第5章字符串、列表和文件
5.1字符串数据类型
到目前为止,本书一直在讨论操作数字和图形的程序。
正如你所知,计算机对于存储和操作文本信息也很重要。
事实上,个人计算机最常见的用途之一就是文字处理。
本章将主要介绍文本应用程序,讲解一些关于文本如何存储在计算机上的重要设计思路。
文本在程序中由字符串数据类型表示。
你可以将字符串看成一个字符序列。
在第2章中已经介绍过,通过用双引号将一些字符括起来形成字符串字面量。
Python还允许字符串由单引号分隔。
它们没有区别,但使用时一定要配对。
字符串也可以保存在变量中,像其他数据一样。
下面举一个示例,来说明两种形式的字符串字面量。
>>>str1="hello">>>str2='world'>>>print(str1,str2)helloworld>>>type(str1)>>>type(str2)
通过上面的代码演示,你已经知道了如何打印字符串,你也了解了如何获取用户输入的字符串。
回想一下,input()函数可以返回用户输入的任何字符串对象。
这意味着如果你希望得到一个字符串,可以使用其“原始”形式的输入。
来看一下这种简单交互: >>>str=input("请输入你的名字:")请输入你的名字:张三>>>print("你好"+str)你好张
三 请注意上面的示例,是如何用变量来保存用户名称,然后又如何用该变量将名称打印出来的?
对于复杂的问题处理,总是会涉及很多关于字符串的相关操作。
首先来了解一下如何访问字符串的每个元素。
在Python中,可以利用索引来实现这个操作。
为了方便理 解,可以利用表格将索引表示出来。
以“helloworld!
”为例,字符串的索引如图5.1所示。
字符串索引以0开始,从左到右。
索引的一般形式是[],其中expr的值确定从字符串中选择哪个字符。
图5.1字符串的索引 以下是一些交互式的索引示例: >>>str="helloworld!
">>>str[0]'h'>>>str[5]''>>>str[10]'d'>>>str[11]'!
' 请注意,在有n个字符的字符串中,因为索引从0开始,所以最后一个字符的索引为n-
1。
中文字符串与英文字符串的访问方式一致。
顺便说一下,Python还允许使用负索引,从字符串的右端索引,即-1为最右侧的一个字符,然后-
2、-3依次向左递减。
>>>str[-1]'!
'>>>str[-2]'d'>>>str[-12]'h' 有时候,可能需要选取字符串中的某个字符或某段“子字符串”,在Python中,可以使用“切片”的操作来实现。
你可以把切片想象成在字符串中索引一系列位置的方法。
切片的形式是[:]。
start和end都应该是整型表达式。
切片产生从start直到end位置(不包括end)的子串,即数学中的一个“左闭右开”的取值范围。
还以上面str的示例来展示切片操作: >>>str[2:4]'ll'>>>str[2:7]'llow'>>>str[:7]'hellow' 第5章字符串、列表和文件 75 >>>str[2:]'lloworld!
'>>>str[:]'helloworld!
' 从上面的示例可以看出,切片操作为“左闭右开”的形式。
当切片从2到4时,只选择索引为2和3的字符。
最后3个示例表示,如果任何一个表达式缺失,字符串的开始和结束都是假定的默认值。
最后的表达式实际上给出了整个字符串。
索引和切片是将字符串切成更小片段的有用操作。
字符串数据类型还支持将字符串放在一起的操作。
其中连接(+)和重复(*)是很常见的操作。
连接(+)是通过将两个字符串“合并”在一起来构建新的字符串;重复(*)是通过字符串与多个自身连接,来构建新的字符串。
另一个很有用的是len()函数,它的作用是返回字符串中有多少个字符。
由于字符串是字符序列,因此可以使用Python的for循环来遍历这些字符。
>>>s1="hello">>>s2="world">>>s3="!
">>>print(s1+s2+s3)helloworld!
>>>print(3*s2)worldworldworld>>>print(2*s1+3*s2+3*s3)hellohelloworldworldworld!
!
!
>>>m=len(s1)>>>print(m)5>>>forchinrange(m): print(s1[ch]) hello 基本的字符串操作总结如表5-1所示。
表5-1Python的字符串操作 操作符 含义 + 连接 * 重复 76 Python程序设计基础 操作符[][:]len()forin
含义索引切片长度迭代遍历字符串
续表
5.2简单字符串处理
许多计算机系统会使用用户名和密码组合来认证系统用户。
系统管理员必须为每个用户分配唯一的用户名。
通常,用户名来自用户的实际姓名。
在国外,有一种用于生成用户名的方案:使用用户名的第一个首字母,然后是用户姓氏的最多前七个字母。
利用这种方法,ZaphodBeeblebrox的用户名为“zbeebleb”,而JohnSmith的为“jsmith”。
可以尝试编写一个程序,读取一个人的名字并计算相应的用户名。
程序将遵循基本的输入、处理、输出模式。
#5_1username.pydefmain(): print("这个程序生成用户名.\n")#获取用户姓和名first=input("请输入你的姓(请以字母表示):")last=input("请输入你的名(请以字母表示):")#选择名的第一个字母和姓的前七位字母uname=last[0]+first[:7]#输出用户名print("你的用户名为:",uname)main() 这个程序首先利用input()函数从用户获取字符串,然后组合使用索引、切片和连接来生成用户名。
下面是运行结果: 这个程序生成用户名 请输入你的姓(请以字母表示):zhang请输入你的名(请以字母表示):san你的用户名为:szhang 其中第一行print语句使用了换行符(\n),实现输出一个空白行。
这是一个简单的技巧,输出一些额外的空白行,使得结果更加清楚明了。
第5章字符串、列表和文件 77 下面是另一个示例,打印给定月份数对应的月份缩写。
程序的输入是一个整型值,代表一个月份(1~12),输出是相应月份的缩写。
例如,如果输入为
3,则输出应为Mar,即3月。
根据字符串的思想,将所有月份名存储在一个字符串变量中: months="JanFebMarAprMayJunJulAugSepOctNovDec" 由于每个月份都是3个字符,如果知道一个给定的月份在字符串中开始的位置,就可以很容易提取出缩写。
monthAbbrev=months[pos:pos+3] 上面代码将获得从pos指示位置开始的长度为3的子字符串。
如何计算这个位置?
先分析一下几个示例(如表5-2所示),看看有什么发现?
记住,字符串索引从0开始。
表5-2月份缩写字符串中的位置 月份 数字 位置 Jan
1 0 Feb
2 3 Mar
3 6 显然,这些位置都是3的倍数。
为了得到正确的倍数,从月份数中减去
1,然后乘以
3。
所以对于
1,可以得到(1-1)×3=0×3=
0,对于12,有(12-1)×3=11×3=33。
下面为实现的代码: #5_2months.pydefmain(): #将月份组成一个大字符串months="JanFebMarAprMayJunJulAugSepOctNovDec"n=int(input("输入一个月份(1-12):"))#计算第n个月的起始位置pos=(n-1)*3#提取第n个月的名称monthAbbrev=months[pos:pos+3]#输出结果print("月份的英文缩写为",monthAbbrev+".")main() 这个示例使用“字符串作为查找表”的方法,但它有一个缺点,即仅当子串都有相同的长度时程序才是有效的。
78 Python程序设计基础 5.3列表作为序列 Python列表也是一种序列,这就说明列表同样可以切片、连接和索引列表。
列表的一个好处是它比字符串更通用。
字符串总是字符序列,而列表可以是任意对象的序列。
你可以创建数字列表或字符串列表。
事实上,你甚至可以混合它们,来创建一个既包含数字又包含字符串的列表,示例如下: >>>list=[
1,"hello",
2,"world"]>>>list[
1,'hello',
2,'world'] 在以后的章节,将经常使用列表,即将所有的东西都放在列表中,各种操作都以列表的形式进行。
如5.2节读取月份的示例,还记得这个程序的缺点吗?
当字符串不相等时,这种方法无法实现。
现在利用列表就可以轻松地解决这个问题。
#5_3months_new.pydefmain(): #将所有的月份存储为一个列表months=["Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"]n=int(input("请输入月份(1-12):"))print("月份的英文缩写是",months[n-1]+".") main() 列表与字符串一样,从0开始索引,因此在此列表中,值[0]是字符串"Jan"。
一般来说,第n个月在位置n-
1,直接在print语句中用表达式months[n-1]即可。
这个缩写问题的解决方案不仅更简单,而且更灵活。
例如,修改前面的示例,打印出整个月份的名称,则只需要重新定义查找列表,就可以很轻松地解决问题了。
虽然字符串和列表都是序列,但两者之间有一个非常重要的区别:列表是可变的,而字符串是不可变的。
这意味着列表中项的值可以使用赋值语句来修改。
另外,需要注意的是,字符串不能在“适当位置”改变。
下面看一个示例交互,说明其中的区别: >>>list=[2,
3,"a","b"]>>>list[2]=4>>>list[0]=5>>>list[5,3,
4,'b']>>>str="helloworld" 第5章字符串、列表和文件 79 >>>str[2]="r"Traceback(mostrecentcalllast): File"",line1,inTypeError:'str'objectdoesnotsupportitemassignment
第一行建立了一个数字与字符混合的列表list,然后将索引位置0赋值为
5,索引位置2赋值为
4,赋值后,列表被成功替换。
而字符串变量str则不能这样进行修改。
5.4字符串表示和消息编码 5.4.1字符串表示 在计算机中,表示字符串的方式就是将每个字符串翻译为一个二进制的数字,整个字符串作为二进制数字序列存储在计算机存储器中。
只要计算机的编码/解码过程一致,用什么数字表示任何给定字符并不重要,最终都可以得到原来的字符串。
现在计算机统一了标准编码。
一个重要的标准编码为ASCII(美国信息交换标准代码)。
ASCII用数字0~127来表示美式键盘上所有的字符以及被称为控制代码的某些特殊值,用于协调信息的发送和接收。
例如,大写字母A~Z的ASCII码为65~90,小写字母的ASCII码为97~122。
ASCII编码存在一个问题,就是它以美国为中心,没有涉及其他语言和文字的需要。
国际标准组织已经开发了一套扩展ASCII编码,用来纠正这种情况。
大多数现代系统正在向Unicode字符集转移,这是一个更大的标准,旨在包括几乎所有国家或地区的书面语言的字符。
Python字符串支持Unicode字符集,因此,只要你的操作系统有适当的字体来显示字符,就可以处理来自任何语言的字符。
Python提供了几个内置函数,允许在字符与表示它们的数值之间来回切换。
ord()函数返回单字符串的数字编码,而chr()函数刚好相反。
下面是一些交互的示例: >>>ord("a")97>>>ord("A")65>>>chr(97)'a'>>>chr(90)'Z' 关于计算机存储字符的原理,底层的CPU通常处理固定大小的内存数据。
最小可寻址段通常为8位,称为存储器字节。
单字节可以存储28=256个不同的值。
这足以代表每个可能的ASCII字符。
但是单字节远远不足以存储所有10万个可能的Unicode字 80 Python程序设计基础 符。
为了解决这个问题,Unicode字符集定义了将Unicode字符打包成字节序列的各种编码方案。
最常见的编码称为UTF-
8。
UTF-8是一种可变长度编码方案,用单字节存储ASCII的字符,但可能需要最多4字节来表示一些更为深奥的字符。
这意味着长度为10个字符的字符串最终将以10~40字节的序列存储在内存中,具体取决于字符串中使用的实际字符。
然而,从拉丁字母的使用经验来看,一个字符平均需要大约一字节的存储是相对比较安全的一种方案。
5.4.2编写编码器 下面利用Python的ord()函数和chr()函数来编写一个简单的程序,实现将消息转换为数字序列再转换回来的过程。
假设要将一段话转换为Unicode码表示,编码的算法很简单,设计如下: ※------伪代码-----※对消息进行编码※forchinmessage:※打印字符的Unicode码 用户获取消息,只需要一个input()函数即可。
实现循环首先需要针对消息的每个字符进行操作。
回想一下前面学习过的使用for循环遍历一系列对象的方法。
由于字符串是一种序列,因此可以用for循环遍历消息的所有字符: forchinmessage: 最后将每个字符转换为数字。
最简单的方法就是对消息中的每个字符转换为Unicode码,直接使用ord()函数即可实现。
下面是消息编码的最终代码: #5_4encodes_Unicode.pydefmain(): print("将文本消息转换为序列")print("消息的Unicode码\n")#获取编码消息message=input("输入待编码的文本:")print("\nUnicode编码:")#循环消息并打印出Unicode码forchinmessage: print(ord(ch),end="")print()main() 第5章字符串、列表和文件 81 输出结果如下: 将文本消息转换为序列消息的Unicode码 输入待编码的文本:轻轻的我走了,正如我轻轻的来 Unicode编码为:3673136731303402510536208201026529227491229142510536731367313034026469 5.5字符串方法 5.5.1编写解码器 5.4节通过编写编码器了解到,要想理解字符的Unicode码所表示的内容,就需要对应的解码器。
接下来一起看看如何解决这个问题。
解码器程序提示用户输入一系列Unicode码,然后打印出带有相应字符的文本消息。
这个程序具有几个挑战性的难度,下面就通过学习,一起来解决这些问题。
解码器程序的总体轮廓看起来与编码器程序非常类似。
解码器会在字符串中收集消息的字符,并在程序结束时打印出整条消息。
为此,需要用一个累加器变量。
下面是解码器算法: ※------伪代码-----※得到要解码的数字序列※message=""※foreachnumberintheinput:※将数字转换为相应的Unicode码※将字符添加到消息的末尾※打印message 在循环之前,累加器变量message被初始化为空字符串,即不包含字符的字符串("")。
每次通过循环,输入的数字被转换为相应的字符,并附加到之前构造的message末尾。
为了得到要解码的数字序列,还需要依靠更多的字符串操作,具体步骤如下:首先利用输入将整个数字序列读入为单个字符串;其次,可以将大字符串拆分为一系列较小的字符串,每个字符串代表一个数字;最后,通过遍历更小的字符串列表,将每个字符串转换为一个数字,并使用该数字来产生相应的Unicode字符。
下面是完整的算法: ※------伪代码-----※以string,inString的形式获取数字序列 82 Python程序设计基础 ※将inString分解成一系列小字符串※message=""※foreachnumberintheinput:※将数字转换为相应的Unicode码※将字符添加到消息的末尾※打印message 对于解码器,可以使用split()函数。
此方法的作用是将字符串拆分为子串列表。
默认情况下,它会在遇到空格时拆分字符串。
当然也可以指定其他分隔符。
下面是一个示例: >>>myString="helloworld!
">>>myString.split()['hello','world!
']>>>String="a,b,c,d">>>String.split(",")['a','b','c','d'] 也可以利用split()函数获取多个输入数据。
例如,可以获取单个输入字符串中的一个点的x值和y值,使用split()函数将其转换为列表,然后索引得到的列表,获取单个字符串部分,具体的示例如下: >>>coords=input("输入点的坐标(x,y):").split(",")输入点的坐标(x,y):3,5>>>coords['3','5']>>>coords[0]'3' 再回到解码器的问题,可以使用类似的技术。
由于程序应该接收编码器程序产生的相同格式,即一系列具有空格的Unicode码,使用split()函数就可以十分轻松地解决问题,提升编程的效率。
同样,如果不是数字列表,而是字符串列表,只不过这些字符串包含数字,那么,又将如何提取这些数字呢?
下面通过举一个示例来解释说明一下。
在这个示例中的字符串都是整型字面量,因此可以把int()函数应用于每一个字符串,将其转换为Unicode码,然后再进行解码处理。
使用split()函数和int()函数,编写解码器如下: #5_5decodes_Unicode.pydefmain(): print("将Unicode码序列转换为文本字符串")print("文本字符串\n") 第5章字符串、列表和文件 83
正如你所知,计算机对于存储和操作文本信息也很重要。
事实上,个人计算机最常见的用途之一就是文字处理。
本章将主要介绍文本应用程序,讲解一些关于文本如何存储在计算机上的重要设计思路。
文本在程序中由字符串数据类型表示。
你可以将字符串看成一个字符序列。
在第2章中已经介绍过,通过用双引号将一些字符括起来形成字符串字面量。
Python还允许字符串由单引号分隔。
它们没有区别,但使用时一定要配对。
字符串也可以保存在变量中,像其他数据一样。
下面举一个示例,来说明两种形式的字符串字面量。
>>>str1="hello">>>str2='world'>>>print(str1,str2)helloworld>>>type(str1)
回想一下,input()函数可以返回用户输入的任何字符串对象。
这意味着如果你希望得到一个字符串,可以使用其“原始”形式的输入。
来看一下这种简单交互: >>>str=input("请输入你的名字:")请输入你的名字:张三>>>print("你好"+str)你好张
三 请注意上面的示例,是如何用变量来保存用户名称,然后又如何用该变量将名称打印出来的?
对于复杂的问题处理,总是会涉及很多关于字符串的相关操作。
首先来了解一下如何访问字符串的每个元素。
在Python中,可以利用索引来实现这个操作。
为了方便理 解,可以利用表格将索引表示出来。
以“helloworld!
”为例,字符串的索引如图5.1所示。
字符串索引以0开始,从左到右。
索引的一般形式是
图5.1字符串的索引 以下是一些交互式的索引示例: >>>str="helloworld!
">>>str[0]'h'>>>str[5]''>>>str[10]'d'>>>str[11]'!
' 请注意,在有n个字符的字符串中,因为索引从0开始,所以最后一个字符的索引为n-
1。
中文字符串与英文字符串的访问方式一致。
顺便说一下,Python还允许使用负索引,从字符串的右端索引,即-1为最右侧的一个字符,然后-
2、-3依次向左递减。
>>>str[-1]'!
'>>>str[-2]'d'>>>str[-12]'h' 有时候,可能需要选取字符串中的某个字符或某段“子字符串”,在Python中,可以使用“切片”的操作来实现。
你可以把切片想象成在字符串中索引一系列位置的方法。
切片的形式是
start和end都应该是整型表达式。
切片产生从start直到end位置(不包括end)的子串,即数学中的一个“左闭右开”的取值范围。
还以上面str的示例来展示切片操作: >>>str[2:4]'ll'>>>str[2:7]'llow'>>>str[:7]'hellow' 第5章字符串、列表和文件 75 >>>str[2:]'lloworld!
'>>>str[:]'helloworld!
' 从上面的示例可以看出,切片操作为“左闭右开”的形式。
当切片从2到4时,只选择索引为2和3的字符。
最后3个示例表示,如果任何一个表达式缺失,字符串的开始和结束都是假定的默认值。
最后的表达式实际上给出了整个字符串。
索引和切片是将字符串切成更小片段的有用操作。
字符串数据类型还支持将字符串放在一起的操作。
其中连接(+)和重复(*)是很常见的操作。
连接(+)是通过将两个字符串“合并”在一起来构建新的字符串;重复(*)是通过字符串与多个自身连接,来构建新的字符串。
另一个很有用的是len()函数,它的作用是返回字符串中有多少个字符。
由于字符串是字符序列,因此可以使用Python的for循环来遍历这些字符。
>>>s1="hello">>>s2="world">>>s3="!
">>>print(s1+s2+s3)helloworld!
>>>print(3*s2)worldworldworld>>>print(2*s1+3*s2+3*s3)hellohelloworldworldworld!
!
!
>>>m=len(s1)>>>print(m)5>>>forchinrange(m): print(s1[ch]) hello 基本的字符串操作总结如表5-1所示。
表5-1Python的字符串操作 操作符 含义 + 连接 * 重复 76 Python程序设计基础 操作符
系统管理员必须为每个用户分配唯一的用户名。
通常,用户名来自用户的实际姓名。
在国外,有一种用于生成用户名的方案:使用用户名的第一个首字母,然后是用户姓氏的最多前七个字母。
利用这种方法,ZaphodBeeblebrox的用户名为“zbeebleb”,而JohnSmith的为“jsmith”。
可以尝试编写一个程序,读取一个人的名字并计算相应的用户名。
程序将遵循基本的输入、处理、输出模式。
#5_1username.pydefmain(): print("这个程序生成用户名.\n")#获取用户姓和名first=input("请输入你的姓(请以字母表示):")last=input("请输入你的名(请以字母表示):")#选择名的第一个字母和姓的前七位字母uname=last[0]+first[:7]#输出用户名print("你的用户名为:",uname)main() 这个程序首先利用input()函数从用户获取字符串,然后组合使用索引、切片和连接来生成用户名。
下面是运行结果: 这个程序生成用户名 请输入你的姓(请以字母表示):zhang请输入你的名(请以字母表示):san你的用户名为:szhang 其中第一行print语句使用了换行符(\n),实现输出一个空白行。
这是一个简单的技巧,输出一些额外的空白行,使得结果更加清楚明了。
第5章字符串、列表和文件 77 下面是另一个示例,打印给定月份数对应的月份缩写。
程序的输入是一个整型值,代表一个月份(1~12),输出是相应月份的缩写。
例如,如果输入为
3,则输出应为Mar,即3月。
根据字符串的思想,将所有月份名存储在一个字符串变量中: months="JanFebMarAprMayJunJulAugSepOctNovDec" 由于每个月份都是3个字符,如果知道一个给定的月份在字符串中开始的位置,就可以很容易提取出缩写。
monthAbbrev=months[pos:pos+3] 上面代码将获得从pos指示位置开始的长度为3的子字符串。
如何计算这个位置?
先分析一下几个示例(如表5-2所示),看看有什么发现?
记住,字符串索引从0开始。
表5-2月份缩写字符串中的位置 月份 数字 位置 Jan
1 0 Feb
2 3 Mar
3 6 显然,这些位置都是3的倍数。
为了得到正确的倍数,从月份数中减去
1,然后乘以
3。
所以对于
1,可以得到(1-1)×3=0×3=
0,对于12,有(12-1)×3=11×3=33。
下面为实现的代码: #5_2months.pydefmain(): #将月份组成一个大字符串months="JanFebMarAprMayJunJulAugSepOctNovDec"n=int(input("输入一个月份(1-12):"))#计算第n个月的起始位置pos=(n-1)*3#提取第n个月的名称monthAbbrev=months[pos:pos+3]#输出结果print("月份的英文缩写为",monthAbbrev+".")main() 这个示例使用“字符串作为查找表”的方法,但它有一个缺点,即仅当子串都有相同的长度时程序才是有效的。
78 Python程序设计基础 5.3列表作为序列 Python列表也是一种序列,这就说明列表同样可以切片、连接和索引列表。
列表的一个好处是它比字符串更通用。
字符串总是字符序列,而列表可以是任意对象的序列。
你可以创建数字列表或字符串列表。
事实上,你甚至可以混合它们,来创建一个既包含数字又包含字符串的列表,示例如下: >>>list=[
1,"hello",
2,"world"]>>>list[
1,'hello',
2,'world'] 在以后的章节,将经常使用列表,即将所有的东西都放在列表中,各种操作都以列表的形式进行。
如5.2节读取月份的示例,还记得这个程序的缺点吗?
当字符串不相等时,这种方法无法实现。
现在利用列表就可以轻松地解决这个问题。
#5_3months_new.pydefmain(): #将所有的月份存储为一个列表months=["Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"]n=int(input("请输入月份(1-12):"))print("月份的英文缩写是",months[n-1]+".") main() 列表与字符串一样,从0开始索引,因此在此列表中,值[0]是字符串"Jan"。
一般来说,第n个月在位置n-
1,直接在print语句中用表达式months[n-1]即可。
这个缩写问题的解决方案不仅更简单,而且更灵活。
例如,修改前面的示例,打印出整个月份的名称,则只需要重新定义查找列表,就可以很轻松地解决问题了。
虽然字符串和列表都是序列,但两者之间有一个非常重要的区别:列表是可变的,而字符串是不可变的。
这意味着列表中项的值可以使用赋值语句来修改。
另外,需要注意的是,字符串不能在“适当位置”改变。
下面看一个示例交互,说明其中的区别: >>>list=[2,
3,"a","b"]>>>list[2]=4>>>list[0]=5>>>list[5,3,
4,'b']>>>str="helloworld" 第5章字符串、列表和文件 79 >>>str[2]="r"Traceback(mostrecentcalllast): File"
5,索引位置2赋值为
4,赋值后,列表被成功替换。
而字符串变量str则不能这样进行修改。
5.4字符串表示和消息编码 5.4.1字符串表示 在计算机中,表示字符串的方式就是将每个字符串翻译为一个二进制的数字,整个字符串作为二进制数字序列存储在计算机存储器中。
只要计算机的编码/解码过程一致,用什么数字表示任何给定字符并不重要,最终都可以得到原来的字符串。
现在计算机统一了标准编码。
一个重要的标准编码为ASCII(美国信息交换标准代码)。
ASCII用数字0~127来表示美式键盘上所有的字符以及被称为控制代码的某些特殊值,用于协调信息的发送和接收。
例如,大写字母A~Z的ASCII码为65~90,小写字母的ASCII码为97~122。
ASCII编码存在一个问题,就是它以美国为中心,没有涉及其他语言和文字的需要。
国际标准组织已经开发了一套扩展ASCII编码,用来纠正这种情况。
大多数现代系统正在向Unicode字符集转移,这是一个更大的标准,旨在包括几乎所有国家或地区的书面语言的字符。
Python字符串支持Unicode字符集,因此,只要你的操作系统有适当的字体来显示字符,就可以处理来自任何语言的字符。
Python提供了几个内置函数,允许在字符与表示它们的数值之间来回切换。
ord()函数返回单字符串的数字编码,而chr()函数刚好相反。
下面是一些交互的示例: >>>ord("a")97>>>ord("A")65>>>chr(97)'a'>>>chr(90)'Z' 关于计算机存储字符的原理,底层的CPU通常处理固定大小的内存数据。
最小可寻址段通常为8位,称为存储器字节。
单字节可以存储28=256个不同的值。
这足以代表每个可能的ASCII字符。
但是单字节远远不足以存储所有10万个可能的Unicode字 80 Python程序设计基础 符。
为了解决这个问题,Unicode字符集定义了将Unicode字符打包成字节序列的各种编码方案。
最常见的编码称为UTF-
8。
UTF-8是一种可变长度编码方案,用单字节存储ASCII的字符,但可能需要最多4字节来表示一些更为深奥的字符。
这意味着长度为10个字符的字符串最终将以10~40字节的序列存储在内存中,具体取决于字符串中使用的实际字符。
然而,从拉丁字母的使用经验来看,一个字符平均需要大约一字节的存储是相对比较安全的一种方案。
5.4.2编写编码器 下面利用Python的ord()函数和chr()函数来编写一个简单的程序,实现将消息转换为数字序列再转换回来的过程。
假设要将一段话转换为Unicode码表示,编码的算法很简单,设计如下: ※------伪代码-----※对消息进行编码※forchinmessage:※打印字符的Unicode码 用户获取消息,只需要一个input()函数即可。
实现循环首先需要针对消息的每个字符进行操作。
回想一下前面学习过的使用for循环遍历一系列对象的方法。
由于字符串是一种序列,因此可以用for循环遍历消息的所有字符: forchinmessage: 最后将每个字符转换为数字。
最简单的方法就是对消息中的每个字符转换为Unicode码,直接使用ord()函数即可实现。
下面是消息编码的最终代码: #5_4encodes_Unicode.pydefmain(): print("将文本消息转换为序列")print("消息的Unicode码\n")#获取编码消息message=input("输入待编码的文本:")print("\nUnicode编码:")#循环消息并打印出Unicode码forchinmessage: print(ord(ch),end="")print()main() 第5章字符串、列表和文件 81 输出结果如下: 将文本消息转换为序列消息的Unicode码 输入待编码的文本:轻轻的我走了,正如我轻轻的来 Unicode编码为:3673136731303402510536208201026529227491229142510536731367313034026469 5.5字符串方法 5.5.1编写解码器 5.4节通过编写编码器了解到,要想理解字符的Unicode码所表示的内容,就需要对应的解码器。
接下来一起看看如何解决这个问题。
解码器程序提示用户输入一系列Unicode码,然后打印出带有相应字符的文本消息。
这个程序具有几个挑战性的难度,下面就通过学习,一起来解决这些问题。
解码器程序的总体轮廓看起来与编码器程序非常类似。
解码器会在字符串中收集消息的字符,并在程序结束时打印出整条消息。
为此,需要用一个累加器变量。
下面是解码器算法: ※------伪代码-----※得到要解码的数字序列※message=""※foreachnumberintheinput:※将数字转换为相应的Unicode码※将字符添加到消息的末尾※打印message 在循环之前,累加器变量message被初始化为空字符串,即不包含字符的字符串("")。
每次通过循环,输入的数字被转换为相应的字符,并附加到之前构造的message末尾。
为了得到要解码的数字序列,还需要依靠更多的字符串操作,具体步骤如下:首先利用输入将整个数字序列读入为单个字符串;其次,可以将大字符串拆分为一系列较小的字符串,每个字符串代表一个数字;最后,通过遍历更小的字符串列表,将每个字符串转换为一个数字,并使用该数字来产生相应的Unicode字符。
下面是完整的算法: ※------伪代码-----※以string,inString的形式获取数字序列 82 Python程序设计基础 ※将inString分解成一系列小字符串※message=""※foreachnumberintheinput:※将数字转换为相应的Unicode码※将字符添加到消息的末尾※打印message 对于解码器,可以使用split()函数。
此方法的作用是将字符串拆分为子串列表。
默认情况下,它会在遇到空格时拆分字符串。
当然也可以指定其他分隔符。
下面是一个示例: >>>myString="helloworld!
">>>myString.split()['hello','world!
']>>>String="a,b,c,d">>>String.split(",")['a','b','c','d'] 也可以利用split()函数获取多个输入数据。
例如,可以获取单个输入字符串中的一个点的x值和y值,使用split()函数将其转换为列表,然后索引得到的列表,获取单个字符串部分,具体的示例如下: >>>coords=input("输入点的坐标(x,y):").split(",")输入点的坐标(x,y):3,5>>>coords['3','5']>>>coords[0]'3' 再回到解码器的问题,可以使用类似的技术。
由于程序应该接收编码器程序产生的相同格式,即一系列具有空格的Unicode码,使用split()函数就可以十分轻松地解决问题,提升编程的效率。
同样,如果不是数字列表,而是字符串列表,只不过这些字符串包含数字,那么,又将如何提取这些数字呢?
下面通过举一个示例来解释说明一下。
在这个示例中的字符串都是整型字面量,因此可以把int()函数应用于每一个字符串,将其转换为Unicode码,然后再进行解码处理。
使用split()函数和int()函数,编写解码器如下: #5_5decodes_Unicode.pydefmain(): print("将Unicode码序列转换为文本字符串")print("文本字符串\n") 第5章字符串、列表和文件 83
声明：
该资讯来自于互联网网友发布，如有侵犯您的权益请联系我们。