一文帶你了解Python中的字符串是什么
在《 詳解Python拼接字符串的七種方式 》這篇文章里,我提到過,字符串是程序員離不開的事情。后來,我看到了一個英文版本的說法:
There are few guarantees in life: death, taxes, and programmers needing to deal with strings.
它竟然把程序員處理字符串跟死亡大事并列了,可見這是多么命中注定……
回頭看其它文章,我發(fā)現(xiàn)這種說法得到了佐證,因為我在無意中已零零碎碎地提及了字符串的很多方面,例如:字符串讀寫文件、字符串打印、字符串不可變性、字符串Intern機制、字符串拼接、 是否會取消字符串 ,等等。而這些,還只能算字符串面目的冰山一角。
既然如此,那干脆再單獨寫寫Python的字符串吧。這篇內(nèi)容可能會很基(li)礎(chǔ)(lun),并不是什么“騷操作”或“冷知識”,權(quán)當是一份溫故而求知新的筆記。
1 Python字符串是什么?
根據(jù)維基百科定義:字符串是由零個或多個字符組成的有限序列。而在Python 3中,它有著更明確的意思: 字符串是由Unicode碼點組成的不可變序列 (Strings are immutable sequences of Unicode code points.)
字符串是一種序列,這意味著它具備序列類型都支持的操作:
# 以下的s、t皆表示序列,x表示元素 x in s # 若s包含x,返回True,否則返回False x not in s # 若s包含x,返回False,否則返回True s + t # 連接兩個序列 s * n # s復(fù)制n次 s[i] # s的索引第i項 s[i:j] # s切片從第i項到第j-1項 s[i:j:k] # s切片從第i項到第j-1項,間隔為k len(s) # s的長度 min(s) # s的最小元素 max(s) # s的最大元素 s.index(x) # x的索引位置 s.count(x) # s中出現(xiàn)x的總次數(shù)
字符串序列還具備一些特有的操作,限于篇幅,按下不表。預(yù)告一下,下一篇《 你真的知道Python的字符串怎么用嗎? 》將會展開介紹,敬請期待……
字符串序列是一種不可變序列,這意味著它不能像可變序列一樣,進行就地修改。例如,在字符串“Python”的基礎(chǔ)上拼接“Cat”,得到字符串“PythonCat”,新的字符串是一個獨立的存在,它與基礎(chǔ)字符串“Python”并沒有關(guān)聯(lián)關(guān)系。
basename = "Python" myname = basename + "Cat" id(basename) == id(myname) >>> False
# 作為對比,列表能就地修改 baselist = ["Python"] baselist.append("Cat") print(baselist) >>> ['Python', 'Cat']
字符串這種序列與其它序列(如列表、元組)的不同之處在于,它的“元素”限定了只能是Unicode碼點。Unicode碼點是什么呢?簡單理解,就是用Unicode編碼的字符。那字符是什么呢? 字符 是人類書寫系統(tǒng)的各類符號,例如阿拉伯數(shù)字、拉丁字母、中文、日文、藏文、標點符號、控制符號(換行符、制表符等)、其它特殊符號(@#¥%$*等等)。那Unicode編碼又是什么呢?Unicode別名是萬國碼、國際碼,它是一種適用性最廣的、將書寫字符編碼為計算機數(shù)字的標準。
總所周知,在最底層的計算機硬件世界里,只有0和1。那么,怎么用這個二進制數(shù)字,來表示人類的文化性的字符呢?這些字符數(shù)量龐大,而且還在日益增長與變化,什么樣的編碼方案才是最靠譜的呢?
歷史上,人類創(chuàng)造了多種多樣的字符編碼標準,例如ASCII(1963年)編碼,以西歐語言的字符為主,它的缺點是只能編碼128個字符;例如GB2312(1981年),這是中國推出的編碼標準,在兼容ASCII標準的基礎(chǔ)上,還加入了對日文、俄文等字符的編碼,但缺點仍是編碼范圍有限,無法表示古漢語、繁體字及更多書寫系統(tǒng)的字符。
Unicode編碼標準于1991年推出,至今迭代到了第11版,已經(jīng)能夠編碼146個書寫系統(tǒng)的130000個字符,可謂是無所不包,真不愧是“國際碼”。Unicode編碼其實是一個二進制字符集,它建立了從書寫字符映射成唯一的數(shù)字字符的關(guān)系,但是,由于各系統(tǒng)平臺對字符的理解差異,以及出于節(jié)省空間的考慮,Unicode編碼還需要再做一次轉(zhuǎn)換,轉(zhuǎn)換后的新的二進制數(shù)字才能作為 實際存儲及網(wǎng)絡(luò)傳輸時的編碼 。
這種轉(zhuǎn)換方式被稱為 Unicode轉(zhuǎn)換格式 (Unicode Transformation Format,簡稱為UTF),它又細分為UTF-8、UTF-16、UTF-32等等方式。我們最常用的是UTF-8。為什么UTF-8最常用呢?因為它是可變長度的編碼方案,針對不同的字符使用不同的字節(jié)數(shù)來編碼,例如編碼英文字母時,只需要一個字節(jié)(8個比特),而編碼較復(fù)雜的漢字時,就會用到三個字節(jié)(24個比特)。
二進制的編碼串可以說是給機器閱讀的,為了方便,我們通常會將其轉(zhuǎn)化為十六進制,例如“中”字的Unicode編碼可以表示成 0x4e2d ,其UTF-8編碼可以表示為 0xe4b8ad ,'0x'用于開頭表示十六進制,這樣就簡潔多了。不過,UTF-8編碼的結(jié)果會被表示成以字節(jié)為單位的形式,例如“中”字用UTF-8編碼后的字節(jié)形式是 \xe4\xb8\xad 。
Python中為了區(qū)分Unicode編碼與字節(jié)碼,分別在開頭加“u”和“b”以示區(qū)分。在Python 3中,因為Unicode成了默認編碼格式,所以“u”被省略掉了。
# 字符轉(zhuǎn)Unicode編碼 # Python3中,開頭的u被省略,b不可省略 hex(ord('中')) >>> '0x4e2d' hex(ord('A')) >>> '0x41' # 字符轉(zhuǎn)UTF-8編碼(encode) '中'.encode('utf-8') >>> b'\xe4\xb8\xad' 'A'.encode('utf-8') >>> b'A' # Unicode編碼還原成字符 chr(0x4e2d) >>> '中' chr(0x41) >>> 'A' # UTF-8編碼還原成字符(decode) b'\xe4\xb8\xad'.decode('utf-8') >>> '中' b'A'.decode('utf-8') >>> 'A'
總結(jié)一下,Python 3 中的字符串是由Unicode碼點組成的不可變序列,也即是,由采用Unicode標準編碼的字符組成的不可變序列。Unicode編碼將書寫系統(tǒng)的字符映射成了計算機二進制數(shù)字,為了方便,通常顯示為十六進制;在運算內(nèi)存中,字符以Unicode編碼呈現(xiàn),當寫入磁盤或用于網(wǎng)絡(luò)傳輸時,一般采用UTF-8方式編碼。
在Python 2中,因為歷史包袱,即Python先于Unicode編碼而誕生,所以其編碼問題是個大難題。幸好拋棄Python 2已成大勢所趨,所以我就不再對此做介紹或比對了。
2 Python字符串 VS Java字符串
雖然不提縱向版本間的差異,但是,我想將Python字符串與其它編程語言做一個橫向?qū)Ρ?。我覺得這會是挺好玩的事。通過跨語言的比較,也許我們能加深對一個事物(字符串)的理解,還可能受到啟發(fā),得到對“編程語言”及“編程哲學(xué)”的領(lǐng)悟。
由于本人才疏學(xué)淺,本文就只對兩點皮毛特性作說明,歡迎讀者斧正和補充。
(1)字符串的定義方式
Python的字符串是內(nèi)置類型,所以使用起來很方便,有如下三種定義方式:
str_0 = '''Python字符串可以寫在用三引號對內(nèi),表示多行字符串。 還可以寫在單引號對內(nèi), 當然還可以寫在雙引號對內(nèi)。 ''' str_1 = 'Python貓是一只貓' str_2 = "Python貓是一個微信公眾號"
Java的字符串不是內(nèi)置類型,它屬于對象,需要通過String類來創(chuàng)建。不過,正因為字符串太常用,所以Java特意預(yù)定義了一個字符串類String,使得程序員也可以像這樣來定義: String name = "Python貓"; ,而不必這樣寫: String name = new String("Python貓"); 。
Java的字符串只能寫在雙引號內(nèi),不具備Python中單雙引號混用的靈活。至于三引號的多行字符串表示法,Java程序員表示羨慕得要死,那種痛苦,受過折磨的人最懂。寫出來讓Python程序員開心一下:
String s = "Java 的多行字符串很麻煩,\n" + "既要使用換行符,\n" + "還需要使用加號拼接";
為什么Java不支持多行字符串、什么時候支持多行字符串?此類問題在Python程序員眼里,可能很費解,但它絕對能排進“Java程序員最希望能實現(xiàn)的特性”的前列。好不容易,官方有計劃在Java 11 實現(xiàn),但今年9月發(fā)布的Java 11 仍是沒有,現(xiàn)在改計劃到Java 12 了。
(2)單個字符與字符序列
Java中其實也有單引號的使用,用在char類型上,例如 char c = 'A'; 。char是一種內(nèi)置類型,表示單個用Unicode編碼的字符。Python中沒有char類型,字符串類型通吃一切。
前面說到,Python的字符串是一種字符序列,而Java的字符串并不是一種序列,要表示相近的概念的話,就得用到 字符數(shù)組 或者 字符串數(shù)組 ,例如:
char[] a = { 'a', 'b', 'c'}; String[] str = new String[]{"1","2","3"};
字符數(shù)組和字符串數(shù)組是一種序列,但并不是字符串,它們之間如果要相互轉(zhuǎn)換,還是挺麻煩的。另外,說是序列,但Java的序列操作絕對無法跟Python相比,別的不說,就上面提及的幾個基礎(chǔ)操作,試問Java能否實現(xiàn)、實現(xiàn)起來要花費多大力氣?
最后來個Ending,關(guān)于“Python字符串到底是什么”就說到這啦,希望對你有所幫助。下次,我再跟大家說說“Python字符串到底怎么用”,敬請期待。希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!
相關(guān)文章
Python sklearn中的.fit與.predict的用法說明
這篇文章主要介紹了Python sklearn中的.fit與.predict的用法說明,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06Python 正則表達式(?=...)和(?<=...)符號的使用
本文主要介紹Python 正則表達式(?=...)和(?<=...)符號的使用,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2024-05-05pd.drop_duplicates刪除重復(fù)行的方法實現(xiàn)
drop_duplicates 方法實現(xiàn)對數(shù)據(jù)框 DataFrame 去除特定列的重復(fù)行,本文主要介紹了pd.drop_duplicates刪除重復(fù)行的方法實現(xiàn),文中通過示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下2022-06-06