前言

首先，本次立項項目只是為了做網(wǎng)絡(luò)爬蟲，本身不需要Python完整的知識鏈。因此，對于基本語法，我會浮光掠影，快速瀏覽并實驗，為的是直搗黃龍~

滴滴滴

Python語言介紹

Python是一種計算機程序設(shè)計語言。你可能已經(jīng)聽說過很多種流行的編程語言，比如非常難學(xué)的C語言，非常流行的Java語言，適合初學(xué)者的Basic語言，適合網(wǎng)頁編程的JavaScript語言等等。

那Python是一種什么語言？

首先，我們普及一下編程語言的基礎(chǔ)知識。用任何編程語言來開發(fā)程序，都是為了讓計算機干活，比如下載一個MP3，編寫一個文檔等等，而計算機干活的CPU只認識機器指令，所以，盡管不同的編程語言差異極大，最后都得“翻譯”成CPU可以執(zhí)行的機器指令。而不同的編程語言，干同一個活，編寫的代碼量，差距也很大。

比如，完成同一個任務(wù)，C語言要寫1000行代碼，Java只需要寫100行，而Python可能只要20行。

所以Python是一種相當(dāng)高級的語言。

你也許會問，代碼少還不好？代碼少的代價是運行速度慢，C程序運行1秒鐘，Java程序可能需要2秒，而Python程序可能就需要10秒。

那是不是越低級的程序越難學(xué)，越高級的程序越簡單？表面上來說，是的，但是，在非常高的抽象計算中，高級的Python程序設(shè)計也是非常難學(xué)的，所以，高級程序語言不等于簡單。

但是，對于初學(xué)者和完成普通任務(wù)，Python語言是非常簡單易用的。連Google都在大規(guī)模使用Python，你就不用擔(dān)心學(xué)了會沒用。

用Python可以做什么？可以做日常任務(wù)，比如自動備份你的MP3；可以做網(wǎng)站，很多著名的網(wǎng)站包括YouTube就是Python寫的；可以做網(wǎng)絡(luò)游戲的后臺，很多在線游戲的后臺都是Python開發(fā)的。總之就是能干很多很多事啦。

Python當(dāng)然也有不能干的事情，比如寫操作系統(tǒng)，這個只能用C語言寫；寫手機應(yīng)用，只能用Swift/Objective-C（針對iPhone）和Java（針對Android）；寫3D游戲，最好用C或C++。

Python簡介

現(xiàn)在，全世界差不多有600多種編程語言，但流行的編程語言也就那么20來種。如果你聽說過TIOBE排行榜，你就能知道編程語言的大致流行程度。這是最近10年最常用的10種編程語言的變化圖：

總的來說，這幾種編程語言各有千秋。C語言是可以用來編寫操作系統(tǒng)的貼近硬件的語言，所以，C語言適合開發(fā)那些追求運行速度、充分發(fā)揮硬件性能的程序。而Python是用來編寫應(yīng)用程序的高級編程語言。

當(dāng)你用一種語言開始作真正的軟件開發(fā)時，你除了編寫代碼外，還需要很多基本的已經(jīng)寫好的現(xiàn)成的東西，來幫助你加快開發(fā)進度。比如說，要編寫一個電子郵件客戶端，如果先從最底層開始編寫網(wǎng)絡(luò)協(xié)議相關(guān)的代碼，那估計一年半載也開發(fā)不出來。高級編程語言通常都會提供一個比較完善的基礎(chǔ)代碼庫，讓你能直接調(diào)用，比如，針對電子郵件協(xié)議的SMTP庫，針對桌面環(huán)境的GUI庫，在這些已有的代碼庫的基礎(chǔ)上開發(fā)，一個電子郵件客戶端幾天就能開發(fā)出來。

Python就為我們提供了非常完善的基礎(chǔ)代碼庫，覆蓋了網(wǎng)絡(luò)、文件、GUI、數(shù)據(jù)庫、文本等大量內(nèi)容，被形象地稱作“內(nèi)置電池（batteries included）”。用Python開發(fā)，許多功能不必從零編寫，直接使用現(xiàn)成的即可。

除了內(nèi)置的庫外，Python還有大量的第三方庫，也就是別人開發(fā)的，供你直接使用的東西。當(dāng)然，如果你開發(fā)的代碼通過很好的封裝，也可以作為第三方庫給別人使用。

許多大型網(wǎng)站就是用Python開發(fā)的，例如YouTube、Instagram，還有國內(nèi)的豆瓣。很多大公司，包括Google、Yahoo等，甚至NASA（美國航空航天局）都大量地使用Python。

那Python適合開發(fā)哪些類型的應(yīng)用呢？

• 首選是網(wǎng)絡(luò)應(yīng)用，包括網(wǎng)站、后臺服務(wù)等等；

• 其次是許多日常需要的小工具，包括系統(tǒng)管理員需要的腳本任務(wù)等等；

• 另外就是把其他語言開發(fā)的程序再包裝起來，方便使用。

最后說說Python的缺點。

任何編程語言都有缺點，Python也不例外。優(yōu)點說過了，那Python有哪些缺點呢？

• 第一個缺點就是運行速度慢，和C程序相比非常慢，因為Python是解釋型語言，你的代碼在執(zhí)行時會一行一行地翻譯成CPU能理解的機器碼，這個翻譯過程非常耗時，所以很慢。而C程序是運行前直接編譯成CPU能執(zhí)行的機器碼，所以非常快。
  但是大量的應(yīng)用程序不需要這么快的運行速度，因為用戶根本感覺不出來。例如開發(fā)一個下載MP3的網(wǎng)絡(luò)應(yīng)用程序，C程序的運行時間需要0.001秒，而Python程序的運行時間需要0.1秒，慢了100倍，但由于網(wǎng)絡(luò)更慢，需要等待1秒，你想，用戶能感覺到1.001秒和1.1秒的區(qū)別嗎？這就好比F1賽車和普通的出租車在北京三環(huán)路上行駛的道理一樣，雖然F1賽車理論時速高達400公里，但由于三環(huán)路堵車的時速只有20公里，因此，作為乘客，你感覺的時速永遠是20公里。

• 第二個缺點就是代碼不能加密。如果要發(fā)布你的Python程序，實際上就是發(fā)布源代碼，這一點跟C語言不同，C語言不用發(fā)布源代碼，只需要把編譯后的機器碼（也就是你在Windows上常見的xxx.exe文件）發(fā)布出去。要從機器碼反推出C代碼是不可能的，所以，凡是編譯型的語言，都沒有這個問題，而解釋型的語言，則必須把源碼發(fā)布出去。

這個缺點僅限于你要編寫的軟件需要賣給別人掙錢的時候。好消息是目前的互聯(lián)網(wǎng)時代，靠賣軟件授權(quán)的商業(yè)模式越來越少了，靠網(wǎng)站和移動應(yīng)用賣服務(wù)的模式越來越多了，后一種模式不需要把源碼給別人。

再說了，現(xiàn)在如火如荼的開源運動和互聯(lián)網(wǎng)自由開放的精神是一致的，互聯(lián)網(wǎng)上有無數(shù)非常優(yōu)秀的像Linux一樣的開源代碼，我們千萬不要高估自己寫的代碼真的有非常大的“商業(yè)價值”。那些大公司的代碼不愿意開放的更重要的原因是代碼寫得太爛了，一旦開源，就沒人敢用他們的產(chǎn)品了。

安裝Python

因為Python是跨平臺的，它可以運行在Windows、Mac和各種Linux/Unix系統(tǒng)上。在Windows上寫Python程序，放到Linux上也是能夠運行的。

要開始學(xué)習(xí)Python編程，首先就得把Python安裝到你的電腦里。安裝后，你會得到Python解釋器（就是負責(zé)運行Python程序的），一個命令行交互環(huán)境，還有一個簡單的集成開發(fā)環(huán)境。

安裝Python 3.7

目前，Python有兩個版本，一個是2.x版，一個是3.x版，這兩個版本是不兼容的。由于3.x版越來越普及，我們的教程將以最新的Python 3.7版本為基礎(chǔ)。請確保你的電腦上安裝的Python版本是最新的3.7.x，這樣，你才能無痛學(xué)習(xí)這個教程。

• 在Windows上運行Python時，請先啟動命令行，然后運行python。
• 在Mac和Linux上運行Python時，請打開終端，然后運行python3。

Python解釋器

當(dāng)我們編寫Python代碼時，我們得到的是一個包含Python代碼的以.py為擴展名的文本文件。要運行代碼，就需要Python解釋器去執(zhí)行.py文件。

由于整個Python語言從規(guī)范到解釋器都是開源的，所以理論上，只要水平夠高，任何人都可以編寫Python解釋器來執(zhí)行Python代碼（當(dāng)然難度很大）。事實上，確實存在多種Python解釋器。

1、CPython

當(dāng)我們從Python官方網(wǎng)站下載并安裝好Python 3.x后，我們就直接獲得了一個官方版本的解釋器：CPython。這個解釋器是用C語言開發(fā)的，所以叫CPython。在命令行下運行python就是啟動CPython解釋器。

CPython是使用最廣的Python解釋器。教程的所有代碼也都在CPython下執(zhí)行。

2、IPython

IPython是基于CPython之上的一個交互式解釋器，也就是說，IPython只是在交互方式上有所增強，但是執(zhí)行Python代碼的功能和CPython是完全一樣的。好比很多國產(chǎn)瀏覽器雖然外觀不同，但內(nèi)核其實都是調(diào)用了IE。

CPython用>>>作為提示符
IPython用In [序號]:作為提示符。

3、PyPy

PyPy是另一個Python解釋器，它的目標是執(zhí)行速度。PyPy采用JIT技術(shù)，對Python代碼進行動態(tài)編譯（注意不是解釋），所以可以顯著提高Python代碼的執(zhí)行速度。

絕大部分Python代碼都可以在PyPy下運行，但是PyPy和CPython有一些是不同的，這就導(dǎo)致相同的Python代碼在兩種解釋器下執(zhí)行可能會有不同的結(jié)果。如果你的代碼要放到PyPy下執(zhí)行，就需要了解PyPy和CPython的不同點。

4、Jython

Jython是運行在Java平臺上的Python解釋器，可以直接把Python代碼編譯成Java字節(jié)碼執(zhí)行。

5、IronPython

IronPython和Jython類似，只不過IronPython是運行在微軟.Net平臺上的Python解釋器，可以直接把Python代碼編譯成.Net的字節(jié)碼。

小結(jié)

Python的解釋器很多，但使用最廣泛的還是CPython。

如果要和Java或.Net平臺交互，最好的辦法不是用Jython或IronPython，而是通過網(wǎng)絡(luò)調(diào)用來交互，確保各程序之間的獨立性。

語法快速入門

1. 打印輸出

如果要讓Python打印出指定的文字，可以用print()函數(shù)，然后把希望打印的文字用單引號或者雙引號括起來，但不能混用單引號和雙引號：

>>> print('hello, world')
hello, world

這種用單引號或者雙引號括起來的文本在程序中叫字符串

2. 直接運行py文件

有同學(xué)問，能不能像.exe文件那樣直接運行.py文件呢？在Windows上是不行的，但是，在Mac和Linux上是可以的，方法是在.py文件的第一行加上一個特殊的注釋：

#!/usr/bin/env python3

print('hello, world')

然后，通過命令給hello.py以執(zhí)行權(quán)限：

$ chmod a+x hello.py

就可以直接運行hello.py了，比如在Mac下運行：

3. 輸出

print()函數(shù)也可以接受多個字符串，用逗號“,”隔開，就可以連成一串輸出：

>>> print('The quick brown fox', 'jumps over', 'the lazy dog')
The quick brown fox jumps over the lazy dog

4. 輸入

現(xiàn)在，你已經(jīng)可以用print()輸出你想要的結(jié)果了。但是，如果要讓用戶從電腦輸入一些字符怎么辦？Python提供了一個input()，可以讓用戶輸入字符串，并存放到一個變量里。比如輸入用戶的名字：

>>> name = input()
Michael
print(name)

但是程序運行的時候，沒有任何提示信息告訴用戶：“嘿，趕緊輸入你的名字”，這樣顯得很不友好。幸好，input()可以讓你顯示一個字符串來提示用戶，于是我們把代碼改成：

name = input('please enter your name: ')
print('hello,', name)

再次運行這個程序，你會發(fā)現(xiàn)，程序一運行，會首先打印出please enter your name:，這樣，用戶就可以根據(jù)提示，輸入名字后，得到hello, xxx的輸出：

C:\Workspace> python hello.py
please enter your name: Michael
hello, Michael

輸入是Input，輸出是Output，因此，我們把輸入輸出統(tǒng)稱為Input/Output，或者簡寫為IO。

input()和print()是在命令行下面最基本的輸入和輸出，但是，用戶也可以通過其他更高級的圖形界面完成輸入和輸出，比如，在網(wǎng)頁上的一個文本框輸入自己的名字，點擊“確定”后在網(wǎng)頁上看到輸出信息。

5. Python基礎(chǔ)

Python是一種計算機編程語言。計算機編程語言和我們?nèi)粘Ｊ褂玫淖匀徽Z言有所不同，最大的區(qū)別就是，自然語言在不同的語境下有不同的理解，而計算機要根據(jù)編程語言執(zhí)行任務(wù)，就必須保證編程語言寫出的程序決不能有歧義，所以，任何一種編程語言都有自己的一套語法，編譯器或者解釋器就是負責(zé)把符合語法的程序代碼轉(zhuǎn)換成CPU能夠執(zhí)行的機器碼，然后執(zhí)行。Python也不例外。

Python的語法比較簡單，采用縮進方式，寫出來的代碼就像下面的樣子：

# print absolute value of an integer:
a = 100
if a >= 0:
    print(a)
else:
    print(-a)

以#開頭的語句是注釋，注釋是給人看的，可以是任意內(nèi)容，解釋器會忽略掉注釋。其他每一行都是一個語句，當(dāng)語句以冒號:結(jié)尾時，縮進的語句視為代碼塊。

縮進有利有弊。好處是強迫你寫出格式化的代碼，但沒有規(guī)定縮進是幾個空格還是Tab。按照約定俗成的管理，應(yīng)該始終堅持使用4個空格的縮進。

縮進的另一個好處是強迫你寫出縮進較少的代碼，你會傾向于把一段很長的代碼拆分成若干函數(shù)，從而得到縮進較少的代碼。

縮進的壞處就是“復(fù)制－粘貼”功能失效了，這是最坑爹的地方。當(dāng)你重構(gòu)代碼時，粘貼過去的代碼必須重新檢查縮進是否正確。此外，IDE很難像格式化Java代碼那樣格式化Python代碼。

最后，請務(wù)必注意，Python程序是大小寫敏感的，如果寫錯了大小寫，程序會報錯。

小結(jié)
Python使用縮進來組織代碼塊，請務(wù)必遵守約定俗成的習(xí)慣，堅持使用4個空格的縮進。

在文本編輯器中，需要設(shè)置把Tab自動轉(zhuǎn)換為4個空格，確保不混用Tab和空格。

6. 數(shù)據(jù)類型

整數(shù)

Python可以處理任意大小的整數(shù)，當(dāng)然包括負整數(shù)，在程序中的表示方法和數(shù)學(xué)上的寫法一模一樣，例如：1，100，-8080，0，等等。

計算機由于使用二進制，所以，有時候用十六進制表示整數(shù)比較方便，十六進制用0x前綴和0-9，a-f表示，例如：0xff00，0xa5b4c3d2，等等。

浮點數(shù)

浮點數(shù)也就是小數(shù)，之所以稱為浮點數(shù)，是因為按照科學(xué)記數(shù)法表示時，一個浮點數(shù)的小數(shù)點位置是可變的，比如，1.23x10⁹和12.3x10⁸是完全相等的。

浮點數(shù)可以用數(shù)學(xué)寫法，如1.23，3.14，-9.01，等等。
但是對于很大或很小的浮點數(shù)，就必須用科學(xué)計數(shù)法表示，把10用e替代，1.23x10⁹就是1.23e9，或者12.3e8，0.000012可以寫成1.2e-5，等等。

字符串

字符串是以單引號'或雙引號"括起來的任意文本，比如'abc'，"xyz"等等。
請注意，''或""本身只是一種表示方式，不是字符串的一部分，因此，字符串'abc'只有a，b，c這3個字符。如果'本身也是一個字符，那就可以用""括起來，比如"I'm OK"包含的字符是I，'，m，空格，O，K這6個字符。

如果字符串內(nèi)部既包含'又包含"怎么辦？可以用轉(zhuǎn)義字符\來標識，比如：

轉(zhuǎn)義字符\可以轉(zhuǎn)義很多字符，比如\n表示換行，\t表示制表符，字符\本身也要轉(zhuǎn)義，所以\\表示的字符就是\，可以在Python的交互式命令行用print()打印字符串看看：

>>> print('I\'m ok.')
I'm ok.
>>> print('I\'m learning\nPython.')
I'm learning
Python.
>>> print('\\\n\\')
\
\

多行字符串'''...'''還可以在前面加上r使用：

# -*- coding: utf-8 -*-
print('''line1
line2
line3''')

布爾值

布爾值和布爾代數(shù)的表示完全一致，一個布爾值只有True、False兩種值，要么是True，要么是False，在Python中，可以直接用True、False表示布爾值（請注意大小寫），也可以通過布爾運算計算出來：

布爾值可以用and、or和not運算。

• and運算是與運算，只有所有都為True，and運算結(jié)果才是True：

• or運算是或運算，只要其中有一個為True，or運算結(jié)果就是True：

• not運算是非運算，它是一個單目運算符，把True變成False，F(xiàn)alse變成True：

布爾值經(jīng)常用在條件判斷中，比如：

if age >= 18:
    print('adult')
else:
    print('teenager')

空值

空值是Python里一個特殊的值，用None表示。None不能理解為0，因為0是有意義的，而None是一個特殊的空值。

此外，Python還提供了列表、字典等多種數(shù)據(jù)類型，還允許創(chuàng)建自定義數(shù)據(jù)類型。

變量

變量的概念基本上和初中代數(shù)的方程變量是一致的，只是在計算機程序中，變量不僅可以是數(shù)字，還可以是任意數(shù)據(jù)類型。

在Python中，等號=是賦值語句，可以把任意數(shù)據(jù)類型賦值給變量，同一個變量可以反復(fù)賦值，而且可以是不同類型的變量

例如：

# -*- coding: utf-8 -*-
a = 123 # a是整數(shù)
print(a)
a = 'ABC' # a變?yōu)樽址?print(a)

最后，理解變量在計算機內(nèi)存中的表示也非常重要。當(dāng)我們寫：

a = 'ABC'

此時，Python解釋器干了兩件事情：

• 在內(nèi)存中創(chuàng)建了一個'ABC'的字符串；

• 在內(nèi)存中創(chuàng)建了一個名為a的變量，并把它指向'ABC'。

也可以把一個變量a賦值給另一個變量b，這個操作實際上是把變量b指向變量a所指向的數(shù)據(jù)，例如下面的代碼：

# -*- coding: utf-8 -*-
a = 'ABC'
b = a
a = 'XYZ'
print(b)

最后打印出b的值：ABC

最后一行打印出變量b的內(nèi)容到底是'ABC'呢還是'XYZ'？如果從數(shù)學(xué)意義上理解，就會錯誤地得出b和a相同，也應(yīng)該是'XYZ'，但實際上b的值是'ABC'，讓我們一行一行地執(zhí)行代碼，就可以看到到底發(fā)生了什么事：

執(zhí)行a = 'ABC'，解釋器創(chuàng)建了字符串'ABC'和變量a，并把a指向'ABC'：

執(zhí)行b = a，解釋器創(chuàng)建了變量b，并把b指向a指向的字符串'ABC'：

執(zhí)行a = 'XYZ'，解釋器創(chuàng)建了字符串'XYZ'，并把a的指向改為'XYZ'，但b并沒有更改：

常量

所謂常量就是不能變的變量，比如常用的數(shù)學(xué)常數(shù)π就是一個常量。在Python中，通常用全部大寫的變量名表示常量：

PI = 3.14159265359

但事實上PI仍然是一個變量，Python根本沒有任何機制保證PI不會被改變，所以，用全部大寫的變量名表示常量只是一個習(xí)慣上的用法，如果你一定要改變變量PI的值，也沒人能攔住你。

最后解釋一下整數(shù)的除法為什么也是精確的。在Python中，有兩種除法，一種除法是/：

>>> 10 / 3
3.3333333333333335

/除法計算結(jié)果是浮點數(shù)，即使是兩個整數(shù)恰好整除，結(jié)果也是浮點數(shù)：

>>> 9 / 3
3.0

還有一種除法是//，稱為地板除，兩個整數(shù)的除法仍然是整數(shù)：

>>> 10 // 3
3

你沒有看錯，整數(shù)的地板除//永遠是整數(shù)，即使除不盡。要做精確的除法，使用/就可以。

因為//除法只取結(jié)果的整數(shù)部分，所以Python還提供一個余數(shù)運算，可以得到兩個整數(shù)相除的余數(shù)：

>>> 10 % 3
1

無論整數(shù)做//除法還是取余數(shù)，結(jié)果永遠是整數(shù)，所以，整數(shù)運算結(jié)果永遠是精確的。

小結(jié)
Python支持多種數(shù)據(jù)類型，在計算機內(nèi)部，可以把任何數(shù)據(jù)都看成一個“對象”，而變量就是在程序中用來指向這些數(shù)據(jù)對象的，對變量賦值就是把數(shù)據(jù)和變量給關(guān)聯(lián)起來。

對變量賦值x = y是把變量x指向真正的對象，該對象是變量y所指向的。隨后對變量y的賦值不影響變量x的指向。

注意：Python的整數(shù)沒有大小限制，而某些語言的整數(shù)根據(jù)其存儲長度是有大小限制的，例如Java對32位整數(shù)的范圍限制在-2147483648-2147483647。

Python的浮點數(shù)也沒有大小限制，但是超出一定范圍就直接表示為 inf（無限大）。

7.字符編碼

我們已經(jīng)講過了，字符串也是一種數(shù)據(jù)類型，但是，字符串比較特殊的是還有一個編碼問題。

因為計算機只能處理數(shù)字，如果要處理文本，就必須先把文本轉(zhuǎn)換為數(shù)字才能處理。最早的計算機在設(shè)計時采用8個比特（bit）作為一個字節(jié)（byte），所以，一個字節(jié)能表示的最大的整數(shù)就是255（二進制11111111=十進制255），如果要表示更大的整數(shù)，就必須用更多的字節(jié)。比如兩個字節(jié)可以表示的最大整數(shù)是65535，4個字節(jié)可以表示的最大整數(shù)是4294967295。

由于計算機是美國人發(fā)明的，因此，最早只有127個字符被編碼到計算機里，也就是大小寫英文字母、數(shù)字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母z的編碼是122。

但是要處理中文顯然一個字節(jié)是不夠的，至少需要兩個字節(jié)，而且還不能和ASCII編碼沖突，所以，中國制定了GB2312編碼，用來把中文編進去。

你可以想得到的是，全世界有上百種語言，日本把日文編到Shift_JIS里，韓國把韓文編到Euc-kr里，各國有各國的標準，就會不可避免地出現(xiàn)沖突，結(jié)果就是，在多語言混合的文本中，顯示出來會有亂碼。

因此，Unicode應(yīng)運而生。Unicode把所有語言都統(tǒng)一到一套編碼里，這樣就不會再有亂碼問題了。

Unicode標準也在不斷發(fā)展，但最常用的是用兩個字節(jié)表示一個字符（如果要用到非常偏僻的字符，就需要4個字節(jié)）。現(xiàn)代操作系統(tǒng)和大多數(shù)編程語言都直接支持Unicode。

現(xiàn)在，捋一捋ASCII編碼和Unicode編碼的區(qū)別：

• ASCII編碼是1個字節(jié)
• Unicode編碼通常是2個字節(jié)。

字母A用ASCII編碼是十進制的65，二進制的01000001；

字符0用ASCII編碼是十進制的48，二進制的00110000，注意字符'0'和整數(shù)0是不同的；

漢字中已經(jīng)超出了ASCII編碼的范圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。

你可以猜測，如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001。

新的問題又出現(xiàn)了：如果統(tǒng)一成Unicode編碼，亂碼問題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。

所以，本著節(jié)約的精神，又出現(xiàn)了把Unicode編碼轉(zhuǎn)化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個字節(jié)，常用的英文字母被編碼成1個字節(jié)，漢字通常是3個字節(jié)，只有很生僻的字符才會被編碼成4-6個字節(jié)。如果你要傳輸?shù)奈谋景罅坑⑽淖址?，用UTF-8編碼就能節(jié)省空間：

從上面的表格還可以發(fā)現(xiàn)，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續(xù)工作。

搞清楚了ASCII、Unicode和UTF-8的關(guān)系，我們就可以總結(jié)一下現(xiàn)在計算機系統(tǒng)通用的字符編碼工作方式：

在計算機內(nèi)存中，統(tǒng)一使用Unicode編碼，當(dāng)需要保存到硬盤或者需要傳輸的時候，就轉(zhuǎn)換為UTF-8編碼。

用記事本編輯的時候，從文件讀取的UTF-8字符被轉(zhuǎn)換為Unicode字符到內(nèi)存里，編輯完成后，保存的時候再把Unicode轉(zhuǎn)換為UTF-8保存到文件：

瀏覽網(wǎng)頁的時候，服務(wù)器會把動態(tài)生成的Unicode內(nèi)容轉(zhuǎn)換為UTF-8再傳輸?shù)綖g覽器：

所以你看到很多網(wǎng)頁的源碼上會有類似<meta charset="UTF-8" />的信息，表示該網(wǎng)頁正是用的UTF-8編碼。

Python的字符串

搞清楚了令人頭疼的字符編碼問題后，我們再來研究Python的字符串。

在最新的Python 3版本中，字符串是以Unicode編碼的，也就是說，Python的字符串支持多語言，例如：

>>> print('包含中文的str')
包含中文的str

對于單個字符的編碼，Python提供了ord()函數(shù)獲取字符的整數(shù)表示，chr()函數(shù)把編碼轉(zhuǎn)換為對應(yīng)的字符：

>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'

如果知道字符的整數(shù)編碼，還可以用十六進制這么寫str：

>>> '\u4e2d\u6587'
'中文'

兩種寫法完全是等價的。

由于Python的字符串類型是str，在內(nèi)存中以Unicode表示，一個字符對應(yīng)若干個字節(jié)。如果要在網(wǎng)絡(luò)上傳輸，或者保存到磁盤上，就需要把str變?yōu)橐?code>字節(jié)為單位的bytes。

要注意區(qū)分'ABC'和b'ABC'，前者是str，后者雖然內(nèi)容顯示得和前者一樣，但bytes的每個字符都只占用一個字節(jié)。

以Unicode表示的str通過encode()方法可以編碼為指定的bytes，例如：

>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

反過來，如果我們從網(wǎng)絡(luò)或磁盤上讀取了字節(jié)流，那么讀到的數(shù)據(jù)就是bytes。要把bytes變?yōu)?code>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'

如果bytes中包含無法解碼的字節(jié)，decode()方法會報錯：

>>> b'\xe4\xb8\xad\xff'.decode('utf-8')
Traceback (most recent call last):
  ...
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

要計算str包含多少個字符，可以用len()函數(shù)：

>>> len('ABC')
3
>>> len('中文')
2

len()函數(shù)計算的是str的字符數(shù)，如果換成bytes，len()函數(shù)就計算字節(jié)數(shù)：

>>> len(b'ABC')
3
>>> len(b'\xe4\xb8\xad\xe6\x96\x87')
6
>>> len('中文'.encode('utf-8'))
6

可見，1個中文字符經(jīng)過UTF-8編碼后通常會占用3個字節(jié)，而1個英文字符只占用1個字節(jié)。

在操作字符串時，我們經(jīng)常遇到str和bytes的互相轉(zhuǎn)換。為了避免亂碼問題，應(yīng)當(dāng)始終堅持使用UTF-8編碼對str和bytes進行轉(zhuǎn)換。

由于Python源代碼也是一個文本文件，所以，當(dāng)你的源代碼中包含中文的時候，在保存源代碼時，就需要務(wù)必指定保存為UTF-8編碼。當(dāng)Python解釋器讀取源代碼時，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

第一行注釋是為了告訴Linux/OS X系統(tǒng)，這是一個Python可執(zhí)行程序，Windows系統(tǒng)會忽略這個注釋；

第二行注釋是為了告訴Python解釋器，按照UTF-8編碼讀取源代碼，否則，你在源代碼中寫的中文輸出可能會有亂碼。

申明了UTF-8編碼并不意味著你的.py文件就是UTF-8編碼的，必須并且要確保文本編輯器正在使用UTF-8 without BOM編碼：

Notepad++

如果.py文件本身使用UTF-8編碼，并且也申明了# -*- coding: utf-8 -*-，打開命令提示符測試就可以正常顯示中文：

格式化

最后一個常見的問題是如何輸出格式化的字符串。我們經(jīng)常會輸出類似'親愛的xxx你好！你xx月的話費是xx，余額是xx'之類的字符串，而xxx的內(nèi)容都是根據(jù)變量變化的，所以，需要一種簡便的格式化字符串的方式。

在Python中，采用的格式化方式和C語言是一致的，用%實現(xiàn)，舉例如下：

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

你可能猜到了，%運算符就是用來格式化字符串的。在字符串內(nèi)部，%s表示用字符串替換，%d表示用整數(shù)替換，有幾個%?占位符，后面就跟幾個變量或者值，順序要對應(yīng)好。如果只有一個%?，括號可以省略。

常見的占位符有：

如果你不太確定應(yīng)該用什么，%s永遠起作用，它會把任何數(shù)據(jù)類型轉(zhuǎn)換為字符串：

>>> 'Age: %s. Gender: %s' % (25, True)
'Age: 25. Gender: True'

有些時候，字符串里面的%是一個普通字符怎么辦？這個時候就需要轉(zhuǎn)義，用%%來表示一個%：

>>> 'growth rate: %d %%' % 7
'growth rate: 7 %'

當(dāng)str和bytes互相轉(zhuǎn)換時，需要指定編碼。最常用的編碼是UTF-8。Python當(dāng)然也支持其他編碼方式，比如把Unicode編碼成GB2312：

>>> '中文'.encode('gb2312')
b'\xd6\xd0\xce\xc4'

但這種方式純屬自找麻煩，如果沒有特殊業(yè)務(wù)要求，請牢記僅使用UTF-8編碼。