【第五篇】Python数据类型--str&bytes
2019-07-24 09:14:07来源:博客园 阅读 ()
一、字符串(str)
1.1 字符串的定义
- 字符串 就是 一串字符,是编程语言中表示文本的数据类型
- 在 Python 中可以使用 一对双引号 " 或者 一对单引号 ' 定义一个字符串
- 可以使用 索引 获取一个字符串中 指定位置的字符,索引计数从 0 开始
- 也可以使用 for 循环遍历 字符串中每一个字符
1 #!/usr/bin/env python3 2 # -*-coding:utf-8-*- 3 4 """ 5 @author:fyh 6 @time:2019/5/31 7 """ 8 9 str1 = "hello python" 10 11 for c in str1: 12 print(c, end='\t') 13 14 # 运行结果:h e l l o p y t h o n
1.2 字符串的常用操作
1 #!/usr/bin/env python3 2 # -*-coding:utf-8-*- 3 4 """ 5 @author:fyh 6 @time:2019/5/31 7 """ 8 9 # 1 * 重复输出字符串 10 print('hello' * 2) 11 12 # 2 [] ,[:] 通过索引获取字符串中字符 13 print('helloworld'[2:]) 14 15 # 3 in 成员运算符 - 如果字符串中包含给定的字符返回 True 16 print('el' in 'hello') 17 18 # 4 % 格式字符串 19 print('alex is a good teacher') 20 print('%s is a good teacher' % 'alex') 21 22 # 5 + 字符串拼接 23 a = '123' 24 b = 'abc' 25 c = '789' 26 d1 = a + b + c 27 print(d1) # +效率低,该用join 28 29 # join效率高 30 d2 = ''.join([a, b, c]) 31 print(d2)
1.3 字符串相关的函数
# string.upper() 转换 string 中的小写字母为大写 # string.lower() 转换 string 中所有大写字符为小写 # string.startswith(obj, beg=0,end=len(string)) 检查字符串是否是以obj开头,是则返回True,否则返回 False。如果beg 和 end 指定值,则在指定范围内检查. # string.endswith(obj, beg=0, end=len(string)) 检查字符串是否以 obj 结束,如果beg 或者 end 指定则检查指定的范围内是否以 obj 结束,如果是,返回 True,否则返回 False. # string.replace(str1, str2, num=string.count(str1)) 把 string 中的 str1 替换成 str2,如果 num 指定,则替换不超过 num 次. # string.strip([obj]) 在 string 上执行 lstrip()和 rstrip() 去除空格 # string.split(str="", num=string.count(str)) 以 str 为分隔符切片 string,如果 num有指定值,则仅分隔 num 个子字符串 # string.find(str, beg=0, end=len(string)) 检测 str 是否包含在 string 中,如果 beg 和 end 指定范围,则检查是否包含在指定范围内,如果是返回开始的索引值,否则返回-1 # string.encode(encoding='UTF-8', errors='strict') 以 encoding 指定的编码格式编码 string,如果出错默认报一个ValueError 的异常,除非 errors 指定的是ignore或者replace # string.decode(encoding='UTF-8', errors='strict') 以 encoding 指定的编码格式解码 string,如果出错默认报一个ValueError的异常,除非errors指定的是'ignore'或 者'replace' # string.join(seq) 以 string 作为分隔符,将 seq 中所有的元素(的字符串表示)合并为一个新的字符串 # string.format() 格式化输出
# string.capitalize() 把字符串的第一个字符大写 # string.center(width) 返回一个原字符串居中,并使用空格填充至长度 width 的新字符串 # string.count(str, beg=0, end=len(string)) 返回 str 在 string 里面出现的次数,如果 beg 或者 end 指定则返回指定范围内 str 出现的次数 # string.expandtabs(tabsize=8) 把字符串 string 中的 tab 符号转为空格,tab 符号默认的空格数是8。 # string.index(str, beg=0, end=len(string)) 跟find()方法一样,只不过如果str不在 string中会报一个异常. # string.isalnum() 如果 string 至少有一个字符并且所有字符都是字母或数字则返回 True,否则返回 False # string.isalpha() 如果 string 至少有一个字符并且所有字符都是字母则返回 True,否则返回 False # string.isdecimal() 如果 string 只包含十进制数字则返回 True 否则返回 False. # string.isdigit() 如果 string 只包含数字则返回 True 否则返回 False. # string.islower() 如果 string 中包含至少一个区分大小写的字符,并且所有这些(区分大小写的)字符都是小写,则返回 True,否则返回 False # string.isnumeric() 如果 string 中只包含数字字符,则返回 True,否则返回 False # string.isspace() 如果 string 中只包含空格,则返回 True,否则返回 False. # string.istitle() 如果 string 是标题化的(见 title())则返回 True,否则返回 False # string.isupper() 如果 string 中包含至少一个区分大小写的字符,并且所有这些(区分大小写的)字符都是大写,则返回 True,否则返回 False # string.ljust(width) 返回一个原字符串左对齐,并使用空格填充至长度 width 的新字符串 # string.lstrip() 截掉 string 左边的空格 # string.maketrans(intab, outtab]) maketrans() 方法用于创建字符映射的转换表,对于接受两个参数的最简单的调用方式,第一个参数是字符串,表示需要转换的字符,第二个参数也是字符串表示转换的目标。 # max(str) 返回字符串 str 中最大的字母。 # min(str) 返回字符串 str 中最小的字母。 # string.partition(str) 有点像 find()和 split()的结合体,从 str 出现的第一个位置起,把 字 符 串 string 分 成 一 个 3 元 素 的 元 组 (string_pre_str,str,string_post_str),如果 string 中不包含str 则 string_pre_str == string. # string.rfind(str, beg=0,end=len(string) ) 类似于 find()函数,不过是从右边开始查找. # string.rindex( str, beg=0,end=len(string)) 类似于 index(),不过是从右边开始. # string.rjust(width) 返回一个原字符串右对齐,并使用空格填充至长度 width 的新字符串 # string.rpartition(str) 类似于 partition()函数,不过是从右边开始查找. # string.rstrip() 删除 string 字符串末尾的空格. # string.splitlines(num=string.count('\n')) 按照行分隔,返回一个包含各行作为元素的列表,如果 num 指定则仅切片 num 个行. # string.swapcase() 翻转 string 中的大小写 # string.title() 返回"标题化"的 string,就是说所有单词都是以大写开始,其余字母均为小写(见 istitle()) # string.translate(str, del="") 根据 str 给出的表(包含 256 个字符)转换 string 的字符,要过滤掉的字符放到 del 参数中
1 #!/usr/bin/env python3 2 # -*-coding:utf-8-*- 3 4 """ 5 @author:fyh 6 @time:2019/5/31 7 """ 8 9 name = "hello world" 10 # 小写字母变为大写 11 print(name.upper()) # HELLO WORLD 12 print(name) # hello world 13 14 # 把大写字母变小写 15 name2 = "HELLO WORLD" 16 print(name2.lower()) # hello world 17 print(name2) # HELLO WORLD 18 19 # 判断是否以。。。开头 20 name3 = "hello" 21 print(name3.startswith("he")) # True 22 # 检查字符串是否以。。结尾 23 print(name3.endswith("lo")) # True 24 25 # replace 替换 26 name4 = "python" 27 print(name4.replace('th', 'aa')) # pyaaon 28 29 # 去除空格 30 name5 = " bbcc " 31 print(name5.strip()) # bbcc 32 33 # 分割 34 str1 = "aa|bb|cc|dd" 35 print(str1.split('|')) # ['aa', 'bb', 'cc', 'dd'] 36 37 # 查找 返回开始的索引值 38 str2 = "we are family" 39 print(str2.find("are")) # 3 40 41 # join 拼接 42 lst1 = ['aa', 'bb', 'cc', 'dd'] 43 print("-".join(lst1)) # aa-bb-cc-dd
1.4 字符串切片
- 切片 使用 索引值 来限定范围,根据 步长 从原序列中 取出一部分 元素组成新序列
- 切片 方法适用于 字符串、列表、元组
- 切片的语法表达式为:[start_index : end_index : step],其中:
- start_index:起始索引
- end_index:结束索引
- step:步长
1 #!/usr/bin/env python3 2 # -*-coding:utf-8-*- 3 4 """ 5 @author:fyh 6 @time:2019/5/31 7 """ 8 9 str1 = "hello world" 10 11 12 print(str1[1:6]) 13 # 结果是ello 14 15 print(str1[1:6:2]) 16 # 结果是el 17 18 print(str1[2:]) 19 # 结果是llo world 20 # 保留start_index,但省略end_index,这样会从起始索引开始,切到最后一个元素为止 21 22 print(str1[:5]) 23 # 结果是hello 24 # 省略start_index,保留end_index,这样会从第一个元素开始,切到end_index - 1的元素为止 25 26 print(str1[-1:-6:-1]) 27 # 结果是dlrow 28 29 print(str1[1:6:-1]) 30 # 结果为空 31 # 切片时,一定要保证start_index到end_index的方向与步长step的方向同向,否则会切出空的序列
1.5 字符串拼接
Python的字符串格式化有两种方式: 百分号方式、format方式
1.5.1 百分号方式
格式:%[(name)][flags][width].[precision]typecode
-
(name) 可选,用于选择指定的key
-
flags 可选,可供选择的值有:
-
+ 右对齐;正数前加正好,负数前加负号;
-
- 左对齐;正数前无符号,负数前加负号;
-
空格 右对齐;正数前加空格,负数前加负号;
-
0 右对齐;正数前无符号,负数前加负号;用0填充空白处
-
width 可选,占有宽度
-
precision 可选,小数点后保留的位数
-
typecode 必选
-
s,获取传入对象的__str__方法的返回值,并将其格式化到指定位置
-
r,获取传入对象的__repr__方法的返回值,并将其格式化到指定位置
-
c,整数:将数字转换成其unicode对应的值,10进制范围为 0 <= i <= 1114111(py27则只支持0-255);字符:将字符添加到指定位置
-
o,将整数转换成 八进制表示,并将其格式化到指定位置
-
x,将整数转换成十六进制表示,并将其格式化到指定位置
-
d,将整数、浮点数转换成 十 进制表示,并将其格式化到指定位置
-
e,将整数、浮点数转换成科学计数法,并将其格式化到指定位置(小写e)
-
E,将整数、浮点数转换成科学计数法,并将其格式化到指定位置(大写E)
-
f, 将整数、浮点数转换成浮点数表示,并将其格式化到指定位置(默认保留小数点后6位)
-
F,同上
-
g,自动调整将整数、浮点数转换成 浮点型或科学计数法表示(超过6位数用科学计数法),并将其格式化到指定位置(如果是科学计数则是e;)
-
G,自动调整将整数、浮点数转换成浮点型或科学计数法表示(超过6位数用科学计数法),并将其格式化到指定位置(如果是科学计数则是E;)
-
%,当字符串中存在格式化标志时,需要用 %%表示一个百分号
注:Python中百分号格式化是不存在自动将整数转换成二进制表示的方式
常用的格式化:
1 tpl = "i am %s" % "alex" 2 3 tpl = "i am %s age %d" % ("alex", 18) 4 5 tpl = "i am %(name)s age %(age)d" % {"name": "alex", "age": 18} 6 7 tpl = "percent %.2f" % 99.97623 8 9 tpl = "i am %(pp).2f" % {"pp": 123.425556, } 10 11 tpl = "i am %.2f %%" % 123.425556
1.5.2 format方式
格式:[[fill]align][sign][#][0][width][,][.precision][type]
-
fill 【可选】空白处填充的字符
-
align 【可选】对齐方式(需配合width使用)
-
<,内容左对齐
-
>,内容右对齐(默认)
-
=,内容右对齐,将符号放置在填充字符的左侧,且只对数字类型有效。 即使:符号+填充物+数字
-
^,内容居中
-
sign 【可选】有无符号数字
-
+,正号加正,负号加负;
-
-,正号不变,负号加负;
-
空格 ,正号空格,负号加负;
-
# 【可选】对于二进制、八进制、十六进制,如果加上#,会显示 0b/0o/0x,否则不显示
-
, 【可选】为数字添加分隔符,如:1,000,000
-
width 【可选】格式化位所占宽度
-
.precision 【可选】小数位保留精度
-
type 【可选】格式化类型
-
传入” 字符串类型 “的参数
-
s,格式化字符串类型数据
-
空白,未指定类型,则默认是None,同s
-
传入“ 整数类型 ”的参数
-
b,将10进制整数自动转换成2进制表示然后格式化
-
c,将10进制整数自动转换为其对应的unicode字符
-
d,十进制整数
-
o,将10进制整数自动转换成8进制表示然后格式化;
-
x,将10进制整数自动转换成16进制表示然后格式化(小写x)
-
X,将10进制整数自动转换成16进制表示然后格式化(大写X)
-
-
- 传入“ 浮点型或小数类型 ”的参数
-
-
-
e, 转换为科学计数法(小写e)表示,然后格式化;
-
E, 转换为科学计数法(大写E)表示,然后格式化;
-
f , 转换为浮点型(默认小数点后保留6位)表示,然后格式化;
-
F, 转换为浮点型(默认小数点后保留6位)表示,然后格式化;
-
g, 自动在e和f中切换
-
G, 自动在E和F中切换
-
%,显示百分比(默认显示小数点后6位)
-
常用的格式化:
1 tpl = "i am {}, age {}, {}".format("seven", 18, 'alex') 2 3 tpl = "i am {}, age {}, {}".format(*["seven", 18, 'alex']) 4 5 tpl = "i am {0}, age {1}, really {0}".format("seven", 18) 6 7 tpl = "i am {0}, age {1}, really {0}".format(*["seven", 18]) 8 9 tpl = "i am {name}, age {age}, really {name}".format(name="seven", age=18) 10 11 tpl = "i am {name}, age {age}, really {name}".format(**{"name": "seven", "age": 18}) 12 13 tpl = "i am {0[0]}, age {0[1]}, really {0[2]}".format([1, 2, 3], [11, 22, 33]) 14 15 tpl = "i am {:s}, age {:d}, money {:f}".format("seven", 18, 88888.1) 16 17 tpl = "i am {:s}, age {:d}".format(*["seven", 18]) 18 19 tpl = "i am {name:s}, age {age:d}".format(name="seven", age=18) 20 21 tpl = "i am {name:s}, age {age:d}".format(**{"name": "seven", "age": 18}) 22 23 tpl = "numbers: {:b},{:o},{:d},{:x},{:X}, {:%}".format(15, 15, 15, 15, 15, 15.87623, 2) 24 25 tpl = "numbers: {:b},{:o},{:d},{:x},{:X}, {:%}".format(15, 15, 15, 15, 15, 15.87623, 2) 26 27 tpl = "numbers: {0:b},{0:o},{0:d},{0:x},{0:X}, {0:%}".format(15) 28 29 tpl = "numbers: {num:b},{num:o},{num:d},{num:x},{num:X}, {num:%}".format(num=15)
二、bytes
Python3最重要的新特性之一是对字符串和二进制数据流做了明确的区分。文本总是Unicode,由str类型表示,二进制数据则由bytes类型表示。Python3不会以任意隐式的方式混用str和bytes,你不能拼接字符串和字节流,也无法在字节流里搜索字符串(反之亦然),也不能将字符串传入参数为字节流的函数(反之亦然)。
2.1 回顾编码的发展史
在计算机历史的早期,美国为代表的英语系国家主导了整个计算机行业,26个英文字母组成了多样的英语单词、语句、文章。因此,最早的字符编码规范是ASCII码,一种8位即1个字节的编码规范,它可以涵盖整个英语系的编码需要。
编码是什么?编码就是把一个字符用一个二进制来表示。我们都知道,所有的东西,不管是英文、中文还是符号等等,最终存储在磁盘上都是01010101这类东西。在计算机内部,读取和存储数据归根结底,处理的都是0和1组成的比特流。问题来了,人类看不懂这些比特流,如何让这些010101对人类变得可读呢?于是出现了字符编码,它是个翻译机,在计算机内部某个地方,透明的帮我们将比特流翻译成人类可以直接理解的文字。对于一般用户,不需要知道这个过程是什么原理,是怎么执行的。但是对于程序员却是个必须搞清楚的问题。
以ASCII编码为例,它规定1个字节8个比特位代表1个字符的编码,也就是“00000000”这么宽,一个一个字节的解读。例如:01000001表示大写字母A,有时我们会“偷懒"的用65这个十进制来表示A在ASCII中的编码。8个比特位,可以没有重复的最多表示2的8次方(255)个字符。
后来,计算机得到普及,中文、日文、韩文等等国家的文字需要在计算机内表示,ASCII的255位远远不够,于是标准组织制定出了叫做UNICODE的万国码,它规定任何一个字符(不管哪国的)至少以2个字节表示,可以更多。其中,英文字母就是用2个字节,而汉字是3个字节。这个编码虽然很好,满足了所有人的要求,但是它不兼容ASCII,同时还占用较多的空间和内存。因为,在计算机世界更多的字符是英文字母,明明可以1个字节就能够表示,非要用2个。
于是UTF-8编码应运而生,它规定英文字母系列用1个字节表示,汉字用3个字节表示等等。因此,它兼容ASCII,可以解码早期的文档。UTF-8很快就得到了广泛的应用。
在编码的发展历程中,我国还创造了自己的编码方式,例如GBK,GB2312,BIG5。他们只局限于在国内使用,不被国外认可。在GBK编码中,中文汉字占2个字节。
2.2 bytes和str的异同
回到bytes和str的身上。bytes是一种比特流,它的存在形式是01010001110这种。我们无论是在写代码,还是阅读文章的过程中,肯定不会有人直接阅读这种比特流,它必须有一个编码方式,使得它变成有意义的比特流,而不是一堆晦涩难懂的01组合。因为编码方式的不同,对这个比特流的解读也会不同,对实际使用造成了很大的困扰。下面让我们看看Python是如何处理这一系列编码问题的:
>>> s = "中文" >>> s '中文' >>> type(s) <class 'str'> >>> b = bytes(s, encoding='utf-8') >>> b b'\xe4\xb8\xad\xe6\x96\x87' >>> type(b) <class 'bytes'>
从例子可以看出,s是个字符串类型。Python有个内置函数bytes()可以将字符串str类型转换成bytes类型,b实际上是一串01的组合,但为了在ide环境中让我们相对直观的观察,它被表现成了b'\xe4\xb8\xad\xe6\x96\x87'这种形式,开头的b表示这是一个bytes类型。\xe4是十六进制的表示方式,它占用1个字节的长度,因此”中文“被编码成utf-8后,我们可以数得出一共用了6个字节,每个汉字占用3个,这印证了上面的论述。在使用内置函数bytes()的时候,必须明确encoding的参数,不可省略。
我们都知道,字符串类str里有一个encode()方法,它是从字符串向比特流的编码过程。而bytes类型恰好有个decode()方法,它是从比特流向字符串解码的过程。除此之外,我们查看Python源码会发现bytes和str拥有几乎一模一样的方法列表,最大的区别就是encode和decode。
从实质上来说,字符串在磁盘上的保存形式也是01的组合,也需要编码解码。
如果,上面的阐述还不能让你搞清楚两者的区别,那么记住下面两几句话:
- 在将字符串存入磁盘和从磁盘读取字符串的过程中,Python自动地帮你完成了编码和解码的工作,你不需要关心它的过程。
- 使用bytes类型,实质上是告诉Python,不需要它帮你自动地完成编码和解码的工作,而是用户自己手动进行,并指定编码格式。
- Python已经严格区分了bytes和str两种数据类型,你不能在需要bytes类型参数的时候使用str参数,反之亦然。这点在读写磁盘文件时容易碰到。
在bytes和str的互相转换过程中,实际就是编码解码的过程,必须显式地指定编码格式。
1 #!/usr/bin/env python3 2 # -*-coding:utf-8-*- 3 4 """ 5 @author:fyh 6 @time:2019/5/31 7 """ 8 # gbk编码的bytes 9 b = bytes('中国', encoding='gbk') 10 print(b) # b'\xd6\xd0\xb9\xfa' 11 print(type(b)) # <class 'bytes'> 12 13 str1 = str(b) 14 print(str1) # b'\xd6\xd0\xb9\xfa' 15 print(type(str1)) # <class 'str'> 16 17 # 指定编码格式 18 str2 = str(b, encoding='gbk') 19 print(str2) # 中国 20 print(type(str2)) # <class 'str'> 21 22 # 再把字符串str2转换为utf8编码格式的bytes类型: 23 b2 = bytes(str2, encoding='utf8') 24 print(b2) # b'\xe4\xb8\xad\xe5\x9b\xbd' 25 print(type(b2)) # <class 'bytes'>
2.3 encode和decode
上面说过了,python3默认的编码时Unicode,用字符串表示,二进制数据由bytes类型表示。
- encode:将str转换为bytes,是一个编码的过程
- decode:将bytes转换为str,是一个解码的过程
1 #!/usr/bin/env python3 2 # -*-coding:utf-8-*- 3 4 """ 5 @author:fyh 6 @time:2019/5/31 7 """ 8 9 """ 10 其中decode()与encode()方法可以接受参数, 其声明分别为: 11 bytes.decode(encoding="utf-8", errors="strict") 12 str.encode(encoding="utf-8", errors="strict") 13 14 其中 encoding是指在解码/编码(动词)过程中使用的字符编码(名词) 15 16 errors是指错误的处理方案,errrors参数默认值是strict(严格的)意味着如果编解码出错将会抛出UnicodeError 17 18 如果想忽略编解码错误 可以将errors设置为ignore 19 """ 20 21 22 # 编码 encode 23 str1 = "中国" 24 25 str1_utf8 = str1.encode(encoding='utf8') 26 print(str1_utf8) # b'\xe4\xb8\xad\xe5\x9b\xbd' 27 print(type(str1_utf8)) # <class 'bytes'> 28 29 str1_gbk = str1.encode(encoding="gbk") 30 print(str1_gbk) # b'\xd6\xd0\xb9\xfa' 31 print(type(str1_gbk)) # <class 'bytes'> 32 33 34 # 解码 decode 35 str2 = str1_utf8.decode(encoding="utf8") 36 print(str2) # 中国 37 print(type(str2)) # <class 'str'> 38 39 str3 = str1_gbk.decode(encoding="gbk") 40 print(str3) # 中国 41 print(type(str3)) # <class 'str'>
ps:编码和解码时,对应的编码方式要一致
ps:对数据的编码解码工作是通过返回值查看到最终结果的,前面的数据对象并不受影响
原文链接:https://www.cnblogs.com/fengyuhao/p/11132635.html
如有疑问请与原作者联系
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
上一篇:python列表一
- python3基础之“术语表(2)” 2019-08-13
- python3 之 字符串编码小结(Unicode、utf-8、gbk、gb2312等 2019-08-13
- Python3安装impala 2019-08-13
- 小白如何入门 Python 爬虫? 2019-08-13
- python_字符串方法 2019-08-13
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash