Python教程(2.4)——字符串

2.2节讲过，Python中有字符串类型。在Python中，字符串用'或"括起，例如'abc'、"qwerty"等都是字符串。注意'和"并不是字符串的内容。

ASCII（American Standard Code for Information Interchange）码

电脑可以存储数字，那字符怎么办？答案是可以给字符编码，这样只要存储数字，显示时转成字符就可以了。由于电脑是美国人发明的，因此电脑最初只有128个（不是很确定）字符被编码，叫做ASCII码，范围为0~127。例如字母A的ASCII码为65，字母d的ASCII码为100。

一个8位无符号整数的存储范围是0~255，因此存储ASCII字符只需要一个字节。

此外，还有扩展的ASCII编码，范围为0~255。前128个字符是一样的，后128个则是例如â、é这样的带有注音符号的字符。这里不详细介绍。

Unicode

因为世界上不仅有英语，还有其它语言，其它语言中又有更多的字符。因此ASCII码不能满足要求，需要一个新的字符集——Unicode。Unicode包含了世界上大多数语言的字符。例如中文的“我”字，Unicode码为25105，“文”字是25991。对于一个ASCII字符，其Unicode编码与ASCII编码是一样的。Unicode的0~128范围就是ASCII字符。

一般字符需要2个字节进行存储，很偏僻的就需要4个字节。

字符串和字符串常量

根据字符的概念，字符串可以被重新定义成若干字符的组合。Python中的字符串类型为str，采用Unicode编码。因此里面可以使用Unicode字符（例如中文）。Python中没有单独的字符类型。

字符串常量就是指像"python"、'globe'这些不变的字符串，与变量相对。

转义字符/序列（escape character/sequence）

字符串里不仅能包含普通字符，还可以包含特殊字符。这些特殊字符就需要通过特殊方法表示出来，这种字符叫做转义字符。在Python中，转义字符以\开头。因为转义字符在代码中需要用两个字符表示，也叫做转义序列。

在字符串中，你可能想换行，这时就可以使用\n转义字符；你可能想要tab，这时你可以直接打tab或使用\t转义字符（推荐后者）。

例如：

>>> print('first line\nsecond line\nthird line')
first line
second line
third line

与下面：

print('first line')
print('second line')
print('third line')

或下面：

>>> print('first line')
first line
>>> print('second line')
second line
>>> print('third line')
third line

是相同的。

对于\t也是一样的：

>>> print('1\t2\t3\t4\tend')
1    2    3    4    end

还有一些容易造成歧义的字符，例如'、"和\（'和"会被以为成字符串的开始或结束，\会认为是转义符号），也需要使用转义序列\'、\"和\\才能输出：

>>> print('You must use \\\', \\\" and \\\\ to display \', \" and \\.')
You must use \', \" and \\ to display ', " and \.

当然，对于只含有'的字符串，可以用"括起；对于只含有"的字符串，可以用'括起。例如：

>>> print('"All right", he says.')
"All right", he says.
>>> print("I'm OK.")
I'm OK.

至于既有'又有"的字符串就只能用转义序列或者（下文即将讲到的）原始字符串了。

原始字符串（raw string）

Python支持原始字符串。这种字符串内的字符都是原始的，没有转义。转义字符串用r' '括起，例如：

>>> r'this \n does not mean newline'
'this \\n does not mean newline'

不过注意，Python在不用print()显示字符串时，是会加上转义符号\的。

多行字符串

有时候，字符串里有很多换行符不够方便，这时可以使用多行字符串。多行字符串用''' '''或""" """（每边3个'或3个"）括起，里面的enter被看作换行符。例如：

>>> print('''first line
... second line
... third line''')
first line
second line
third line

注意输入多行字符串时，在字符串结束之前，命令提示符也会变成...。

在多行字符串一行结尾加\可以防止换行：

>>> print('''\
... first line
... second line
... third line\
... ''')
first line
second line
third line

还可以用r'''...'''和r"""..."""表示原始多行字符串，请自己尝试。

字符串操作

计算长度

使用len()函数计算字符串长度。例如：

>>> len('GoldenGlobalView')
16
>>> s = 'internationalization'
>>> len(s)
20
>>> len('Unicode字符串')
10

获取字符串中的某个字符

使用string[index]可以获取字符串string索引（index，也叫下标、位置）为index的字符：

>>> s = 'Python Tutorial'
>>> s[0]
'P'
>>> s[5]
'n'
>>> s[12]
'i'

注意索引从0开始，0索引对应第一个字符，1对应第二个，2对应第三个，等等。

如果索引太大，就会出现错误：

>>> s[100]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: string index out of range

与C/C++不同，索引也可以是负数：

>>> s[-1]
'l'
>>> s[-4]
'r'
>>> s[-10]
'n'

-1的索引表示最后一个字符，-2表示倒数第二个，-3表示倒数第三个，以此类推。

索引太小也不行：

>>> s[-100]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: string index out of range

注意虽然这样可以获取字符串中的某个字符，但是获取的仍然是字符串类型，只是长度为1。Python没有单独的字符类型。

拼接字符串常量

两个或多个字符串常量可以直接写在一起，进行拼接（concatenation）：

>>> 'class''mate'
'classmate'
>>> "pyt""hon"
'python'
>>> 'note'"book"
'notebook'
>>> 'un''believ''able'
'unbelievable'

注意两个字符串可以一个用'括起，一个用"括起。一般将这种技巧用于长字符串：

>>> print('We often cut a long string '
... 'into several lines.')
We often cut a long string into several lines.

拼接字符串

如果是一个类型为str的变量和一个字符串常量，就不能直接写在一起进行拼接了：

>>> s = 'class'
>>> s 'mate'
  File "<stdin>", line 1
    s 'mate'
           ^
SyntaxError: invalid syntax

这时需要用+运算符：

>>> s = 'class'
>>> s + 'mate'
'classmate'

+运算符也可以用于两个str变量之间：

>>> s1 = 'class'
>>> s2 = 'mate'
>>> s1 + s2
'classmate'

字符串乘整数

在Python中，假设s是一个字符串，n是个整数，则s*n和n*s表示将s重复n次。

例如：

>>> 'py' * 2
'pypy'
>>> 3 * 'un' + 'known'
'unununknown'

n小于等于0时，字符串为空：

>>> 'str' * 0
''
>>> 'egg' * -2
''

格式化字符串

最后来看一看字符串的格式化。

有时候我们需要输出一个含有很多变量的句子，例如“xx，性别xx，xx岁，职业xx”。对于比较简单的，可以直接用print()输出：

>>> print('He is', age, 'years old.')

复杂一些的呢？

>>> name = 'Mike'
>>> gender = 'male'
>>> age = 25
>>> job = 'programmer'
>>> print(name, ',', gender, ',', age, ', is a(n)', job)
Mike , male , 25 , is a(n) programmer

可以看到，这里使用print()显得十分繁琐，而且因为print()的工作原理，输出含有多余的空格。

前面说过，可以通过指定print()的sep参数改变分隔符：

>>> print(name, ', ', gender, ', ', age, ', is a(n) ', job, sep='')    # indicate an empty string as separator
Mike, male, 25, is a(n) programmer

但这还是很繁琐。

这时就可以用格式化字符串使代码更美观了。一个简单的例子如下：

>>> print('Hello, %s' % 'world')
Hello, world

注意中间部分：

'Hello, %s' % 'world'

前面是一个字符串，'Hello, %s'。中间的%s是一个占位符，表示这里应该有一个字符串（str）。接下来是一个%，表示格式化字符串。后面是一个字符串'world'，对应于前面的%s。Python将会分析上面代码，然后把'world'替换%s，得到'Hello, world!'，传给print()，最后输出。

更难一点的例子：

>>> print('%d - %d = %d' % (10, 6, 10 - 6))
10 - 6 = 4

'%d - %d = %d'中有3个占位符%d，表示整数（int）。%后面的10、6、10-6分别对应于第一个、第二个和第三个%d，Python会将3个%d，按照位置顺序，分别替换成10、6、10-6的结果4，于是整个字符串变成'10 - 6 = 4'，然后输出。

那么前面的例子就解决了：

>>> print('%s, %s, %d, is a(n) %s' % (name, gender, age, job))
Mike, male, 25, is a(n) programmer.

Todo

1. 字符串编码问题

2. 第二提示符

3. 格式化占位符

小结

1. 字符集有ASCII字符集和Unicode字符集。

2. Python中的字符串类型为str。

3. Python没有单独的字符类型，一个字符就是一个长度为1的str。

4. 转义字符以\开头，常见的有\n、\t、\'、\"、\\。

5. 原始字符串用r'...'或r"..."表示。

6. 多行字符串用'''...'''或"""..."""表示。

7. 原始多行字符串用r'''...'''或r"""..."""表示。

8. 使用len()函数计算字符串长度。

9. 使用string[index]获取字符串string的index位置上的字符（注意返回的是一个长度为1的str）。

10. 将两个字符串常量写在一起可以拼接。

11. 字符串可以用+运算符进行拼接。

12. string*num表示将string字符串重复num次。