[python基础]-05 字符串和编码

1.字符串编码历史及发展

1.1 计算机运作原理

计算机只能处理二进制数据：即0或者1，如果要处理的是文本，计算机会先把文本转换为计算机能识别的数字再进行处理

1.2 计算机中字节和比特关系及换算

计算机最早的设计是8bit(比特)作为一个byte(字节)，所以一个字节最大的整数为255,如果要表示更大的整数，就必须用更多的字节表示

一个字节最大的数值用二进制表示为：11111111
换算成十进制：1(2^7)+1(2^6)+1*(25)+1(2^4)+1(2^3)+1*(22)+1(2^1)+1(2^0)=255

1.3 ASCII编码

由于计算机是美国人发明的，所以最早只有127个字符被编码到计算机即：大小写字母、数字和一些符号，最早这套编码称为：ASCII编码。

1.4 GB2312编码

由于处理中文一个字节显然不够至少需要两个字节，并且不能和ASCII编码重冲突，所以中国就制定了GB2312把中文编进去。

1.5 多种编码出现导致的乱码问题

因为全世界存在很多种语言，日本将日文编码到shift_JIS里，韩国将韩文编码到Euc_kr里，每个国家都制定了自己的编码标准，那么如果一个多国家语言的文本，显示出来就会出现乱码

1.6 统一标准的Unicode编码应运而生

Unicode编码将所有语言都整合到一套标准里，这样就解决了乱码问题

但是由于Unicode编码常用的是两个字节表示一个字符，那么如果是纯英文文本，使用Unicode编码会比ASCII编码多一倍的存储空间

1.7 可变长的编码UTF-8

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
1.常用的英文字母被编码成1个字节
2.汉字通常是3个字节
3.只有生僻字符才会被编码成4-6个字节
使用UTF-8编码，对英文字符的传输相对Unicode就节省了很多空间

2.Python字符串

在Python2中常常使开发者头痛的问题就是字符串的编码问题，升级后的Python3解决了这个问题，Python3中字符串使用Unicode编码，即支持了多语言不出现乱码的问题。

3.格式化输出

3.1 第一种格式化方式 %

第一种格式化方式C语言一致，用%表示

>>>'hello %s,u age is %d' %('world',70)
'hello world,u age is 70'
%s %d %f %x表示占位符，有几个占位符，后面就要跟上几个变量或值，且顺序要对应
%s  替换内容：字符串
%d  替换内容：整数
%f  替换内容：浮点数
%x  替换内容：十六进制整数

3.2 第二种格式化方式 format()

使用format方法格式化字符串，传入的参数依次替换字符串内的占位符

>>>'hello,my name is {0},my age is {1},my height is {2}'.format('Tom',10,'100cm')
'hello,my name is Tom,my age is 10,my height is 100cm'