Python(2.7)-字符串

2.1字符串（string）

        

2.1.1字符编码

                每个国家定义自己的字符集时，一般字符集和编码都统一定义了。例如：GBK/GB2312/ASCII 除了字符集的含义也包含了编码格式含义；但是unicode字符集包含UTF-8编码和UTF-16编码

附：编码相关介绍链接

http://blog.csdn.net/softwarenb/article/details/51994943

http://www.cnblogs.com/huxi/articles/1897271.html

2.1.1.1编码类型

1、美国人首先对其英文字符进行了编码，也就是最早的ascii码，用一个字节的低7位来表示英文的128个字符，高1位统一为0；

2、后来欧洲人发现这128位不够用，比如法国人字母上面的还有注音符，这个怎么区分，于是把高1位编了进来，这样欧洲普遍使用一个全字节进行编码，最多可表示256位。欧美人字符少，编码用得位数少；

3、但是即使位数少，不同国家地区用不同的字符编码，虽然0--127表示的符号是一样的，但是128--255这一段的解释完全乱套了，即使2进制完全一样，表示的字符也完全不一样，比如135在法语，希伯来语，俄语编码中完全是不同的符号；

4、更麻烦的是，电脑高科技传到中国后，中国有10万多个汉字，欧美这256字塞牙缝都不够。于是就发明了GBK、GB2312这些汉字编码，典型的用2个字节来表示绝大部分的常用汉字，最多可以表示65536个汉字字符，这样就不难理解有些汉字可以在新华字典里查得到，但是电脑上如果不处理一下就显示不出来。

5、但是各用各的字符集编码，这世界咋统一？俄国人发封email给中国人，两边字符集编码不同，显示都是乱码啊。为了统一，于是就发明了unicode，将世界上所有的符号都纳入其中，每一个符号都给予一个独一无二的编码，现在unicode可以容纳100多万个符号，每个符号的编码都不一样，这下就统一了，所有语言都可以互通，一个网页页面里可以同时显示各国文字。

6、然而，unicode虽然统一了全世界字符的二进制编码，但没有规定如何存储。x86和amd体系结构的电脑小端序和大端序都分不清，别提计算机如何识别到底是unicode还是acsii了。如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，文本文件的大小会因此大出二三倍，这对于存储来说是极大的浪费。这样导致一个后果：出现了Unicode的多种存储方式。

7、互联网的兴起，网页上要显示各种字符，必须统一。utf-8就是Unicode最重要的实现方式之一。另外还有utf-16、utf-32等。UTF-8不是固定字长编码的，而是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。这是种比较巧妙的设计，如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

8、注意unicode的字符编码和utf-8的存储编码表示是不同的，例如"严"字的Unicode码是4E25，UTF-8编码是E4B8A5，这个7里面解释了的，UTF-8编码不仅考虑了编码，还考虑了存储，E4B8A5是在存储识别编码的基础上塞进了4E25。

9、UTF-8 使用一至四个字节为每个字符编码。128 个 ASCII 字符（Unicode 范围由 U+0000 至 U+007F）只需一个字节，带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及马尔代夫语（Unicode 范围由 U+0080 至 U+07FF）需要二个字节，其他基本多文种平面（BMP）中的字符（CJK属于此类-Qieqie注）使用三个字节，其他 Unicode 辅助平面的字符使用四字节编码。 

10、常规来看，中文汉字在utf-8中到底占几个字节，一般是3个字节，最常见的编码方式是1110xxxx 10xxxxxx 10xxxxxx。

1)      Ascii：美国标准信息交换代码：256位，65-90（A-Z）/97-122(a-z) /48-57(0-9)

#Ascii码与字符互换

>>> chr(65)

'A'

>>> ord("A")

65

#按顺序输出所有大写字母

a=""

for i in range(65,91):

    a+=chr(i)

print a

#判断一个句子中包含多少个字母

letters=""

for s in range(65,65+26):

     letters+=chr(s)+chr(s+32)

print letters

content=raw_input("please input a sentence:")

#please input a sentence:I am a boy!

letter_count=0

for s in content:

     if s in letters:

         letter_count+=1

print letter_count

#简单加密，输入一个字母，输出字母表中后4位的字母，比如输入a，要求输出e，输入w，要求输出a

a= raw_input("please input a letter:")

if ord(a)<=85 and ord(a)>64:

    #print ord(a)

    print chr(ord(a)+4)

elif ord(a)<=117 and ord(a)>96:

    #print ord(a)

    print chr(ord(a)+4)

elif ord(a)>86 and ord(a)<90:

    print ord(a)

    print chr(ord(a)-22)

elif ord(a)>118 and ord(a)<122:

    #print ord(a)

    print chr(ord(a)-22)

else:

    print "error"

2)      Gbk/gb2312:中文字符编码集。Gb2312范围大，包含生僻字

3)      Unicode:全世界范围内的字符编码集。编码格式包含utf-8（1-3位字节存储一个汉字或者其他字符，完全兼容ascii的256个字符）和utf-16(2个字节存储一个汉字，大小尾)、utf-32(4个字节存储一个汉字，比较占内存)

2.1.1.2默认编码

1)      查看默认编码

decode()默认编码为acsii

Python的默认编码为ACSII。

import sys

sys.getdefaultencoding()--->获取默认编码

2)      修改默认编码(不是永久生效)

import sys

reload(sys)

sys.setdefaultencoding(‘utf-8’)

2.1.1.3 unicode和str转换

       str.decode(“utf8”):将str类型字符串解码为unicode类型

>>> a="pangwei"

>>> type(a)

<type 'str'>

>>> b=a.decode("utf8")

>>> type(b)

<type 'unicode'>

>>> 

u”str”.encode(“gbk”):将unicode类型字符串编码为str类型

>>> b=u"pangwei"

>>> type(b)

<type 'unicode'>

>>> c=b.encode("gbk")

>>> type(c)

<type 'str'>

>>> 

2.1.1.4 查看编码

import chardet  
import urllib  
  
#可根据需要，选择不同的数据  
TestData = urllib.urlopen('http://www.baidu.com/').read()  
print chardet.detect(TestData)

2.1.2原始字符串(r”str”)和unicode字符串(u”str”)

r”str”: 所有的字符串都是直接按照字面的意思来使用，没有转义特殊或不能打印的字符。原始字符串除在字符串的第一个引号前加上字母“ r ”（不区分大小写）以外，与普通字符串有着几乎完全相同的语法。

>>> print "adjfsf dasd"

adjfsf

dasd

>>> print r"adjfsf dasd"

adjfsf dasd

>>> 

       u”str”:unicode字符串，在字符串前面加一个字符u（不区分大小写）,u”str”等价于”str”.decode(“utf8”)

>>> a=u"dasfd"

>>> type(a)

<type 'unicode'>

>>> a="dasfd"

>>> b=a.decode("utf8")

>>> type(b)

<type 'unicode'>

>>> 

2.1.3换行、转义

       （在行尾时）：续行符

>>> print "abc       

... abc"

abc       abc

>>> 

      ：退格(backspace),删除前面一个字符

>>> print "abcabv"

ababv

>>> 

00：空

>>> print "abc00abv"

abc abv

     

：换行

>>> print "abc abv"

abc

abv

>>> 

：横向制表符，制表符前面的字符串占八个字符长度，不够的用空格填充，一般用于对齐表格的各列

>>> print "abc abv"

abc     abv

>>> print(u"学号 姓名 语文 数学 英语")

学号    姓名    语文    数学    英语

>>> print(u"2017001 曹操 99 88 0")

2017001 曹操    99      88      0

>>> print(u"2017002 周瑜 92 45 93")

2017002 周瑜    92      45      93

>>> print(u"2017008 黄盖 77 82 100")

2017008 黄盖    77      82      100

2.1.4字符串运算

       “str1”+”str2”:字符串连接

>>> a="hello"

>>> b="python"

>>> a+b

'hellopython'

      “str1”*num:重复输出字符串

>>> a

'hello'

>>> a*3

'hellohellohello'

>>> 

2.1.5切片操作sequence[a:b:c]

sequence[a:b:c]:可以对字符串、元组、列表等序列进行切片操作,其中a,b,c为三个非必填的参数，a表示操作的起始索引位置，b表示操作的终止索引位置，c代表步长；c的默认值为1

a=”abcdefghij”

a[0] >>>'a'

a[0:3] >>> 'abc'

a[3:] >>>'defghij'

a[:3] >>>'abc'

a[0:10:2] >>> 'acegi'

a[::-1] >>> 'jihgfedcba'

a[-1:] >>> 'j'

a[:-1] >>> 'abcdefghi'       #从第一个元素开始取值，取到倒数第一个元素，等价于a[0:-1]

a[-2:-8:-2] >>> 'ige'    #从倒数第二个数8开始取值，取到倒数第八个数2，步长为-2(倒着每隔两个元素取一个)

a[-2:-8:2] >>>''

2.1.6字符串格式化

>>> name="pangwei"

>>> age=25

>>> print "my name is %s and age is %s"%("name","age")

my name is name and age is age

>>> print "my name is %s and age is %s"%(name,age)

my name is pangwei and age is 25

>>> print "my name is %s and age is %d"%(name,age)

my name is pangwei and age is 25

>>>

2.1.7字符串常用方法

2.1.7.1 去掉字符串左右的空格（符号）

      s.strip([chars]): 将S前后指定的字符串chars去掉，如果不带参数，把默认为把S前后所有的空白字符全部去掉，包括’ ’ , ‘ ’ , ‘ ’ , ’ ’等不可见字符串

       s.lstrip([chars])：将S左边指定的字符串chars去掉

       s.rstrip([chars])：将S右边指定的字符串chars去掉

>>> a="  pangwei abc *  "

>>> a.strip()

'pangwei abc *'

>>> a.lstrip()

'pangwei abc *  '

>>> a.rstrip()

'  pangwei abc *'

>>> a="**  pangwei abc **"

>>> a.strip("*")

'  pangwei abc '

>>> 

2.1.7.2 字符串大小写互换

      s.lower()：将字符串s中的大写字母转换为小写字母输出，字符串是不可变类型

>>> a="My name is Pangwei"

>>> a.lower()

'my name is pangwei'

>>> a

'My name is Pangwei'

>>> 

函数实现：

def StrLower(s):

    result=[]

    if isinstance(s,(str,unicode,basestring)):       

        for i in s:

            if i>="A" and i<="Z":

                result.append(chr(ord(i)+32))

            else:

                result.append(i)

    return "".join(result)

print StrLower("My name is Pangwei")

s.upper()：将s中的小写字母转换为大写字母

>>> a="My name is Pangwei"

>>> a.upper()

'MY NAME IS PANGWEI'

>>> a

'My name is Pangwei'

>>> 

 

s.swapcase()：将s中的字母大小写互换

>>> a="My name is Pangwei"

>>> a.swapcase()

'mY NAME IS pANGWEI'

>>> a

'My name is Pangwei'

>>> 

 

s.capitalize()：将s中的首个字母转换为大写；注意：此方法会将s中除首字母之外的其他大写字母转换为小写

>>> a="My name is Pangwei"

>>> a.capitalize()

'My name is pangwei'

>>> a

'My name is Pangwei'

>>> 

 

string.capwords(s)：将s中每一个单词的首字母转换为大写，这是string模块中的方法，使用时需要引入string包；

>>> a="My name is Pangwei"

>>> import string

>>> string.capwords(a)

'My Name Is Pangwei'

>>> a

'My name is Pangwei'

>>> 

 

 

s.title()：将s中每一个单词的首字母转换为大写; 注意：此方法会将s中除每个单词首字母之外的其他大写字母转换为小写

>>> a="My name is Pangwei"

>>> a.title()

'My Name Is Pangwei'

>>> a

'My name is Pangwei'

>>> 

 

2.1.7.3 字符串对齐

s.ljust(width,[fillchar]):输出width个字符，S左对齐，不足部分用fillchar填充，默认为空格。

s.rjust(width,[fillchar]):输出width个字符，S右对齐，不足部分用fillchar填充，默认为空格。

s.center(width,[fillchar]):输出width个字符，S居中对齐，不足部分用fillchar填充，默认为空格。

s.zfill(width):把s的长度变成width，并右对齐，不足部分用0补足

>>> a="pangwei"

>>> a.ljust(10,"*")

'pangwei***'

>>> a.rjust(10)

'   pangwei'

>>> a.center(10,"-")

'-pangwei--'

>>> a.zfill(12)

'00000pangwei'

>>> 

2.1.7.4 字符串查找

s.find(substr,[start,[end]]):在指定的范围内查找子字符串出现的位置，返回s中出现substr的第一个字母的索引标号，如果s中没有substr则返回-1，start和end表示在s[start,end]中搜索；

s.index(substr,[start,[end]]):与find用法基本一致，区别在于index找不到时会返回一个运行错误

>>> a="My name is pangwei"

>>> a.find(a)

0

>>> a.find("a")

4

>>> a.find("name")

3

>>> a.find("meis")    #找不到返回-1

-1

>>> a.index("name")

3

>>> a.index("meis")      #找不到会报错

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

ValueError: substring not found

>>> 

s.rfind(substr,[start,[end]]):在指定的范围内，从右侧开始查找子字符串出现的位置，返回找到的第一个substr的第一个字母的索引标号，如果s中没有substr则返回-1，start和end表示在s[start,end]中搜索，与s.find()的区别在于，它从end开始，从右往左遍历查找；

s.rindex(substr,[start,[end]]):与find用法基本一致，区别在于index找不到时会返回一个运行错误

>>> a="boy boy boy"

>>> a.rfind("boy",3)

8

>>> a.rfind("boy",9)

-1

>>> a.rfind("boy",3,7)

4

>>> 

2.1.7.5 字符串替换

s.replace (oldstr,newstr,[count]):把s中的oldstr用newstr替换，count为替换的次数，默认为全部替换

>>> a

'boy boy boy'

>>> a.replace("bo","j")

'jy jy jy'

>>> a.replace("bo","j",1)

'jy boy boy'

>>> 

string.marktrans(from,to):string包中的方法;返回一个256个字符组成的翻译表，其中from中的字符会被一对一的替换为to中的字符，所以from和to的长度必须一致

s.translate(table[,delchars])：使用string.marktrans产生的翻译表，把字符串s进行翻译，并把delchars中有的字符删掉。注意：如果s为unicode字符串，那么就不支持delchars参数。

>>> import string

>>> map=string.maketrans("abcde","12345")

>>> a="my name is pangwei"

>>> a.translate(map,"wg")  #用翻译表替换a中对应的元素，并去掉’wg’

'my n1m5 is p1n5i'

>>> 

      s.expandtabs([tabsize]):将字符串中的tab( )字符替换为空格，每个tab替换为tabsize个空格

>>> a="boy      boy             boy"

>>> a.expandtabs(1)

'boy boy  boy'

>>> a.expandtabs(3)

'boy   boy      boy'

2.1.7.6 字符串的分割

s.split([sep,[maxsplit]]):以sep为分割符，将字符串s分割为一个list，maxsplit为分割次数，默认为按空格分割

s.splitlines():以行（ ）为分割符分割字符串

s.rsplit():从右侧开始，对字符串进行分割

>>> a="my name is pangwei"

>>> a.split()

['my', 'name', 'is', 'pangwei']

>>> a.rsplit(" ",2)

['my name', 'is', 'pangwei']

>>> b="my*name*is*pangwei"

>>> b.split("*")

['my', 'name', 'is', 'pangwei']

>>> 

2.1.7.7 将列表拼接为字符串（”sep”.join(list)）

”sep”.join(list):以sep为拼接符，将list中元素拼接为一个字符串

>>> a=['my', 'name', 'is', 'pangwei']

>>> "".join(a)

'mynameispangwei'

>>> " ".join(a)

'my name is pangwei'

>>> "*".join(a)

'my*name*is*pangwei'

>>> 

2.1.7.8 字符串统计

s.count(substr, [start, [end]]):统计substr在s中出现的次数；start和end表示在s[start,end]范围中统计

>>> a="boy boy my name is pangwei"

>>> a.count("y")

3

>>> a.count("boy",2)

1

>>> 

2.1.8 常用的字符串判断

 

s.startswith(str):判断字符串s是否是以某个字符串（str）开头

       s.endswith(str):判断字符串s是否是以某个字符串（str）结尾

      str in/not in s:判断字符串s中是否存在某个字符串(str)

>>> a="my name is pangwei"

>>> a.startswith("my name")

True

>>> a.endswith("my")

False

>>> "pangwei" in a

True

>>> "name" not in a

False

>>> 

      s.isalpha():如果字符串s中全都是字母并且至少有一个字符（非空）,则返回True，否则返回False

>>> a

'my name is pangwei'

>>> b="pangweipangwei"

>>> a.isalpha()

False

>>> b.isalpha()

True

>>> 

s.isalnum():如果字符串s中全都是字母或者数字并且至少有一个字符（非空）,则返回True，否则返回False

>>> a="pangwei123"

>>> b="pangwei *s32"

>>> c="23123"

>>> a.isalnum()

True

>>> b.isalnum()

False

>>> c.isalnum()

True

>>>

s.isdigit():如果字符串s中全都是由数字组成并且至少有一个字符（非空）,则返回True，否则返回False

>>> a="12332"

>>> b="123 342"

>>> c=""

>>> a.isdigit()

True

>>> b.isdigit()

False

>>> c.isdigit()

False

>>> 

s.isspace():如果字符串s中全都是空格并且至少有一个字符（非空）,则返回True，否则返回False

>>> a="   "

>>> a.isspace()

True

>>> 

s.islower():如果字符串s中的字母全都是小写并且至少有一个字母,则返回True，否则返回False

>>> a="abcdefg"

>>> b="abcAns"

>>> c="an sda"

>>> a.islower()

True

>>> b.islower()

False

>>> c.islower()

True

>>> 

s.isupper():如果字符串s中的字母全都是大写并且至少有一个字母,则返回True，否则返回False

>>> a="ABCDFG"

>>> b="ACD DF"

>>> c="ACD cSd"

>>> a.isupper()

True

>>> b.isupper()

True

>>> c.isupper()

False

>>> 

s.istitle():如果字符串s中所有单词首字母都是大写，其他字母都是小写并且至少有一个字母,则返回True，否则返回False

>>> "My name is Pangwei".istitle()

False

>>> "My Name Is Pangwei".istitle()

True

>>> "My Name Is PangWei".istitle()

False

>>>