Python基础知识复习 --基础篇_python

PYTHON3基础

简介：Python是著名的“龟叔”Guido van Rossum在1989年圣诞节期间，为了打发无聊的圣诞节而编写的一个编程语言。
- 优点：丰富的内置库和第三方库，内置电池多，快速构建应用，优雅，明确，简单
- 缺点：
  - 速度慢(解释型语言，每一行代码转换为CPU能理解的机器码，C快因属于编译型语言，直接编译成机器码)；
    - 代码不能加密，解释型语言得发布源码；编译型语言发布编译后的机器码，无法反编译
默认安装的python为CPython(提示符: >>> ), 文件名只能是英文字母、数字和下划线的组合。
执行方式：
- win: python hello.py
- Mac/Linux: 第一行加 #!/usr/bin/env python3 --> chmod a+x hello.py --> ./hello.py
Tools: IDLE， 4个空格缩进，大小写敏感

Built in functions: dir(__builtins__)

__变量名__不能以数字开头

最后，理解变量在计算机内存中的表示也非常重要。

当我们写：
```
a = 'ABC'
```
时，Python解释器干了两件事情：
1. 在内存中创建了一个'ABC'的字符串；
2. 在内存中创建了一个名为a的变量，并把它指向'ABC'。
也可以把一个变量a赋值给另一个变量b，这个 *** 作实际上是把变量b指向变量a所指向的数据，
常量：通常用全部大写的变量名表示常量 PI = 3.14159265359
赋值：不需要中间商

x = 5
y = 3
x, y = y, x
print(x, y)
3 5

字符串介绍

字符串编码历史：

最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

但是要处理中文至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码。

日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，在多语言混合的文本中，显示出来会有乱码。

因此，Unicode字符集应运而生。

Unicode把所有语言都统一到一套编码里。

Unicode标准也在不断发展，但最常用的是UCS-16编码，用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。

现代 *** 作系统和大多数编程语言都直接支持Unicode。

现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

你可以猜测，如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。

但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

所以，本着节约的精神，又出现了“可变长编码”的UTF-8编码。

UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，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：

字符 ASCII Unicode UTF-8
A 01000001 00000000 01000001 01000001
中 x 01001110 00101101 11100100 10111000 10101101
从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在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。

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

字符	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

所以你看到很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码。

字符串和转义字符:
- python3使用unicode编码。
```
'Single quotes'
""Double quotes ""
"""Triple quotes""" or ''' triple quotes '''（长字符串）
```
- ord(str) 内置函数，将字符串转换为unicode码， char()为逆函数,将编码转换为字符串
```
>>> ord('A')
65
>>> chr(25991)
'文'
```
如果知道字符的整数编码，还可以用十六进制这么写str两种写法完全是等价的。

：
```
>>> '\u4e2d\u6587'
'中文'
```
由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。

如果要在网络上传输/保存到磁盘上，就需要把str变为以字节为单位的bytes。

Python对bytes类型的数据用带b前缀的单引号或双引号表示：
```
x = b'ABC'
```
要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但bytes的__每个字符__都只占用一个字节。

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'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
  File "", line 1, in 
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
```
纯英文的str可以用ASCII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。

在bytes中，无法显示为ASCII字符的字节，用\x##显示。

反过来要把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'
```
如果bytes中包含无法解码的字节，decode()方法会报错, 添加errors='ignore'忽略错误字节：
```
>>> 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

>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'
```
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
```
可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

在 *** 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。

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 -*-
```
第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；

第二行注释是为了告诉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。

申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码：

关于BOM: 何谓BOM？ " EF BB BF" 这三个字节就叫BOM，BOM的全称叫做" Byte Order Mark". 在UTF-8文件中常用BOM来表明这个文件是UTF-8文件, 而BOM的本意是在UTF-16中用来表示高低字节序列的。

在字节流之前有BOM表示采用低字节序列（低字节在前面），而UTF-8不用考虑字节序列，所以其实有无BOM都可以。

UTF-8以字节为编码单元，没有字节序的问题。

UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。

例如收到一个“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。

如果我们收到UTF-16字节流“594E”，那么这是 “奎”还是“乙”？
- 转义字符

原始字符串(r'字符串')：
print(r"D:\three\two\one\now")
D:\three\two\one\now

字符串拼接+重复
print("I love you \n" \* 300)

数字类型

数字类型:
- 整型: 1000 == 10_000 (Python允许在数字中间以_分隔)
- 浮点(不准确(四舍五入的误差)，0.1+0.2 > 0.3) or 0.00005 = 5.0e-5 (10用e代替)
- 复数(实部+虚部)–> 浮点数形式存放
  
  >> x = 1 + 2j
  
  >>> x.real(获得实部)
  
  1.0
  
  >>> x.imag(虚部)
  
  2.0
- 切换:
  Int() Float() Str()
- 判断:
Type() Or isinstance(a, int) --- 判断变量类型

运算

比较运算
空值 None, 和0是不一样的

伪造随机数

\>\>\> print(x)
\>\>\> random.randint(1, 10)
4
\>\>\> random.randint(1, 10)
9
\>\>\> random.randint(1, 10)
8
\>\>\> random.setstate(x)
\>\>\> random.randint(1, 10)
4
\>\>\> random.randint(1, 10)
9
\>\>\> random.randint(1, 10)
8
Random.choice(sss) --- 从一个非空的序列（如列表） 中随机获取一个元素