暑假Python基础整理 -- 字符串

字符串编码转换

---

美国标准信息交换码（ASCII码）：最多只能表示256个符号，每个符号占一个字节

中文编码标准（GBK 和 GB2312）：一个字节表示英文字母，两个字节表示中文字符

国际通用编码（UTF-8）：采用一个字节表示英文字符，3个字节表示中文

Python 3.x 中，默认采用UTF-8编码有效的解决了中文乱码的问题

Python中有str和bytes这两种常用的字符串类型，但是它们不能拼接在一起。其中，str表示Unicode字符（ASCII码或者其他），bytes表示二进制数据（包括编码的文本），通常情况下，str在内存中以Unicode字符表示，一个字符对应若干个字节。但是要在网络上传输str，或者要将str保存到磁盘上，就需要把str转换为bytes(字节类型)

bytes类型的数据是带有b前缀的字符串（用单引号或双引号表示），str与bytes之间可以通过encode()和decode()方法进行转换

使用encode()方法编码

---

str对象有一个encode()方法可以将字符串转换为二进制数据bytes ，这个转换过程称为编码。其语法格式如下：

str_name.encode(encoding="utf-8"[,errors='strict'])

• str_name：表示要进行转换的字符串对象。
• encoding="utf-8"：可选参数，用于指定在编码时需要采用的编码，默认为UTF-8，若要使用中文，可以将该参数设置为GB2312；
• errors='strict'：可选参数，用于指定错误的处理方式，默认为strict。

errors的可选值有：

• strict：遇到非法字符就抛出异常
• ignore：忽略非法字符
• replace：用“?“替换非法字符
• xmlcharrefreplace：使用XML的字符引用

encode()方法不会修改原字符串

使用decode()方法解码

---

bytes对象有一个decode()方法可以将二进制型数据转换为字符串，将使用encode()方法转换的结果再转换为字符串，称为解码。bytes_name为要转换的二进制对象，通常都是encode()转换的结果；encoding和errors的作用及使用与encode()方法相同。其语法格式如下：

types_name.decode(encoding="utf-8"[,errors='strict'])

字符串常用操作

---

拼接字符串

字符串通常可以使用+将两个字符串进行拼接，但是若要拼接非字符串类型的数据，则需要使用str()方法将该数据强制转换为字符串后再进行拼接，拼接后会产生一个新的字符串对象。如下示例：

english = "Hello, World!"
chinese = "你好，世界！"
print(english + "--" + chinese)

计算字符串的长度

---

在Python中，汉字在GBK和GB2312编码中占两个字节，而在UTF-8和Unicode中一般占3个（或4个）字节。其语法格式如下：

len(string)  # string 为被计算长度的字符串对象

倘若我定义一个字符串为string = 'Hello 世界！'，统计string的长度，代码如下：

string = "Hello 世界！"
print(string)      # 输出结果为9

默认情况下，当使用len()函数计算字符串长度时，不区分英文、数字和汉字，所有字符都被认为是一个字符。

在开发中，如果需要获取采用utf-8或者gbk编码的字符串长度，则可以使用下面代码：

string = "Hello 世界！"

# 计算UTF-8编码的字符串长度
lenght_utf8 = len(string.encode()) 
print("UTF-8编码的字符串长度：" + str(lenght_uft8))  # 15

# 计算gbk编码的字符串长度
lenght_gbk = len(string.encode("gbk")) 
print("gbk编码的字符串长度：" + str(lenght_gbk))  # 12

截取字符串

---

字符串也是序列，因此也支持切片操作。其语法结构如下：

string[start, end, step]

• start：指定要截取的第一个字符的索引（包含此位置），若省略，默认为0
• end：指定要截取的最后一个字符的索引(不包含此位置)，若省略，默认为序列的长度
• step：指定切片的步长，若省略，默认步长为1，当省略该步长时，最后一个冒号可以同时省略

分割字符串

---

字符串对象的split()方法可以实现字符串的分割，把一个字符串按照指定的分割符切分为字符串列表。语法如下：

'''字符串名.split(分隔符, 分割次数n) 指分割前n个'''
string.split(sep,maxsplit)

• sep用于指定分隔符，可以包含多个字符，默认为None，即所有空字符（空格、换行、制表符）。
• maxsplit用于指定分割的次数，若指定为-1或未指定，则表示无限制，否则返回结果列表元素的个数最多为maxsplit + 1。

合并字符串

---

合并字符串会将多个字符串采用固定的分隔符连接在一起，合并字符串可以使用字符串对象的join()方法实现，其语法格式如下：

new_str = string.join(iterable)

• new_str：表示合并后生成的新字符串
• string：字符串类型，用于指定合并时的分隔符
• iterable：可迭代对象，该对象的所有元素都将被合并成一个新的字符串

如下示例代码：

list = ["小王","小刘","小张"]
new_str = "牵着".join(list)
print(new_str)  # 输出结果为：小王牵着小刘牵着小张

检索字符串

---

count()方法用于检索指定字符串在另一个字符串中出现的次数，若不存在则返回0，其语法格式如下：

string.count(sub[,start[,end]])

• string：原字符串
• sub：需要检索的字符串
• start：可选参数，表示检索范围的起始位置索引，默认从头开始检索
• end：可选参数，表示检索的结束位置索引，默认检索到结束

find()方法用于检索是否包含指定的子字符串，如果检索的子字符串不存在，则返回-1，否则返回首次出现该子字符串的位置索引；rfind()方法与find()类似，只是表示从右边开始检索。其语法格式如下：

string.find(sub[,start[,end]])
string.rfind(sub[,start[,end]])

index()方法与find()方法类似，也用于检索是否包含指定的子字符串，只是当index(sub)所检索的sub不存在于被检索的字符串，则会抛出异常；rindex()方法与index()类似，只是表示从右边开始检索。其语法格式如下：

string.index(sub[,start[,end]])
string.rindex(sub[,start[,end]])

startswith()方法用于检索字符串是否以指定的子字符串开头，返回bool类型。其语法格式如下：

string.startswith(sub[,start[,end]])

endswith()方法用于检索字符串是否以指定的子字符串结尾，返回bool类型。其语法格式如下：

string.endswith(sub[,start[,end]])

字母的大小写转换

---

lower()方法用于将字符串中的全部大写字母转换为小写字母。若发生转换则将生成新的字符串，否则返回原字符串。其语法格式如下：

new_str = string.lower()

upper()方法用于将字符串中的全部小写字母转换为大写字母。若发生转换则将生成新的字符串，否则返回原字符串。其语法格式如下：

new_str = string.upper()

去除空格和特殊字符

---

strip()方法用于去掉字符串左、右两侧的空格和特殊字符，其语法格式如下：

string.strip([char])

• char：可选参数，用于指定要去除的字符，可以指定多个。默认将去除空格、制表符\t、Enter符\r、换行符\n等。

lstrip()方法用于去掉字符串左侧的空格和特殊字符，其语法格式如下：

string.lstrip([char])

rstrip()方法用于去掉字符串右侧的空格和特殊字符，其语法格式如下：

string.rstrip([char])

格式化字符串

---

格式化字符串好比制作一个模板，在模板中预留几个位置，然后更具需求填入内容，这些空位需要指定的符号（占位符）进行标记，而这些符号将不会被显示。格式化字符串的方式有两种，分别是：

• 使用%操作符
• 使用字符串对象的format()方法（重点）

字符串提供了format()方法对字符串进行格式化，其语法格式如下：

string.format(args)

str用于指定字符串的显示样式（模板）；arg用于指定要转换的项，若有多项，则用逗号进行分割。在创建模板时，需要使用{}和:指定占位符，基本语法格式如下：

{[index][:[[fill]align][#][width][.precision][type]]}

• index：可选参数，用于指定要设置格式的对象在参数列表中的索引位置，索引值从0开始，如果省略，则根据值的先后顺序进行自动分配。
• fill：可选参数，用于指定空白处填充的字符
• align：可选参数，用于指定对齐的方式。该参数的值为>时，表示内容（包括符号）右对齐；值为<时，表示内容左对齐；值为=时，只对数字类型生效，表示数字内容右对齐，如果是负数，则将负号放在填充内容的左侧，如果是正数，不添加符号；值为^时，表示内容居中。该参数需要配合width一起使用。
• sign：可选参数，用于指定有无符号数（值为“+”表示正数加正号，负数加负号；值为“-”表示正数不变，负数加负号；值为空格表示正数加空格，负数加负号）。
• #：可选参数，对于二进制、八进制和十六进制，如果加上“#”，表示会显示0b/0o/0x前缀，否则不显示。
• width：可选参数，用于指定所占宽度
• .precision：可选参数，用于指定保留的小数位数
• type：可选参数，用于指定类型

取值如下表所示：

格式字符	说明	格式字符	说明
S	对字符串类型进行格式化	b	将十进制整数自动转换成二进制表示，并对其进行格式化
D	十进制整数	o	将十进制整数自动转换成八进制表示，并对其进行格式化
C	将十进制整数自动转换成对应的Unicode字符	x或者X	将十进制整数自动转换成十六进制表示，并对其进行格式化
e或者E	转换为科学计数法表示再格式化	f或者F	转换为浮点数（默认小数点后保留6位），并对其进行格式化
g或者G	自动在e和f，或者E和F之间进行切换	%	显示百分比（默认显示小数点后6位）

示例代码如下：

temp = '编号：{:0>5s}\t姓名：{:s}\t年龄：{:d}\t'  
dic = {'小王':18, '小张':20, '小兰':19}  
n=0  
for key,value in dic.items():  
    n += 1  
    print(temp.format(str(n), key, value))

上述代码的输出结果是：

编号：00001	姓名：小王	年龄：18	
编号：00002	姓名：小张	年龄：20	
编号：00003	姓名：小兰	年龄：19

文章地址 ： 暑假Python基础整理 – 字符串