3.3 字符和字符串_Python大学实用教程-QQ阅读男生都市网

上QQ阅读APP看本书，新人免费读10天

设备和账号都新为新人

3.3　字符和字符串

观察计算机的键盘，上面每个键对应着一个“字符”（character）。注意，字符不仅是字母，通常包括字母、数字、标点符号和一些控制符等。当计算机能够处理字符后，它就不再单纯“计算”了，而是具有了“电脑”的功能。

3.3.1　字符编码

如前所述，计算机只能认识二进制数字，所有提交给它的东西都要转化为二进制才能被认识。要想让计算机能够处理字符，也要如此处理。必须把字符与二进制的位（bit）之间建立起一个对应关系，这种对应关系被称为“字符编码”。

1960年代，美国发布了“美国信息交换标准代码”（American Standard Code for Information Interchange，ASCII），主要规定了英语字符在计算机中的编码。1986年发布的最新版一共规定了128个字符的编码。

利用Python中的内置函数ord可以得到ASCII中某个字符编码的十进制表示。

这个十进制数字对应的二进制数字可以用bin（）函数得到。

只不过在ASCII中，每个字符的编码只占用了1字节的后7位，最前面的一位统一规定为0，即为01000001。

ASCII对于英语而言已经足够了，但英语以外的语言则不然了。比如汉字，显然不能用1字节（1字节最多可以表示256种字符，而汉字多达10万个，最常用的大约有3000～4000个），于是就要用多字节表示一个字符。比如，简体中文编码GB2312使用2字节表示一个汉字，理论上能够支持256×256=65536个字符。

除了汉语，还有好多种语言，它们都需要让计算机认识，于是就有了各种样式的编码（仅中文就有多种编码，如GB2312编码、BIG5编码、HKSCS编码、GBK编码等）。结果导致同一个二进制数字在不同编码方案中对应着不同的字符，这就是“乱码”产生的原因之一。所以，需要一个统一的编码方案。

于是Unicode应运而生。Unicode的中文翻译为：万国码、国际码、统一码、单一码，目的是实现编码方案的“世界大同”，由位于美国加州的The Unicode Consortium（统一码联盟，一个非赢利机构）负责维护。

但是，Unicode 只是一个字符集，而没有制定编码规则，所以需要再制定Unicode的实现方式（Unicode Transformation Format，UTF），于是出现了UTF-16、UTF-32等。现在使用最广泛的是UTF-8（8-bit Unicode Transformation Format），也是互联网普遍采用的Unicode实现方式。图3-3-1所示的是本书作者所用的IDE设置的编码方式。

图3-3-1　IDE的编码设置

在交互模式中，还可以查看自己的计算机所使用的默认编码。下面的操作显示了作者所用计算机的编码方式。

在3.2.10节中写的程序文件中，第一行“#coding:utf-8”也是声明本程序文件所采用的字符编码方式是UTF-8（与所使用编辑器编码方式保持一致）。

在Python中，不但可以使用ord函数得到每个字符的编码，而且能够使用chr函数实现反向操作。

因为Python 3支持Unicode，所以每个汉字都对应一个编码数字。

解决了单个字符问题，就可以研究多个字符组成的“串”了。

3.3.2　认识字符串

其实，前面已经出现的“hello，world”就是一个字符串（string）。所谓字符串，在Python中就是用单引号或双引号包裹着的若干字符（见图3-3-2）。

图3-3-2　字符串组成部分

字符串也是Python中的内置对象类型，用type函数查看，返回值为str，它就是字符串的类型名称。

注意，包裹字符串的单引号或者双引号是字符串的标志，在键盘输入的时候必须是英文状态，并且要成对出现。

在引号中不仅可以放字母、汉字，还可以放其他字符，如数字。

尽管是数字，用引号包裹后，就不再是整数了，变成了字符串。这种由数字组成的字符串可以通过int函数和str函数实现相互间的类型转化。

请注意下面的写法：

出现了SyntaxError（语法错误）引导的提示，说明这里存在错误，错误的类型是SyntaxError，后面是对这种错误的解释：“invalid syntax”（无效的语法）。

在Python中，这一点是非常友好的，如果语句存在错误，就会将错误输出，供程序员参考改正。

print（）是Python的一个内置函数，其作用是把参数中内容打印出来，通常显示在当前的交互模式所在的控制台。

解决上述错误的方法之一就是使用双引号和单引号的嵌套。

用双引号来包裹，双引号中允许出现单引号。其实，反过来，单引号中也可以包裹双引号。

此外，还有一种解决方法，那就是使用“转义符”。所谓转义，就是让某个符号不再表示原来的含义了。比如n，在字符串中就表示一个字母，这是原来的含义。

然而如果按照下面的方式操作之后，意思就变了。

注意观察这两句的区别，如图3-3-3所示。

图3-3-3　转义符的作用

第二句中的符号“\”将本来是字母n的含义转换，与“\”符号一同组成了“\n”，其含义是换行，因此就出现了第二句的操作结果。

同样，可以这样来做，实现“what's your name？”的正确显示，尽管依然使用单引号包裹字符串，但不会报错了。

表3-3-1中列出了Python中常用的转义字符及其说明，供应用时查阅。

表3-3-1　转义字符及其说明

建议读者在交互模式中测试上述转移符的显示效果。例如：

用“\”实现转义是一个方便的做法，但是如果在字符串中用到了“\”符号，怎么办？比如，打印Windows中的路径。

这个输出结果显然不是所需要的。如何解决？可以继续使用转义符：

此外，还有一种方法：

状如r"c:\news"，由r开头引起的字符串就是“原始字符串”，在里面放任何字符都表示该字符的原始含义。这种方法在Web开发中设置网站目录结构的时候非常有用。

【例题3-3-1】　在交互模式中，用print函数打印苏轼的词《江城子·密州出猎》，要求每句占一行。

代码示例

>>> print（"江城子·密州出猎\n\n老夫聊发少年狂，\n左牵黄，\n右擎苍，\n锦帽貂裘，\n千骑卷平冈。\n为报倾城随太守，\n亲射虎，\n看孙郎。\n\n酒酣胸胆尚开张，\n鬓微霜，\n又何妨？\n持节云中，\n何日遣冯唐？\n会挽雕弓如满月，\n西北望，\n射天狼。"）

江城子·密州出猎

老夫聊发少年狂，

左牵黄，

右擎苍，

锦帽貂裘，

千骑卷平冈。

为报倾城随太守，

亲射虎，

看孙郎。

酒酣胸胆尚开张，

鬓微霜，

又何妨？

持节云中，

何日遣冯唐？

会挽雕弓如满月，

西北望，

射天狼。

3.3.3　字符串基本操作

以熟悉的“hello world”字符串为例，它包括英文字母和一个空格（字符），还有一个重要特征要引起注意：这些字母和字符是按照一定顺序排列的，不是随机排的，更不能随意更换顺序。

尽管a和b两个变量引用的字符串对象（当某个变量引用一个对象的时候，本书中会用那个变量来指代对象，如简称字符串a，事实上都是指变量a所引用的字符串对象）只有较小的差异，但a、b是两个不同的对象。

像字符串这样，其元素必须按照特定顺序排列的对象被称为“序列”。字符串是在本书中出现的第一种序列，在后续内容中，读者还能学习到其他序列对象。

字符串这样的序列存在着一系列共性的操作。

1.“+”：连接序列

对于数字，“+”的含义是实现两个数字相加，得到一个新的数字。对于字符串（序列），“+”的作用效果是将字符串连接起来，并得到了一个新的字符串。

注意，“+”连接的对象必须是同种类型的，否则报错。

如果非要实现字符串和数字的连接，应该如何操作？

可以使用类型转化的方式，将“+”两侧的对象转化为同种序列类型的对象。

2.“＊”：重复元素

数值运算中的“*”表示的是乘法，对于字符串（序列），这个符号则表示要获得重复的元素。

3.len函数：求序列长度

len函数是一个内置函数，其作用是得到序列类对象的长度。

承接前面的操作，测量字符串r 的长度。

请读者认真数一数，会发现r中包含10个英文字母，不要漏掉两个单词中间的空格，它也算一个字符，所以有11个字符，即长度为11。

可以进一步看看函数len返回值的类型。

如果查看len函数的联机帮助文档，会发现这样的描述。

描述中说明len函数返回的是一个容器（container）的元素数。字符串的确像一个容器，里面按照一定顺序装入了若干字符。

4.in：判断元素是否存在其中

如前所述，字符串是一个容器，“in”用于判断容器中是否存在某个元素。

返回True，说明该字符（串）在容器中，否则返回False（关于True和False，详见4.1.3节的内容）。

【例题3-3-2】　连接“Life is short.”和“You need Python.”这两个字符串，并且用print函数在控制台上打印出来，显示为两行。

代码示例

3.3.4　索引和切片

作为序列中一员的字符串，每个字符都是按照特定顺序排列的，不能随意更换位置。因此，可以给每个字符进行编号。

由此，可以把“序列”理解为“有序排列”。在Python中，给这些编号取了一个文雅的名字，叫作“索引”（index。其他编程语言也这么称呼，不是Python独有的）。

给字符串中的字符（或序列中的元素）进行编号（即索引）的方法有两种：一种是从左边开始编号，依次为0、1、2、…，直到最右边的字符结束；另一种是从右边开始，依次是-1、-2、-3、…，直到最左边的字符结束。

如图3-3-4所示，对字符串中的所有字符建立索引。特别注意，两个单词中间的那个空格也占用了一个位置，空格是一个字符。“无”不完全等于“没有”。

图3-3-4　字符串中的索引

再有，因为可以从两个方向开始编号，所以每个字符可以有两个索引。

字符的索引建立好了，自然可以通过索引找到每个字符了。这就好比每个居民都有一个身份证号（理论上居民个人和身份证号是一对一的关系），通过身份证号（相当于索引）就能找到对应的人。在Python中，实现这种操作的方式是使用“［］”符号，如下操作：

变量r引用了字符串对象，后面的“［］”中是字符的索引。操作示例显示，不论是用从左边开始计数的索引还是用从右边开始计数的索引，都能得到那个字符。

如果使用的索引超出了该字符串的索引范围，则会报错。

为了避免这种情况，需要提前知道最后一个字符的索引才好。一种方式是通过len函数得到字符串的字符数（长度），即可知道最大索引了。另一种方式是使用下面的方式直接得到最右边的字符的索引。

index（）是字符串对象的一个方法（关于对象的“方法”，请参考3.1节的简述），能够得到某字符在字符串中的索引（按照从左开始计数的索引），且是第一次出现。

通过索引，不仅可以得到某个指定字符，还能得到若干字符。操作方式如下：

通过r［1:8］方式从字符串r 中“得到”了多个（不是一个）字符——称为“切片”（slice）。如图3-3-5所示，将索引是1、2、3、4、5、6、7的字符“切”出来。从结果中可以看出，结束索引8所对应的字符没有被“切”下来，这是Python中的普遍规则，简单概括为：前包括，后不包括。

图3-3-5　字符串切片

原字符串被“切”出了一部分，但并没有因此而破坏原字符串。

这说明“切片”是比照着索引在原字符串中所对应的字符，重新创建了一个字符串对象。从最终结果看，貌似是从原字符串上“切下来的一部分”。

如果用一个普遍的表达式来说明切片操作的方式，可以表示为：

❖　indexstart：表示开始的索引。如果是从第一个字符开始，可以省略。

❖　indexstop：表示结束的索引（切片中不含此索引对应的字符）。如果是到最后一个字符结束（含最后一个），可以省略。

❖　step：表示步长，默认为1；可为正整数，也可为负整数。

省略indexstart索引，表示切片以字符串的开始为开始。对照图3-3-5可知，索引8和-3对应的是同一个字符（作为结束字符，不包含在切片中），所以上述两种操作结果一样。

同理，如果省略indexstop，则表示到字符串结束，即切片中的字符直到原字符串最后一个字符为止，并包含最后一个字符。

以上操作中，步长都省略，即：使用了步长的默认值1。

r［1:］和r［1::1］的操作结果是一样的。但是，如果设置步长不是1，则会按照步长切片。

请读者通过操作比较r［:8］和r［0:8］，以及r［1:］和r［1:10］的结果，结合前面的内容给予理解。

在r［1::1］和r［::2］操作中，步长分别为1和2，都是正整数。前面介绍步长的时候特别提到，它也可以为负整数。

r［::-1］中的步长为负数，结果得到了原字符串的反转。

这个反转是如何得到的呢？先要理解步长（step）“正负”含义。当步长为正整数时，相当于“站在”了字符串的左侧“看”字符串中的每个字符（见图3-3-6）。先看到的字符所对应的索引就是indexstart，后看到的字符所对应的索引就是indexstop。

图3-3-6　步长为正整数

注意，索引不区分是从左边开始计数，还是从右边开始计数，如下述操作的结果都一样。

当切片步长为负整数的时候，与上述不同的是调整了“看”列表的位置（见图3-3-7），改为“站在右侧看”，其他原则不变，即：依然是先看到的字符对应的索引是indexstart，后看到的字符对应的索引是indexstop。

图3-3-7　步长为负整数

以下各项操作同样等效。

理解了上述切片原则后，再看r［::-1］就不难理解了。步长为-1，即为“站在右侧看”，从“看到”的第一个字符开始（r［-1］对应的字符），到最后即最左侧的字符（r［0］对应的字符），并包括最后一个为止。因此得到了一个相对于原来的反转的字符串。

此处以字符串为例介绍了切片的基本方法，这种方法适用于所有序列类型的对象。

【例题3-3-3】　对字符串“123456789”，通过切片操作得到如下结果：

❖　得到“2468”。

❖　得到“1234”。

❖　得到“963”。

❖　得到“69”。

❖　得到“987654321”。

代码示例

3.3.5　键盘输入

计算机（“电脑”可能更形象）的智能，一种体现就是可以接收用户通过键盘输入的内容。Python提供了内置函数input，用于接收用户通过键盘输入的信息。

从联机帮助文档中已经清晰地看到了input 函数的使用方法，下面在交互模式中操练此函数。

如上述操作，通过键盘输入“python”后，回车，将所输入的内容作为返回值呈现。

从帮助文档中可知，input 函数的返回值是一个字符串类型的对象，于是使用下述方式，用变量引用此返回值对象。

不论通过键盘输入什么字符，input函数的返回值都是字符串。

有了以上两个准备，接下来就可以写一个能够“对话”的小程序了。

【例题3-3-4】　编写一段程序，实现如下功能：

（1）询问姓名和年龄。

（2）计算10年之后的年龄。

（3）打印出所输入的姓名和当前年龄、10年之后的年龄。

代码示例

在本程序中需要注意的是类型转化。①中的变量age引用的是一个字符串类型的对象，这个对象必须转化为整数类型之后才能参与②中的运算，所以在②中使用了int（age）。而当一个整数与字符串通过“+”连接的时候，又需要转化为字符串类型，③中的str函数即此意图。

请读者自行调试这个程序，如果遇到了报错，请认真看报错信息，从中找到修改的方向。

上述代码示例并非十分完美，只是局限于本书已经讲述过的知识实现了一些基本功能。关于字符串的更多内容，还有待于深入学习它的更多方法。

3.3.6　字符串的方法

字符串是对象类型，也是对象，因此它会有一些方法供开发者使用，而且这些方法已经内置好了——内置对象，必须如此。

通过dir（str）看到了字符串对象的所有属性和方法，可以粗略地划分为两类：一类是名称以双下滑线开始和结尾的，称为“特殊方法”和“特殊属性”；另一类是用看起来很普通的名称，如capitalize等，笼统称为“方法”和“属性”。

对于内置对象的方法而言，因为调用的时候类似使用函数，所以也有资料称之为某对象的函数。本书按照对象的方法来称呼。在后续学习中，我们会区分函数和方法的含义。

字符串有那么多方法，这里不会一一介绍，仅选几个，用以示例如何通过联机帮助文档学习其使用方法。

在3.3.4节提到过一个名为index（）的方法，使用它可以得到字符串中某个字符的索引。

以字符串中的index（）方法为例，解读帮助文档的含义，理解如何使用它。如图3-3-8所示，根据图中所标识的各项建议，在交互模式中进行适当练习，从而理解各项含义。

图3-3-8　分解index方法

没有规定查找的索引范围，即没有给start和end参数传值，则默认为在整个字符串的范围查找，并且返回找到的第一个子字符串的索引。

指定了开始查找的索引，即start=20，于是从这个位置开始向后查找，并且返回在这个范围内所找到的第一个子字符串的索引。

更准确的理解还依赖于读者认真阅读帮助文档中的说明。

后续的内容中，本书不再呈现帮助文档，但不意味着这种方法不重要，而是相当重要，只是受到篇幅的限制，并且查看文档的方法也不难。

1.“is”开头的方法

仔细观察dir（str）的结果，其中有若干以“is”作为名称开始的方法。这些方法无一例外，都是返回了bool类型。这种类型对象会在4.1.3节中详述，中文为“布尔”类型，只有True和False两个值。例如：

字符串的isdigit（）方法是用来判断当前字符串对象是否完全由数字字符（即键盘上的1、2、3、4、5、6、7、8、9、0）组成。如果是，则返回True，否则返回False。

其他若干类似的方法，基本操作和结构都与上述示例类似，请读者逐一查看联机文档的说明，并在交互模式中进行调试。

2.分隔和组合

字符串对象提供了根据某个符号分割字符串内容的方法split（）。

这是用空格作为分割符，得到了一个列表（List）类型的返回值（详见3.4节）。

帮助文档中对分隔符做了说明，请认真阅读。特别注意，如果没有指定特定的分隔符，Python会默认空格为分隔符。

注意比较上面三种不同的情况。

除了可以依据某个字符对字符串进行划分，还可以用某个字符把另一种对象组合成为一个字符串，这个过程有点类似split（）方法的逆向过程，使用的是字符串的join（）方法。

如果读者查看联机帮助文档，会看到“S.join（iterable） -> str”（特别建议认真阅读帮助文档的内容），这个方法的参数中出现了“iterable”，其含义为“可迭代的”。这是某些对象所具有的特征，包括字符串在内的一些对象，被称为可迭代对象（关于“可迭代的”和“可迭代对象”详见6.10节）。通过字符串的split（）方法得到的名为列表的对象，就是具有“可迭代的”特点的对象，因此下面演示就使用这个对象。

③中使用了字符串"-"的方法join（），参数是前面得到的列表lst，意图是要用“-”符号把列表lst中的元素连接起来，并且返回一个大字符串。

刚才提到字符串也是“可迭代的”，所以join（）方法的参数也可以用字符串。只不过字符串的元素是字符，所以，如果用空格——也是字符——的join（）方法的话，得到的结果就是④所返回的那样，每个字符之间有了一个空格。

字符串的方法众多，本书仅选几个作为示例，在后续内容中也会不断用到其他方法。读者要通过本例掌握查看文档的方法。

【例题3-3-5】　有的字符串两边有空格，或者一边有空格，用字符串中的方法，将这些空格去掉。

代码示例

3.3.7　字符串格式化输出

在字符串的诸多方法中有一个名为format的方法，下面就用它来实现“格式化输出”。

要了解这个方法的使用，还是要查看其文档，请读者自行完成。下面列举几种使用format（）方法进行格式化输出的方式。

在交互模式中，输入了字符串"I like｛0｝and｛1｝"，其中用｛0｝和｛1｝占据了两个位置，它们就是占位符。format（"python"，"physics"）是字符串格式化输出的方法，传入了两个字符串。第一个字符串“python”对应占位符｛0｝；第二个字符串“physics”对应占位符｛1｝，即占位符中的数字，就是参数format（）方法的参数列表的顺序号（见图3-3-9）。