[笨鸟先飞]-python入门学习教程（二）

Python基础概念之数据类型与字符串编码

数据类型

计算机能处理的远不止数值，还可以处理文本、图形、音频、视频、网页等各种各样的数据，不同的数据，需要定义不同的数据类型。在Python中，能够直接处理的数据类型有以下几种：
整数：python可以处理任意大小的整数。
浮点数：浮点数即为小数，只是按照科学计数法来说的话，小数点的位置会发生改变被称为浮点数，存在着四舍五入的误差。
字符串:字符串以单引号

'

或双引号

"

括起来的任意文本，比如

'123'

，

"abc"

等等,如果字符串内包含'与"可以采用转义符\来表示。比如：
print('what\'s\"wrong\"?')
what's"wrong"?布尔值：布尔值和布尔代数的表示完全一致，一个布尔值只有

True

、

False

两种值，要么是

True

，要么是

False，布尔值可以用
and
、[code]or

和

not

运算。[/code]3>2
True
5>6
False
3>2 and 5>4
True
3>2 or 5<1
True
not1>2
True
空值：空值不为0,为none。
字符串与编码
字符串是一种数据类型，但是其比较特殊的是其编码问题计算机只能处理数字，必须先把文本转化为数字才能进行处理，最早采用8比特作为一个字节，计算机是美国人发明的，最早的127个字符编码到计算机的编码表被称为ASCII编码。在处理中文时，中国制定了GB2312编码。当世界各国为自己本国的语言制定各种标准时，就会出现各种乱码情况。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是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，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。
其作用就是能够使计算机实现跨语言、跨平台的文本转换及处理，Unicode 编码系统，可分为编码方式和实现方式两个层次。

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，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。
所以，本着节约的精神，又出现了把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。

搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在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：



所以你看到很多网页的源码上会有类似

<meta charset="UTF-8" />

的信息，表示该网页正是用的UTF-8编码。
Python字符串
Python中的字符串是以unicode编码的，支持多种语言。
例如：print('我爱你一万年python!')
我爱你一万年python!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：
例如：ord('B')
66
ord('我')
25105
chr(520)
'Ȉ'
由于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'

要注意区分

'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。
以Unicode表示的

str

通过

encode()

方法可以编码为指定的

bytes

，例如：

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

要计算

str

包含多少个字符，可以用

len()

函数：

>>> len('abcdefg')
7
>>> 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

由于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。
格式化

python中如何输出格式化的字符串。
例如：'Hello, %s' % 'world'
'Hello, world'
'hello,%s,you score %d.'%('jack',99)
'hello,jack,you score 99.'