从零开始学Python-Day8-字符串和编码

字符编码

字符串其实也是一种数据类型，但是字符串还有一个烦人的问题是编码。
我们知道计算机智能处理数字，如果要计算机处理文本，就必须先把文本转换为数字。最早的计算机采用8个比特为一个字节，一个字节能表示的最大整数就是255（八位二进制最大数11111111=十进制255），想表示更大的数就需要更多的字节。两个字节可以表示的最大数就是二进制下16个1即1111111111111111等于十进制下65535。

最早计算机只使用在英语范围内，所以最早只有127个字符，也就是英文大小写、数字和一些符号，这个编码表就是ASCII编码。这要处理中文明显不够，至少需要两个字节，所以中国制定了自己的GB2312编码。
就这样各国产生了各国的标准，不可避免的会发生冲突，所以早期软件多语言混合的文本会显示乱码。于是发展出了Unicode，它把所有语言统一到一套编码，就解决了乱码的问题。

后来为了解决Unicode编码体型过大，方便传输和存储的目的，发展出了UTF-8，我们现在网页源码上最常见的信息就表明该网页是UTF-8编码，Python编写过程中也要做相应的标注，告诉Python解释器读取源码时按照UTF-8编码读取。

# -*- coding: UTF-8 -*-

在计算机内存中，统一使用的是Unicode编码，当需要保存或者传输时，转换为UTF-8编码。

Python字符串

Python3中，字符串以Unicode编码，也就是说Python支持多语言，例如：

>>> print('你好！Hello!こんにちは!Bonjour!')
你好！Hello!こんにちは!Bonjour!

对于单字符编码，Python提供了一个ord()函数，用来获取字符的整数表示，chr()则把编码转换为对应的字符：

>>> ord('木')
26408
>>> ord('O')
79
>>> ord('人')
20154
>>> chr(75)
'K'
>>> chr(24352)
'张'

知道了字符的整数编码，我们可以用十六进制来写，这两种方式完全等效。

>>> '\u6728\u4eba\u5f20'
'木人张'

encode与decode

Python的字符串str，在内存中以Unicode编码，一个字符会对应若干字节。如果要网络传输或者存储，就要把str变为以字节为单位的bytes。
bytes类型：b左前缀单引号或双引号

x = b'ABC'

bytes在这里每个字符只占一个字节。
encode：unicode编码的str可以用encode()编码为指定编码的bytes

>>> 'Woodmanzhang'.encode('ascii')
b'Woodmanzhang'
>>> 'Woodmanzhang'.encode('utf-8')
b'Woodmanzhang'
>>> '木人张'.encode('utf-8')
b'\xe6\x9c\xa8\xe4\xba\xba\xe5\xbc\xa0'
>>> '木人张'.encode('ascii')
Traceback (most recent call last):
  File "<pyshell#65>", line 1, in <module>
    '木人张'.encode('ascii')
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)

中文超出了ASCII编码范围，就直接报错了。bytes中无法ASCII编码的字节，用\x##显示

decode：从网络或磁盘读取的数据是bytes，使用decode()解码为str

>>> b'Woodmanzhang'.decode('ascii')
'Woodmanzhang'
>>> b'\xe6\x9c\xa8\xe4\xba\xba\xe5\xbc\xa0'.decode('utf-8')
'木人张'

如果bytes中含有无法解码的字节，decode会报错，可以使用errors=’ignore’忽略错误

>>> b'\xe6\x9c\xa8\xe4\xba\xba\xe5\xbc\xa0'.decode('utf-8')
'木人张'
>>> b'\xe6\x9c\xa8\xe4\xba\xba\x65\xbc\xa0'.decode('utf-8')
Traceback (most recent call last):
  File "<pyshell#68>", line 1, in <module>
    b'\xe6\x9c\xa8\xe4\xba\xba\x65\xbc\xa0'.decode('utf-8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbc in position 7: invalid start byte
>>> b'\xe6\x9c\xa8\xe4\xba\xba\x65\xbc\xa0'.decode('utf-8',errors='ignore')
'木人e'

len()函数

用来统计字符串str包含多少字符，如果括号内换成bytes，统计计算的就是字节数

>>> len('Woodmanzhang')
12
>>> len('木人张')
3
>>> len(b'Woodmanzhang')
12
>>> len('木人张'.encode('utf-8'))
9
>>> len(b'\xe6\x9c\xa8\xe4\xba\xba\xe5\xbc\xa0')
9

格式化

我们经常收到短信或者提示信息：“亲爱的XX你好，你XX月话费XX元，余额XX元。”这里XXX是变化的变量，所以需要一种格式化字符串的方式在管理这些数据。
Python格式化使用%实现

>>> 'Hello,%s' % '木人张'
'Hello,木人张'
>>> '你好，%s，您的账户还有%d元。' %('木人张',1)
'你好，木人张，您的账户还有1元。'

%就是用来格式化字符串的，%占位符有几个，后面就有几个变量，或者直接赋值，按顺序对应。如果只有一个占位符，可以去掉括号。
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%指定补零和小数位数的使用：

>>> print('%2d-%02d' % (3, 1))
 3-01
>>> print('%.2f' % 3.1415926)
3.14

%s永远起作用，把任意数据类型转换为字符串

>>> '年龄：%s.会员：%s' % (35,True)
'年龄：35.会员：True'

如果是要使用百分号%呢？用%来转义%，也就是%%表示一个%（百分号）

>>> '增长率：%d%%' % 10
'增长率：10%'

format()

格式化字符串的另一种方法，用传入的参数依次替换字符串内的占位符{0}、{1}、….

>>> '你好，{0},您的成绩提升了{1:.1f}%'.format('木人张',10.00)
'你好，木人张,您的成绩提升了10.0%'

演示

# -*- coding: UTF-8 -*-
# Filename : 演示.py
# author by : www.woodmanzhang.com
# 让用户输入姓名、成绩，做两年成绩比较
name=input('请输入姓名:')
S1 = int(input ('您去年成绩'))
S2 = int(input ('您今年成绩'))
B = (S2-S1)/S1*100
A = abs(B)
if B > 0:
    print(name,'今年的成绩比去年提高了%.2f%%' % A)
elif B < 0:
    print(name,'今年的成绩比去年降低了%.2f%%' % A)
else:
    print(name,'今年的成绩与去年相同')