【10.24】Python语法练习4/17

今日任务：字符串与编码

一、字符串
字符串是一种数据类型，但是字符串存在编码问题，因为计算机处理文本必须把文本转化为数字才能处理。
最早只有127个字符被编码到计算机，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码。

中国制定了GB2312把中文编进去

Unicode编码把所有语言都统一到一套编码里。

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。为了解决Unicode编码在英文中存在的浪费问题，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，常用的英文字符被编码成1个字节，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，如果要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

中英文字符串的三种编码

从上面表格中可以发现，UTF-8编码有个好处是，ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

总结一下现在计算机系统通用的字符编码工作方式：
在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或需要传输的时候，转换为UTF-8编码。
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：

编辑文件时Unicode编码与UTF-8编码转换

浏览网页时候，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：

浏览网页时编码转换

二、Python的字符串
最新的Python 3 版本中，字符串是以Unicode编码的，意味着Python字符串支持多语言，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。
由于python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干字节。如果在网络传输或保存到磁盘上，需要把srt变为以字节为单位的bytes。
以Unicode表示的str通过encode()方法可以编码为制定的bytes，需要把bytes变为str，需要用decode()方法。
计算str包含多少个字符，可以用len()函数。
在操作字符串时，为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。
由于python源代码也是一个文本文件，所以，当源代码中包含中文的时候，在保存源代码时，务必指定保存为UTF-8编码。当python解释器读取源代码时，为了让它按照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系统灰灰列这个注释；
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，源代码中写的中文输出可能会有乱码。
同时，必须确保文本编辑器正是用UTF-8 without BOM编码，才能确保.py文件是UTF-8编码的。

三、格式化
如何输出格式化的字符串，经常会输出类似‘亲爱的XXX你好！你XX月的花费是XX，余额是XX’之类的字符串，XXX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。

python中，采用的格式化方式和C语言是一致的，用%运算符格式化字符串，%s表示用字符串替换，%d表示用证书替换，有几个%？占位符，后面就跟几个变量或值，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：

常见占位符

%s会把任何数据类型转化为字符串，如果字符串里%是一个普通字符，需要用%%来转义%。