编码和字符操作

.你觉得，迷茫的反义词是什么？有些人可能会说是坚定，但还有另一种说法：迷茫的反义词是具体。当你从一件件具体的事开始着手，焦虑就会一点点退去。——《夜读》

编码操作

UTF8编码

当谈到字符编码时，UTF-8（Unicode Transformation Format - 8-bit）是最为常见和广泛使用的字符编码之一。它是一种针对Unicode字符集的可变长度字符编码，可以表示几乎所有的Unicode字符。

以下是关于UTF-8的介绍：

1. 可变长度编码： UTF-8 是一种可变长度编码，它使用不同长度的字节序列来表示不同范围的Unicode字符。单字节编码ASCII字符（0-127范围内），而多字节编码其他Unicode字符。

2. 向后兼容性： UTF-8 对ASCII字符是向后兼容的，即ASCII字符在UTF-8编码中的表示与标准ASCII编码完全相同。这意味着使用UTF-8编码时，如果文本仅包含ASCII字符，它将与传统的ASCII文本兼容。

3. 广泛支持： UTF-8由于其广泛的支持和适应性而成为互联网上的事实标准。它被用于HTML、XML、JSON等网络数据格式中，并且几乎所有的现代编程语言和操作系统都提供了对UTF-8的支持。

4. 国际化支持： UTF-8可以表示几乎所有的Unicode字符，包括世界上几乎所有的语言的字符集。这使得它成为处理国际化文本和多语言应用程序的理想选择。

5. 字节顺序无关： UTF-8编码不依赖于字节顺序（大端序或小端序），因此可以在不同的平台上进行交换并保持数据的完整性。

总之，UTF-8是一种灵活、高效且广泛支持的字符编码，适用于处理各种语言和国际化文本数据。在编写现代软件和开发Web应用程序时，使用UTF-8已成为一种标准做法。

# 字符串
text = "你好，世界！"

# 编码成 UTF-8
encoded_text = text.encode("utf-8")
print("UTF-8 编码后的数据:", encoded_text)

# 解码回原始字符串
decoded_text = encoded_text.decode("utf-8")
print("UTF-8 解码后的字符串:", decoded_text)

UTF-8 编码后的数据: b'\xe4\xbd\xa0\xe5\xa5\xbd\xef\xbc\x8c\xe4\xb8\x96\xe7\x95\x8c\xef\xbc\x81'
UTF-8 解码后的字符串: 你好，世界！

GBK编码

GBK（Guo Biao Kuò Zhàn）是汉字内码扩展规范的缩写，是中国国家标准GB 2312-1980的扩展。GB 2312-1980是中国国家标准化委员会于1980年发布的一种用于简体中文的字符集编码标准，其中包含了6763个常用汉字和682个其他符号、标点等字符。GBK编码在GB 2312-1980的基础上对其中的汉字部分进行了扩展，添加了包括繁体中文、日文、韩文等在内的更多汉字，共收录了21003个中文汉字和图形字符。GBK编码采用双字节编码方案，每个汉字用两个字节表示，每个字符都能被唯一地表示。

GBK编码的主要特点包括：

1. 支持更多的汉字字符：相比于GB 2312-1980，GBK编码扩展了更多的汉字字符，使得其适用范围更广泛。
2. 向下兼容GB 2312-1980：GBK编码保留了GB 2312-1980的编码方案，因此可以兼容GB 2312-1980编码的文件和系统。
3. 支持多种语言：除了汉字字符外，GBK编码还包含了繁体中文、日文、韩文等字符，从而支持更多语言的编码需求。

尽管GBK编码在中国大陆和台湾地区广泛使用，但在国际范围内并不常见。随着Unicode的普及，现代的应用程序更倾向于使用Unicode字符集，因为Unicode可以统一表示世界上几乎所有的字符。

# 字符串
text = "你好，世界！"

# 编码成 GBK
encoded_text = text.encode("gbk")
print("GBK 编码后的数据:", encoded_text)

# 解码回原始字符串
decoded_text = encoded_text.d("gbk")
print("GBK 解码后的字符串:", decoded_text)

GBK 编码后的数据: b'\xc4\xe3\xba\xc3\xa3\xac\xca\xc0\xbd\xe7\xa3\xa1'
GBK 解码后的字符串: 你好，世界！

ASCII编码

ASCII（American Standard Code for Information Interchange）是一种用于计算机与通信设备之间交换信息的字符编码标准。它使用7位二进制数字表示128个字符，包括基本的拉丁字母、数字、标点符号和控制字符。

ASCII码最初于1963年由美国国家标准协会（ANSI）制定，后来在1967年进行了修订。ASCII标准规定了每个字符在计算机内部的二进制表示方式，以及相应的十进制和十六进制表示。其中，基本的可打印字符占据了0到127的范围，其中包括了数字、大写和小写拉丁字母、标点符号等；剩余的一些字符则被用于控制通信设备，比如换行、回车等。

ASCII码的特点包括：

1. 简洁明了：ASCII码只使用7位二进制数，每个字符用一个字节表示，使得它在计算机内部的处理非常高效。
2. 兼容性强：由于ASCII码是一个标准，因此几乎所有的计算机和通信设备都能够支持它，这使得ASCII码成为了通信和数据交换中的基本标准。
3. 适用范围广泛：ASCII码最初是为了英语而设计的，但它的应用已经扩展到了其他许多语言，虽然对于一些非拉丁字母的语言来说，ASCII并不是最佳的选择。

虽然ASCII码在许多方面具有优势，但由于其仅包含128个字符，无法涵盖所有的语言和符号。为了解决这个问题，后来出现了扩展的字符编码标准，如ISO-8859和Unicode。

# 将字符转换为ASCII码值
char = 'A'
ascii_value = ord(char)
print(f"字符 '{char}' 的ASCII码值为: {ascii_value}")

# 将ASCII码值转换为字符
ascii_value = 65
char = chr(ascii_value)
print(f"ASCII码值 {ascii_value} 对应的字符为: '{char}'")

字符 'A' 的ASCII码值为: 65
ASCII码值 65 对应的字符为: 'A'

字符操作

字符串定义

string = "Hello, World!"

转义符

Python中的转义字符是一种特殊的字符序列，用于表示无法直接键入或打印的字符，比如换行符、制表符等。以下是Python中常用的转义字符及其含义：

1. \n：换行符。将当前位置移到下一行开头。
2. \t：制表符。将当前位置移到下一个制表符位置。
3. \\：反斜杠。用于表示单个反斜杠字符。
4. \'：单引号。用于表示单引号字符。
5. \"：双引号。用于表示双引号字符。
6. \b：退格符。将当前位置移到前一列。
7. \r：回车符。将当前位置移到本行开头。
8. \f：换页符。将当前位置移到下页开头。

print("Hello\nWorld")              

Hello
World

print("Hello\tWorld") 

Hello	World

print("This is a single quote: \'")  

This is a single quote: '

print("This is a double quote: \"")  

This is a double quote: "

print("This is a backslash: \\")   

This is a backslash: \

print("Hello\bWorld") 

HellWorld

print("Hello\rWorld")  

World

print("Hello\fWorld") 

HelloWorld

字符串长度

print("字符串:", string)
print("字符串长度:", len(string))

字符串: Hello, World!
字符串长度: 13

切片操作

print("原始字符串:", string)
print("第一个字符:", string[0])
print("最后一个字符:", string[-1])
print("第2到第5个字符:", string[1:5])
print("从第7个字符到最后一个字符:", string[6:])

原始字符串: Hello, World!
第一个字符: H
最后一个字符: !
第2到第5个字符: ello
从第7个字符到最后一个字符:  World!

连接字符串

string2 = "Welcome"
print("字符串1:", string)
print("字符串2:", string2)
concatenated_string = string + " " + string2
print("连接后的字符串:", concatenated_string)

连接字符串:
字符串1: Hello, World!
字符串2: Welcome
连接后的字符串: Hello, World! Welcome

替换操作

replaced_string = string.replace("World", "Python")
print("原始字符串:", string)
print("替换后的字符串:", replaced_string)

原始字符串: Hello, World!
替换后的字符串: Hello, Python!

分割操作

split_string = string.split(",")
print("原始字符串:", string)
print("分割后的字符串列表:", split_string)

原始字符串: Hello, World!
分割后的字符串列表: ['Hello', ' World!']

进阶练习

练习一

我喜欢吃苹果。我还喜欢香蕉。我数学考了一百分。老师给我奖励了一个大红花。

将该段文字中所有我转换为自己的名字，并且输出打印

page="我喜欢吃苹果。我还喜欢香蕉。我数学考了一百分。老师给我奖励了一个大红花。"
page.replace("我","王辉")

'王辉喜欢吃苹果。王辉还喜欢香蕉。王辉数学考了一百分。老师给王辉奖励了一个大红花。'

练习二

我喜欢吃苹果。我还喜欢香蕉。我数学考了一百分。老师给我奖励了一个大红花。

将所有的"我"替换为"王辉"，并且一句换一行，句号结尾

# 原始字符串
original_text = "我喜欢吃苹果。我还喜欢香蕉。我数学考了一百分。老师给我奖励了一个大红花。"
replaced_text = original_text.replace("我", "王辉").replace("。", "。\n")
# 输出替换后的结果
print(replaced_text)

王辉喜欢吃苹果。
王辉还喜欢香蕉。
王辉数学考了一百分。
老师给王辉奖励了一个大红花。

练习三

我喜欢吃苹果。我还喜欢香蕉。我数学考了一百分。老师给我奖励了一个大红花。

将所有的"我"替换为"王辉"，并且一句换一行，句号结尾，并且计算每一句话的长度

# 原始字符串
original_text = "我喜欢吃苹果。我还喜欢香蕉。我数学考了一百分。老师给我奖励了一个大红花。"
replaced_text = original_text.replace("我", "王辉").replace("。", "。\n")

# 输出替换后的结果
print(replaced_text)

# 分割文本为句子列表
sentences = replaced_text.split("\n")

# 输出每句的长度
for sentence in sentences:
    print(f"句子 '{sentence}' 的长度为: {len(sentence)}")

王辉喜欢吃苹果。
王辉还喜欢香蕉。
王辉数学考了一百分。
老师给王辉奖励了一个大红花。

句子 '王辉喜欢吃苹果。' 的长度为: 8
句子 '王辉还喜欢香蕉。' 的长度为: 8
句子 '王辉数学考了一百分。' 的长度为: 10
句子 '老师给王辉奖励了一个大红花。' 的长度为: 14
句子 '' 的长度为: 0