Python学习-字符编码, 数据类型

本篇主要内容：

• 字符编码
• Python中的数据类型有哪些
• 类型的一些常用操作及方法

一、字符编码

　　编码解释的大部分内容摘自廖雪峰老师教程中的讲解，点击跳转。

　　简单介绍：

　　我们知道计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是。

　　由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，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，比如大写字母A的编码是65，小写字母z的编码是122。

　　但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

　　我们知道，世界上有多种语言，为了支持本国的语言，都需要各自编制一套编码；那么问题就出现了，由于每一种语言有自己的标准，在多语言混合的文本中，显示出来就会乱码。因此，Unicode就应运而生了。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

　　Unicode最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

　　ASCII编码是用1个字节表示一个字符，而Unicode编码通常是用2个字节表示一个字符。假如我们写的文档中，都是英文字母，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。因此，又出现了把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，常用的英文字母被编码成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。

　　搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以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者需要传输的时候，就转换为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：

　　

　　浏览网页的时候，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：

　　

　　

　　所以你看到很多网页的源码上会有类似<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。

　　总结： 

　　1、ASCII  8bit  1个字节（byte）

　　2、GBK  16bit  2个字节

　　3、Unicode  32bit  4个字节

　　4、Utf-8（针对Unicode的可变长度字符编码）

　 （1）英文字符  8bit  1个字节

　 （2）汉字  24bit  3个字节

　 （3）生僻的字符  4-6字节

　　注意：

　　Python2中默认的字符编码是ascii码。

　　Python3目前默认的编码是utf-8。

 ~  python                                                                                                                                                                               ✔  14:41:19
Python 2.7.15 (default, Jun 17 2018, 13:05:56)
[GCC 4.2.1 Compatible Apple LLVM 9.0.0 (clang-900.0.39.2)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> sys.getdefaultencoding()
'ascii'
>>> exit()
 ~  python3                                                                                                                                                                              ✔  15:42:29
Python 3.6.5 (default, Jun 17 2018, 12:26:58)
[GCC 4.2.1 Compatible Apple LLVM 9.0.0 (clang-900.0.39.2)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> sys.getdefaultencoding()
'utf-8'

二、Python中的数据类型

1、int　　整形

2、bool　　布尔

3、str　　字符串（不可变）

4、list　　列表

5、tuple　　元组（不可变）

6、dict　　字典

7、set　　集合

三、各种类型的一些常用操作及方法

1. int  一些数学运算省略不介绍了（加减乘除，取余，地板除等）

bit_length()  整形的二进制位数（长度）

>>> a = 5
>>> a.bit_length()
3

2. bool

bool(object)  # 返回对象的真假（True or False）

什么样的对象时False呢？

None，空对象（'', [], (), {}, set())，即空的字符串、列表、元组、字典、集合都为False。这里需要注意 ' ' ，含有空格的字符串，值为True。

排除以上False的对象，其他都是True。

3. 字符串

3.1 索引切片

索引：下表从0开始

切片：str[起始位置:结束位置:步长]  结果不包括结束位置索引处元素，步长可以是正数，可以是负数。

　　　　

s = 'hello world'

print(s[0:5])
print(s[0:5:2])
print(s[5:0])
print(s[5:0:-1])
print(s[-1:-6:-1])

# 输出结果
hello
hlo

 olle
dlrow
[Finished in 0.1s]
'''
对于步长为负数的情况，我经常搞混，这里说一下我个人的理解。
1. 步长为正数，从左向右取
　　1.1 起始位置索引处的值先出现（先出现是指相对结束位置索引处的值靠左），可以取到值。
　　1.2 如果起始位置索引处的值后出现，取不到值
　　步长为负数，想取到值：起始位置索引 < 结束位置索引
2. 步长为负数，从右向左取
　　2.1 起始位置索引处的值后出现，可以取到值。
　　2.2 如果起始位置索引处的值先出现，取不到值
　　步长为负数，想取到值：起始位置索引 > 结束位置索引
'''

3.2 字符串操作

常用：

1. capitalize　　 # 字符串首字母大写

2. title 　　# 字符串中被特殊字符分隔的部分，每部分首字母大写（中文也被当作特殊字符处理）

3. upper 　　# 字符串中小写字母变大写

4. lower　　# 字符串中大写字母变小写

5. strip　　# 去掉字符串首尾空格，也可以自己指定字符

6. replace　　# 字符替换

7. split　　# 使用字符串中的指定符号分割字符串，以列表形式返回结果

8. find　　# 查找，返回匹配部分的第一个字符的索引位置；匹配不到，返回-1

9. len　　# 返回字符串长度

实例：

s = 'say hEllo woRld'

print(s.capitalize()) #Say hello world
print(s.title())  　　 #Say Hello World
print(s.upper())  　　 #SAY HELLO WORLD
print(s.lower())       #say hello world
print('   hello world   '.strip())  #hello world
print(s.replace('say', 'speak'))  #speak hEllo woRld
print(s.split())  #['say', 'hEllo', 'woRld']
print(s.find('hE'))  #
print(s.find('H'))  #-1
print(len(s))  #

不常用：

1. swapcase　　# 大小写互相转换，字符串中大写变小写，小写变大写

2. lstrip　　# 去掉左边空格

3. rstrip　　# 去掉右边空格

4. casefold　　# 字符串中大写字母变小写，与lower类似（很少使用）；lower对某些字符支持不够好，casefold对所有字符都有效

实例：

s = 'say hEllo woRld'

print(s.swapcase())
print('   hello world  '.lstrip())
print('  hello world   '.rstrip())

# 输出结果
SAY HeLLO WOrLD
hello world
  hello world

列表，元组，字典下篇文章介绍。

------以上是第三、四天的学习内容------