详解Python当中的字符串和编码

下面是详解Python中的字符串和编码的完整攻略。

一、字符串类型

在Python中，字符串是一种不可变的类型，表示unicode编码的字符序列。字符串可以用单引号(')或双引号(")包含，两者没有区别。例如：

s1 = 'Hello Python!'
s2 = "你好，Python！"

二、字符串编码

在计算机里，所有的信息都需要转换成二进制数字来存储和传输。字符串是由字符组成的，每个字符在计算机中都是用二进制编码表示的。因此，字符串的编码方式是很重要的。

1. ASCII编码

最早的编码方案是ASCII码，它只能表示128个字符，包括英文大小写字母、数字和一些符号。ASCII码用一个字节（8位）来表示一个字符，其编码范围是0-127。

2. Unicode编码

Unicode编码则是可以表示世界上所有字符的编码方案。它使用两个字节（16位）来表示一个字符。Python3中默认的字符串就是Unicode编码的字符串。

3. UTF-8编码

UTF-8编码是一种针对Unicode的可变长度字符编码，它能够表示世界上任何一个字符，同时也尽可能节省存储空间。UTF-8编码全称是“Unicode Transformation Format - 8-bit”，它使用1-4个字节来表示一个字符。

当我们把字符串输出到文件或网络中时，需要把字符串编码为字节流；当我们从文件或网络中读取数据时，需要把字节流解码为字符串。

三、字符串的编码与解码操作

在Python中，字符串有两个常用的方法来执行编码和解码操作：encode()和decode()。

1. encode()方法

字符串对象的encode()方法可以把一个Unicode编码的字符串转换为指定编码方式编码的字节串。例如：

s = "你好，Python！"
s_utf8 = s.encode('utf-8') # 转换为UTF-8编码
s_gbk = s.encode('gbk') # 转换为GB2312编码

2. decode()方法

字符串对象的decode()方法可以把一个字节串解码为指定编码方式的Unicode编码字符串。例如：

s1 = s_utf8.decode('utf-8') # 用UTF-8编码方式解码
s2 = s_gbk.decode('gbk') # 用GB2312编码方式解码

在使用编码和解码方法时，需要注意以下几点：

• 编码和解码方式必须一致，否则会得到错误的结果；
• 转换过程中可能会出现字符无法表示的情况，此时需要考虑替代方案、抛出异常或忽略该字符等方式处理。

下面给出一个示例：

s = "你好，Python！"
s_utf8 = s.encode('utf-8')
res = s_utf8.decode('gbk') # 使用不同的编解码方式，得到错误结果
print(res) # 显示乱码

四、示例1：解析HTML网页中的编码信息

在Web开发中，HTML网页通常由多个文件组成，其中包含了CSS、JS、图片等其他资源文件。有时需要通过Python解析网页中的编码信息，以便正确地读取文本内容。

以下代码可以读取网页源码中的meta标签，并从中获取编码信息。

import re
import urllib.request

def get_encoding(html_content):
    encoding = None
    pattern = '<meta.*?charset=["\']*(.+?)["\'>]'
    result = re.search(pattern, html_content, re.IGNORECASE)
    if result:
        encoding = result.group(1)
    return encoding

# 从指定URL获取HTML网页内容
def get_html(url):
    with urllib.request.urlopen(url) as response:
        html = response.read().decode()
    return html

url = 'http://www.baidu.com'
html_content = get_html(url)
encoding = get_encoding(html_content)
if encoding:
    html_content = html_content.encode(encoding).decode('utf-8') # 转换编码
print(html_content)

在上面的代码中，我们首先使用urllib库访问指定的URL，获取HTML页面的源码内容。接着通过正则表达式匹配meta标签中的charset属性，从中获取页面编码信息。最后，如果编码信息存在，则对HTML内容进行转码，从网页中正确地显示文本内容。

五、示例2：字符串的大小写转换

Python中字符串对象有lower()、upper()和capitalize()三个方法可以进行大小写转换。

s = "Hello, Python!"
print(s.lower()) # 输出"hello, python!"
print(s.upper()) # 输出"HELLO, PYTHON!"
print(s.capitalize()) # 输出"Hello, python!"

在上面的代码中，我们分别使用lower()、upper()和capitalize()方法将字符串对象的内容转换为小写、大写和首字母大写形式。

到这里，关于Python中字符串和编码的一些基本操作就讲解完毕。