Python中关于字符串和编码的常用函数

一.  单个字符编码

ord()：函数获取字符的整数表示

ord('Z') # 值为：90

chr()：函数把编码转换为对应的字符

chr(24352)# 值为：'张'

二.  str转bytes

由于Pythson的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。

Python对bytes类型的数据用带b前缀的单引号或双引号表示：

x = b'ABC'
#要注意区分'ABC'和b'ABC'，前者类型是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。

以Unicode表示的str通过encode()方法可以编码为指定的bytes：

纯英文的str可以用ASCII编码为bytes

 'ABC'.encode('ascii') # 值为：b'ABC'

含有中文的str可以用UTF-8编码为bytes

 '中文'.encode('utf-8') # 值为：b'\xe4\xb8\xad\xe6\x96\x87'

含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。

 '中文'.encode('ascii') # 不可以这样使用，会报错

三.  bytes 转str

上面我们已经提到，由于Pythson的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法

 b'ABC'.decode('ascii')  # 值为'ABC'
 b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')   # 值为：'中文'

如果bytes中只有一小部分无效的字节，可以传入errors='ignore'忽略错误的字节：

 b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')  # 值为：'中'

要计算str包含多少个字符，可以用len()函数：

 len('ABC')   # 值为：3
 len('中文')  # 值为：2

len()函数计算的是str的字符数，如果换成bytes，len()函数就计算字节数：

len(b'ABC')  # 值为：3
len(b'\xe4\xb8\xad\xe6\x96\x87')  # 值为：6
len('中文'.encode('utf-8'))  # 值为：6

在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。

由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行：

#!/usr/bin/env python3  
#该注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；
# -*- coding: utf-8 -*- 
#该注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则你在源代码中写的中文输出可能会有乱码。

注意以上只是申明使用UTF-8编码，在用文本文档编写的时候需要我们手动调整成UTF-8 without BOM编码

四.  格式化

11.  %运算符用来格式化字符串。在字符串内部，%s表示用字符串替换，%d表示用整数替换，有几个%?占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个%?，括号可以省略。

 'Hello, %s' % 'world'#值为：'Hello, world'
'Hi, %s, you have $%d.' % ('Michael', 1000000)#值为：'Hi, Michael, you have $1000000.'

如果你不太确定应该用什么，%s永远起作用，它会把任何数据类型转换为字符串

同时，可以用%%来表示一个%

'你的成绩提高了%d%%!' % 50#值为：'你的成绩提高了50%!'

2.  format()

另一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}……

五.  参考资料

本文根据廖雪峰的官方网站：字符串和编码一文整理而成