Question

字符串和编码

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。
UTF-8 编码: 它把 Unicode 编码转化为“可变长编码”。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。

在Python 3 版本中，字符串是以 Unicode 编码的，也就是说，Python 的字符串支持多语言。
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 -*-

第一行告诉Linux系统应该运行哪个解释器。
第二行告诉 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。

1. 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'
   >>> 'ABC'.encode('utf-8')
   b'ABC'
   >>> '中文'.encode('utf-8')
   b'\xe4\xb8\xad\xe6\x96\x87'
   

   在 bytes 中，无法显示为 ASCII 字符的字节，用\x##显示。
   纯英文的 str 可以用 ASCII或UTF-8 编码为 bytes，内容是一样的，含有中文的 str可以用 UTF-8 编码为 bytes。
   含有中文的 str 无法用 ASCII 编码，因为中文编码的范围超过了ASCII编码的范围， Python 会报错。

2. 如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把 bytes 变为 str，就需要用 decode()方法：

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

3. 要计算 str 包含多少个字符，可以用 len()函数：

   >>> len('ABC')
   3
   >>> 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
   

4. 在操作字符串时，我们经常遇到 str 和 bytes 的互相转换。为了避免乱码问题，应当始终坚持使用 UTF-8 编码对 str 和 bytes 进行转换。

格式化

旧式风格

旧的格式化方式和 C 语言是一致的，用%实现：

>>> 'Hello %s' % 'world'
'Hello world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'

如果只有一个%参数，括号可以省略。
使用%s时，它会把任何数据类型转换为字符串。

新式风格

新的格式化方式是使用format()方法实现：

>>> '{} is {}'.format('erick', 100)
'erick is 100'

官方推荐使用新式风格进行格式化。