前言

  本篇将更深入地介绍字符串的使用和机制，有关字符串的基础内容，见Python基础学习笔记（九）——字符串（上）。

一、字符串的编码、检测和比较

1. 编码与解码

  字符串是由Unicode字符组成的，字符按一定格式转换为字节的过程，称为编码；编码的逆向操作，称为解码。

• encode(encoding, errors)：将目标字符串（str）转换为指定编码格式的字节对象（bytes）
• decode(encoding, errors)：将目标字节对象（bytes）转换为指定编码格式的字符串（str）

  以上两个函数实现了文本与二进制数据之间的转换。其中，encoding默认值为"utf-8"，errors默认值为"strict"。
  encoding的可选参数（不论大小写）列表详见Python基础学习笔记（二）——编码_命名，errors的部分可选参数如下：

• "strict"：检测到非法字符，抛出UnicodeError异常
• "ignore"：忽略非法字符
• "replace"：用特定字符替代非法字符

str_ = 'dandelion的博客'
# GBK编码格式下，1汉字占2字节
en = str_.encode('GBK')
print(en)
de = en.decode('GBK')
print(de)# utf-8编码格式下，1汉字占3字节
en = str_.encode()
print(en)
de = en.decode()
print(de)

b'dandelion\xb5\xc4\xb2\xa9\xbf\xcd'
dandelion的博客b'dandelion\xe7\x9a\x84\xe5\x8d\x9a\xe5\xae\xa2'
dandelion的博客

• chr(int)：将任意进制的Unicode码值转换为字符
• ord(str|bytes)：将一个字节对象或字符转换为十进制的Unicode码值（不能输入空字符）

  charcode和order函数实现了str与int之间的转换。

print(ord(' '.encode()), ord('a'), ord('A'), ord('缪'), ord('0'))
print(chr(255), chr(95))

32 97 65 32554 48
ÿ _

2. 字符检测与判断

• isidentifier()：若字符串中的字符全部为合法标识符，返回True；否则返回False
• isspace()：若字符串中的字符全部为空白符（空格、换行、水平制表符），返回True；否则返回False
• isalpha()：若字符串中的字符全部为letter类型（英文字母、汉字等），返回True；否则返回False
• isdecimal()：若字符串中的字符全部为十进制数字字符（0~9），返回True；否则返回False
• isnumeric()：若字符串中的字符全部为数字（阿拉伯、中文、罗马等），返回True；否则返回False
• isalnum()：若字符串中的字符全部为数字或letter，返回True；否则返回False

print('_dandelion_'.isidentifier())
print(' \t\n'.isspace())
print('dandelion的博客'.isalpha())
print('02'.isdecimal())
print('Ⅱ0二十四'.isnumeric())
print('Muelsyse1103'.isalnum())# 在utf-8编码下，汉字不被视为字母
print('sleep'.encode().isalpha())
print('好困'.encode().isalpha())

True True True True True True
True False

3. 字符串的比较

  从字符串左端开始，逐个字符进行比较，若两个字符的Unicode码值（原始值）相等，就比较下一个字符，若不相等则确定两串大小关系。当且仅当每个字符都相等时，两串相等。

print(ord('1'), ord('2'), ord('3'))
print('112' > '113')
print('212' > '113')

49 50 51
False
True

  常见的Unicode码值有：0-9 -> 48~57，A-Z -> 65~90，a-z -> 97~122

二、占位符与格式化

  占位符是一种特殊字符，用于表示字符串中将来要填充的值的位置，通常用于字符串格式化。它们是在程序运行时动态生成的，以便将实际值插入到占位符的位置。

1. %型格式化

  最传统的格式化方法，使用%型占位符将变量的值插入到字符串中，格式为：str % {variables}.

• %d | %i：将整型变量的值插入到字符串中
• %f：将浮点型变量的值插入到字符串中
• %s：将字符串型变量的值插入到字符串中

  特定类型的占位符只能传递特定类型的值。

name = input('名字：')
age = int(input('年龄：'))
order = int(input('等阶：'))
coefficient = float(input('强度系数：'))print('我叫%s，一名%d岁的%i阶魔法使，魔力强度系数%f' % (name, age, order, coefficient))

  在上述示例中，用户可以根据实际情况给变量赋值，变量的值根据{variables}中的变量与str中的占位符的位置一一对应插入到str中，并得到一个特定格式的字符串。

2. {}型格式化

  不限制变量类型的格式化方法，使用{index}型占位符将变量的值插入到字符串中，格式为： str.format(variables).

name = input('名字：')
age = int(input('年龄：'))
order = int(input('等阶：'))
coefficient = float(input('强度系数：'))print('我叫{0}，一名{1}岁的{2}阶魔法使，魔力强度系数{3}'.format(name, age, order, coefficient))

  在上述示例中，用户可以根据实际情况给变量赋值，变量的值根据{variables}中的变量与str中的占位符的索引对应插入到str中，并得到一个特定格式的字符串。

  特别的，若全为占位符为{}，插入方式仍为 “位置一一对应”。

3. 浮点格式化

  对于%型格式化，浮点型的占位符为%ca.bf.

  其中，c, a, b都是整型，c是填充符，默认值为空格；整数部分a为右对齐参数，作用相当于rjust(a, 'c')函数；小数部分b为精度参数，返回保留b位小数（四舍五入）的浮点数。

# 最大精度：保留6位小数
print('%f' % 3.1415926)
# 只对齐，使用最大精度，填充符为0
print('%010f' % 3.1415926)
# 右对齐，默认精度为0
print('%10.f' % 3.1415926)
# 不对齐，精度为3
print('%.3f' % 3.1415926)
# 右对齐，精度为3
print('%10.3f' % 3.1415926)
# 不对齐，默认精度为0
print('%.f' % 3.1415926)

3.141593
003.1415933
3.1423.142
3

  
  对于{}型格式化，浮点型的占位符为{index: ca.b}.

  其中，c, a, b的含义与前者基本一致，区别在于，有小数点.时：

• b不再为可选参数
• a的值未传递，或小于等于字符串长，默认值为len+1，即至少左空一格

  并且有{index: a.b}保留b位有效数字，{index: a.bf}保留b位小数。

# 最大精度：保留6位小数
print('{0:f}'.format(3.1415926535897932))
# 最大精度：保留16位有效数字
print('{0:}'.format(3.1415926535897932))
# 右对齐，使用最大精度，填充符为0
print('{:025}'.format(3.1415926535897932))
# 左空一格，精度为3
print('{:.3}'.format(3.1415926535897932))
# 右对齐，精度为3
print('{:10.3}'.format(3.1415926535897932))

3.141593
3.141592653589793
000000003.1415926535897933.143.14

4. f-string 格式化

4.1 对象调用

  可直接将变量写入字符串的格式化方法，使用{variable}型占位符将变量的值插入到字符串中，需要前缀f或F对字符串进行标识。

# 直接输入
print(f'我考了{100}分')# 变量传递
score = 100
print(f'我考了{score}分')

我考了100分

  
  f-string格式化也支持表达式和函数调用。

# 平方运算
x = int(input())
print(f"{(lambda x: x**2)(x)}")

4.2 数字格式

  f-string格式化仍遵循上述的浮点格式化机制，并新增了分隔描述符，占位符格式为{decimal:,d}和{decimal:_d}.

  其中，decimal是十进制整数，,和_是分隔符，表示每三位分隔一次。

# 不对齐，保留2位小数
print(f"{3.1415926:.2f}")# 对多位整数按位划分
print(f"{2024114514:,d}")

3.14
2,024,114,514

4.3 字符串格式

  f-string格式化可以规定字符串的对齐格式，占位符格式为{str:fillchar/how/width.len}，可以实现：先截断字符串保留指定长度（从左到右），再对齐填充。

  其中，fillchar是填充符，how是对齐方式（居中^、左对齐<、右对齐>）,width是对齐宽度，len是保留长度。

s = "dandelion"# 左对齐：保留长度超过字符串长，不发生截断
print(f"{s:*<20.10}")
# 右对齐：截断后保留5个字符
print(f"{s:*>20.5}")
# 居中：不截断截断
print(f"{s:*^20}")

dandelion***********
***************dande
*****dandelion******

4.4 功能增强

  在Python 3.12版本后，f-string格式化支持引号重用、多行表达式和注释、转义字符。

# 引号重用：允许嵌套定义
print(f"{f"{f"{f"{f"{f"{1+1}"}"}"}"}"}")	# 2# 多行表达式和注释：允许跨行，并在行尾添加注释
lst = f"列表：{"; ".join(["1",  # 第1项"2",  # 第2项"3"   # 第3项
])}"# 转义字符：允许在语句内使用反斜杠
print(f"{'\n'}")

三、字符驻留机制

  字符驻留机制是一种优化技术，用于节约内存和提高性能，指的是：

  编译过程中，解释器会将较短的不可变字符串对象保存在内存池中，当创建新的字符串时，首先检查该字符串是否已经存在于内存池中，如果是，则返回已存在的对象的引用，也就是把内存地址赋给新变量，而不是开辟一个新空间。

  其中，较短的字符串一般指符合标识符或长度不超过1的字符串。 intern()函数还可以显式地将一个字符串对象添加到内存池中，以便进行字符驻留。

  特别的，Pycharm对该编译机制进一步优化后，所有相同的字符串id均相同。