桐花万里python路-基础篇-04-字符编码及字符串格式化

• ASCII
  • American Standard Code for Information Interchange，美国标准信息交换代码，
    
  • 是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言，其最多只能用 8 位来表示（一个字节），即：2**8 = 256-1，所以，ASCII码最多只能表示 255 个符号
• GB2312
  • 为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5
  • GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号
  • 1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符。2000年的 GB18030是取代GBK1.0的正式国家标准
  • 现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求。所以手机、MP3一般只支持GB2312
  • 有的中文Windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到的，通常我们还是用GBK指代中文Windows内码
• Unicode
  • 统一码、万国码、单一码
    
  • 为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，规定虽有的字符和符号最少由 16 位来表示（2个字节），即：2 **16 = 65536
  • UTF-8
    • 是对Unicode编码的压缩和优化，他不再使用最少使用2个字节，而是将所有的字符和符号进行分类：ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存
    • py2是默认的ASCII编码，所以默认的在头部声明编码格式为utf-8以支持中文等字符

      #!/usr/bin/env python
      # -*- coding: utf-8 -*-
        
      print "你好，世界"

    • unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)， so utf-16就是现在最常用的unicode版本， 不过在文件里存的还是utf-8，因为utf8省空间
    • 在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string
• 字符串
  • 格式化输出
    • Python使用一个字符串作为模板。模板中有格式符，这些格式符为真实值预留位置，并说明真实数值应该呈现的格式。Python用一个tuple将多个值传递给模板，每个值对应一个格式符

      print("I'm %s. I'm %d year old" % ('Vamei', 99))

    • 格式符为真实值预留位置，并控制显示的格式。格式符可以包含有一个类型码，用以控制显示的类型

      %s    字符串 (采用str()的显示)
      
      %r    字符串 (采用repr()的显示)
      
      %c    单个字符
      
      %b    二进制整数
      
      %d    十进制整数
      
      %i    十进制整数
      
      %o    八进制整数
      
      %x    十六进制整数
      
      %e    指数 (基底写为e)
      
      %E    指数 (基底写为E)
      
      %f    浮点数
      
      %F    浮点数，与上相同
      
      %g    指数(e)或浮点数 (根据显示长度)
      
      %G    指数(E)或浮点数 (根据显示长度)
      
      %%    字符"%"

    • 语法模板

      '''
      %[(name)][flags][width].[precision]typecode
      
      (name)为命名
      
      flags可以有+,-,' '或0。+表示右对齐。-表示左对齐。' '为一个空格，表示在正数的左侧填充一个空格，从而与负数对齐。0表示使用0填充。
      
      width表示显示宽度
      
      precision表示小数点后精度
      '''
      print("%+10x" % 10)
      print("%04d" % 5)
      print("%6.3f" % 2.3)
      
      #Python实际上用4来替换*。所以实际的模板为"%.4f"
      print("%.*f" % (4, 1.2))
      
      #在八进制数前面显示零(0)，在十六进制前面显示"0x"或者"0X"（取决于用的是"x"还是"X"）
      num = 100

      print "%d to hex is %x" %(num, num)
      print "%d to hex is %X" %(num, num)
      print "%d to hex is %#x" %(num, num)
      print "%d to hex is %#X" %(num, num) 

    • 内建函数format()

      • Python2.6开始，新增了一种格式化字符串的函数str.format()，通过这个函数同样可以对字符串进行格式化处理。在format()函数中，使用“{}”符号来当作格式化操作符

        # 位置参数
        print "{0} is {1} years old".format("Wilber", 28)
        print "{} is {} years old".format("Wilber", 28)
        print "Hi, {0}! {0} is {1} years old".format("Wilber", 28)
        
        # 关键字参数
        print "{name} is {age} years old".format(name = "Wilber", age = 28)
        
        # 下标参数
        li = ["Wilber", 28]
        print "{0[0]} is {0[1]} years old".format(li)
        
        # 填充与对齐
        # ^、<、>分别是居中、左对齐、右对齐，后面带宽度
        # :号后面带填充的字符，只能是一个字符，不指定的话默认是用空格填充
        print '{:>8}'.format('3.14')
        print '{:<8}'.format('3.14')
        print '{:^8}'.format('3.14')
        print '{:0>8}'.format('3.14')
        print '{:a>8}'.format('3.14')
        
        # 浮点数精度
        print '{:.4f}'.format(3.1415926)
        print '{:0>10.4f}'.format(3.1415926)
        
        # 进制
        # b、d、o、x分别是二进制、十进制、八进制、十六进制
        print '{:b}'.format(11)
        print '{:d}'.format(11)
        print '{:o}'.format(11)
        print '{:x}'.format(11)
        print '{:#x}'.format(11)
        print '{:#X}'.format(11)
        
        # 千位分隔符
        print '{:,}'.format(15700000000)