字符串

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

8个比特（bit）作为一个字节（byte），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。
两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

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

ASCII编码是1个字节，而Unicode编码通常是2个字节

字母A用ASCII编码是十进制的65，二进制的01000001；

字符0用ASCII编码是十进制的48，二进制的00110000，注意字符'0'和整数0是不同的；

汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101

问题又出现了：如果统一成Unicode编码，乱码问题从此消失。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。

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。
如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间

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：

很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码

python 编码

Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言
print("包含数据的string")

1，对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符

>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'

>>> '\u4e2d\u6587'
'中文'

Python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'
注意区分'ABC'和b'ABC'，前者是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。

>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。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。
在bytes中，无法显示为ASCII字符的字节，用\x##显示。

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')
b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')

如果bytes中包含无法解码的字节，decode()方法会报错
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')
'中'

计算str包含多少个字符，可以用len()函数：

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

1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

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
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
# -*- coding: utf-8 -*-

第一行注释是为了告诉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；
第二行注释是为了告诉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。
申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码：
如果.py文件本身使用UTF-8编码，并且也申明了# -- coding: utf-8 --，打开命令提示符测试就可以正常显示中文：

字符串格式化输出

在Python中，采用的格式化方式和C语言是一致的，用%实现

'Hi, %s, you have %s.' % ('Michael','ksks')
'Hi, %s, you have %s ， %s.' % ('Michael','ksks','skskjf')

%运算符就是用来格式化字符串的。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
常见的占位符有：
占位符 替换内容
%d 整数
%f 浮点数
%s 字符串
%x 十六进制整数

字符串里面的%是一个普通字符 需要转义，用%%来表示一个%：
'Hi, %s, you have %s ， %s, %%' % ('Michael','ksks','skskjf')

format()

另一种格式化字符串的方法
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}……

'Hello, {0}, 经济提升了 {1:.1f}%'.format('国建', 17.125)

#
"{3} {0} {2} {1} {3} {0}".format("be", "not", "or", "to") 

#命名字段:关键字参数的排列顺序无关
from math import pi
"{name} is approximately {value:.2f}.".format(value=pi, name="π") 

设置字符串的格式

1，替换字段名

 "{foo} {} {bar} {}".format(1, 2, bar=4, foo=3) 
#指定索引
 "{foo} {1} {bar} {0}".format(1, 2, bar=4, foo=3) 

字符串函数

print(str("hellow , \nworld"))  #特殊转义会解析

print(repr("hellow , \nworld")) #字面输出不解析

长字符串、原始字符串和字节

print('''hfklsjgkjfkhjfkljhklf.
kgjfkjhlskfjhl "heare "
,fksjl;;lfhl;
kfjg''')


输出：
hfklsjgkjfkhjfkljhklf.
kgjfkjhlskfjhl "heare "
,fksjl;;lfhl;
kfjg

##字符串本身可包含单引号和双引号，无需使用反斜杠进行转义

原始字符串:
原始字符串不能以单个反斜杠结尾。换而言之，原始字符串的最后一个字符不能是反斜杠，除非你对其进行转义（但进行转义时，用于转义的反斜杠也将是字符串的一部分）.
指定原始字符串时，可使用单引号或双引号将其括起，还可使用三引号将其括起

print(r"hksjkgk \n kjgklfjglk")