8编码中仍使用一个字节来进行编码，对于汉字等字符使用的是3个字节来进行编码。

(4) GBK

GBK编码是汉字编码字符集，采用的是单双字节变长编码，英文字符使用单字节编码，完全兼容ASCII码，中文部分采用双字节编码。

9.1.5 字符串的默认编码

Python中的字符串默认采用UNICODE进行编码，也就是说，Python中的字符串是UNICODE字符串。

9.1.6 字符串的编码与解码

通过字符串类型的encode方法，可以获取字符串以特定编码方式编码后的字节码类型。

使用encode方法的基本语法:

str.encode(encoding)

参数encoding表示字符的编码方法, 返回值为bytes类型。通过字节码类型的decode方法，可以将字节码类型转换为UNICODE字符串。

使用decode函数的基本语法:

bytes.decode(encoding)

参数encoding表示字符的编码方法,返回值为str类型。

代码实例-对字符串进行编码与解码

Python

# 1.对汉字字符进行编码与解码
chinese = "我爱你"
gbk_code = chinese.encode('gbk')
chinese = gbk_code.decode('gbk')
 
# 2.对英文字符进行编码与解码
english = 'I Love You'
ascii_code = english.encode('ascii')
english = ascii_code.decode('ascii')
# 3.对日本字符进行编码与解码
japanese = '''君のことを愛している'''
unicode = japanese.encode('unicode-escape')
japanese = unicode.decode('unicode-escape')
# 4.对俄文字符进行编码与解码
russian = """я люблю тебя"""
utf8_code = russian.encode('utf-8')
russian = utf8_code.decode('utf-8')

代码讲解：

(1)传递参数'gbk'，获取gbk编码的字节码类型
(2)传递参数'ascii'，获取ascii编码的字节码类型
(3)传递参数'unicode-escape'，获取unicode编码的字节码类型
(4)传递参数'utf-8'，获取utf-8编码的字节码类型

使用bytes类型的decode进行解码时，编码方式必须兼容，否则会抛出编码错误的异常信息。

可以在交互模式中进行验证：

>>> gbk_code = chinese.encode('gbk')
>>> gbk_code.decode('ascii')
Traceback (most recent call last):
File "", line 1, in 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xce in position 0: 
ordinal not in range(128)

在交互模式中，传递gbk获取gbk编码的字节码类型，但在解码时传递的参数是ascii。ascii编码与gbk编码不兼容，故抛出了异常信息。

9.1.7 转义字符详解

编程语言中的转义字符是反斜杠符号'\'+字符构成的特殊字符，通常使用转义字符来表示字符集中定义的字符，如ASCll字符集里面的换行符。

下表是常用的转义字符：

使用转义字符可以避免产生歧义，比如通过转义字符\"来表示一个包含引号的字符串:

"\""

如果没有转义字符，那么系统无法识别用户究竟定义的是一个包含引号的字符串，还是一个三引号。

也可以通过引号括住其它形式的引号来表示包含引号的字符串，例如在单引号中包含双引号:'"'，在双引号中包含单引号:"''"。

使用转义字符，还可以实现一些有用的特性。

(1) 使用换行符输出多行

>>>chinese = "我\n爱\n你\n"
>>>print(chinese)
我
爱
你

(2) 输出水平制表符

>>> chinese = "我\t爱\t你\t"
>>> print(chinese)
我 爱 你

在特定的应用场景下，需要禁止字对符进行转义，通过在字符串前加上r前缀，可以实现这样的功能。

>>> chinese = r"我\t爱\t你\t"
>>> print(chinese)
我\t爱\t你

字符串中包含路径时，禁止Python对其进行转义会非常有用:

>>> file_path = "D:\nosql\data"
>>> print(file_path)
D:
osql\data

输出明显是有问题的，Python将字符串中的\n字符解释成了转义字符，此时可以在字符串中加上r前缀，来禁止Python对字符进行转义。

>>> file_path = r"D:\nosql\data"
>>> print(file_path)
D:\nosql\data

9.1.8 对字符串进行遍历

字符串是一种线性的序列结构，可以通过for循环对字符串中的所有字符进行遍历。

代码实例-逐一遍历字符串中的字符:

Python

japanese = '''君のことを愛している'''
for _ in japanese:
    print(_)

代码讲解:

(1) 对字符串进行遍历，是按字符的先后排列顺序进行遍历的
(2) 通过分析程序的输出，可以更好地理解字符串这种线性的序列结构。

9.1.9 知识要点

(1) 在Python中用英文引号括住的都为字符串
(2) 字符串是一种线性的序列结构 
(3) 字符串的类型名是str
(4) 所谓的编码，是指用数字来对字符进行表示。不同的表示方法，对应不同的字符集。
(5) 常用的字符集有ascii字符集，unicode字符集，utf-8字符集，gbk字符集
(6) Python中的字符串默认为UNICODE字符串

9.1.10 系统学习python

 薯条老师简介：资深技术专家，技术作家，著有《Python零基础入门指南》,《Java零基础入门指南》等技术教程。薯条老师的博客：http://www.chipscoco.com, 系统学习后端，爬虫，数据分析，机器学习、量化投资。