2.3 字符串和编码

2.3.1 字符串

字符串也是一种数据类型，甚至有可能是Python里最为常见的数据类型。我们可以通过在引号间包含字符的方式来创建字符串变量。

例2-10 字符串类型赋值

Python里面没有字符这个类型，用长度为1的字符串来表示这个概念，这一点和C语言不同。另外，前面提到单引号和双引号是用来定义字符串的特殊符号，那么问题来了，如果我们想要输出单引号''或者双引号""到屏幕上该怎么办？答案很简单，使用反斜线符号“\”，也叫作转义符。

例2-11 转义字符

不光是双引号""和单引号''可以这样操作，其他的符号也可以通过前置“\”进行转义，所以反斜线又被称为转义符号，表2-1罗列了常用的转义形式。转义符的格式通常是“\”加上某个字母，比如“\ b”是退格、“\ r”表示的是回车，“\ n”表示换行的意思等。

使用双引号""或者单引号''定义字符串时不可以换行。如果字符串内容必须跨行，可以使用三重引号，在三重引号之间输入任何内容，在最后字符串会照单全收，包括换行、缩进等。

例2-12 三重引号用法

2.3.2 编码

说到字符串，就不得不提一下编码问题。为什么呢？因为无论以什么形式存储在内存中的编码，写入在硬盘上都是二进制，所以编码不对，程序就会出错。常见编码有ASCII编码（美国）、GBK编码（中国）、shift_JIS编码（日本）和Unicode（统一编码）等。

Python 2.x默认的字符编码是ASCII，默认的文件编码也是ASCII。

Python 3.x默认的字符编码是Unicode，默认的文件编码是UTF-8。

ASCII使用一个字节表示一个字符，而Unicode需要2个字节，这样对于英文的文本而言，存储空间就多出了一倍，于是就有了UTF-8（可变长存储，Unicode Transformation Format）。UTF-8简称万国码，可以显示各种语言，如中文、英文、日文、韩文等。UTF-8编码中英文字符只使用1字节表示，中文字符用3字节，其他生僻字使用需要更多的字节存储。如果想要中国的软件可以正常在美国的计算机上运行，就需要下面两种方法：一是让美国的计算机都装上GBK编码；二是让我们的软件编码以UTF-8编码。

第一种方法显然不现实。相对而言，第二种方法要简单一些，但是也只能针对新开发的软件，如果之前开发的软件就是以GBK编码写的，上百万行代码已经写好了，那又该如何处理呢？这些都难不倒聪明的程序员们，他们针对已经用GBK开发的软件项目，利用Unicode的一个包含了全球所有国家语言编码的映射关系的功能，实现了编码转换。所以，目前无论以什么编码存储的数据，只要我们的软件把数据从硬盘上读到内存，转成Unicode就可以正确地显示出来。由于所有的系统、编程语言都默认支持Unicode，所以我们的GBK编码软件放在美国计算机上，加载到内存里面，变成了Unicode，中文就可正常展示了。

总结上面的转码过程：decode（"UTF-8"）解码-> unicode-> encode（"gbk"）编码。

2.3.3 字符串操作

我们已经掌握了很多关于字符串的赋值方法，这是Python数据结构最基本的属性，但仍然有很多复杂的操作特性值得挖掘，下面我们就来详细讨论一下。

1.切片操作

切片操作，顾名思义，就像是给蔬菜切片一样的方式来处理字符串。

例2-13 字符串切片

首先将“Python从小白到大牛”作为内容赋予字符串变量str1，这个变量包括6个英文字母和6个汉字，一共12个字符。然后对变量str1进行切片操作，截取第0个地址至第6个字节之间的内容，就是Python，接着进行下一步切片操作，获取第7至第12个字符，也就是“从小白到大牛”。str1［:1］表示切片的起始位置为空，仅设置了终止位置为6，则和str1［0:6］的结果一样。

注意一点，切片的起始位置是从0开始的，而不是1，可以思考一下原因，后面我们会在列表、字典等章节中介绍。

2.字符串拼接

拼接，就像是小朋友玩的拼字游戏一样，字符串可以用+号连接起来，还可以用*重复输出。

例2-14 字符串拼接和复制

3.字符串运算符

除了拼接字符串时用+号或者*号以外，还有适用于其他功能的运算符，比如用于获取字符串片段的索引运算符［］和切片运算符，以及用于判断元素是否存在的成员运算符in和not in。字符串运算符见表2-2。

先创建两个变量a="人生苦短，"和b="我用python。"，然后逐一测试表2-2中的运算符。

例2-15 字符串运算符

注意，其中运算符in和not in返回的是布尔值True和False，这两个运算符经常和循环语句配合使用。

4.字符串格式化

Python也支持格式化字符串输出，基本用法是将一个值插入到一个有字符串格式符%s的内容中，听起来有点绕口，请看下面示例。

例2-16 字符串格式化

这种格式看起来很简单，但是可以演化出非常复杂的显示结构，是一个非常实用的技巧。

5.字符串内建函数

Python自带很多内置函数用于操作字符串，由于篇幅有限，这里只介绍一些非常实用的内置函数。

● find()函数：可以在一个较长的字符串中查找某一个或几个字符，返回字串所在位置的最左端索引，如果什么都没有找到，则返回-1。

例2-17 查找特定字符

● split()函数：根据某个特定字符或者符号来分割字符串，如果不提供分割符，默认空格作为分割符。

例2-18 分割字符串

分割字符串函数除了split()函数以外，还有一个join函数，它与split()的函数用法相反，join()用来连接字符串。

● lower()：返回字符串的小写字母表。在不想区分大小写的地方十分有用。

● upper()：将所有字母大写，与lower()相对应。

● title()：将字符串转换为标题，也就是单词首字母大写，而其余的小写。

例2-19 字符串首字母小写和大写

● replace()：返回某字符串的所有匹配项均被替换之后得到的字符串。

例2-20 字符串替换

● index()：从序列中查找某个元素的第一个匹配项的索引位置，没有查找到就报错。与find()类似，但是find()只对字符串有效，而find()对序列都有效。

例2-21 字符串索引

● startswith()：判定字符串是否是以指定的字符开头，返回布尔值，可以指定检测范围。

例2-22 判断开头字符

与之相对应的是endswith()，用于判断字符串是否以指定的字符结尾，返回布尔值，可以指定检测范围。

最后介绍移除字符串的方法，移除指定字符串有三种方法。strip()用于移除字符串首位指定的字符，默认删除空格；lstrip()用于移除左侧的指定字符；rstrip()用于移除右侧的指定字符。

例2-23 移除指定字符串

内置函数有很多，我们没有必要全部记下来，什么时候有需要，可以去官网上查看其用法就够了。