你真的知道Python的字符串是什麼嗎？

在《詳解Python拼接字符串的七種方式》這篇推文裏，我提到過，字符串是程序員離不開的事情。後來，我看到了一個英文版本的說法：

There are few guarantees in life: death, taxes, and programmers needing to deal with strings.

它居然把程序員處理字符串跟死亡大事並列了，可見這是多麼命中註定......

回頭看其它文章，我發現這種說法獲得了佐證，由於我在無心中已零零碎碎地說起了字符串的不少方面，例如：字符串讀寫文件、字符串打印、字符串不可變性、字符串Intern機制、字符串拼接、是否會取消字符串，等等。而這些，還只能算字符串面目的冰山一角。

既然如此，那乾脆再單獨寫寫Python的字符串吧。這篇內容可能會很基（li）礎（lun），並非什麼「騷操做」或「冷知識」，權當是一份溫故而求知新的筆記。

1 Python字符串是什麼？

根據維基百科定義：字符串是由零個或多個字符組成的有限序列。而在Python 3中，它有着更明確的意思：字符串是由Unicode碼點組成的不可變序列（Strings are immutable sequences of Unicode code points.）

字符串是一種序列，這意味着它具有序列類型都支持的操做：

# 如下的s、t皆表示序列，x表示元素
x in s  # 若s包含x，返回True，不然返回False
x not in s  # 若s包含x，返回False，不然返回True
s + t  # 鏈接兩個序列
s * n  # s複製n次
s[i]   # s的索引第i項
s[i:j] # s切片從第i項到第j-1項
s[i:j:k]  #  s切片從第i項到第j-1項,間隔爲k
len(s)  # s的長度
min(s)  # s的最小元素
max(s)  # s的最大元素
s.index（x） # x的索引位置
s.count(x)  # s中出現x的總次數

字符串序列還具有一些特有的操做，限於篇幅，按下不表。預告一下，下一篇《你真的知道Python的字符串怎麼用嗎？ 》將會展開介紹，敬請期待......

字符串序列是一種不可變序列，這意味着它不能像可變序列一能，進行就地修改。例如，在字符串「Python」的基礎上拼接「Cat」，獲得字符串「PythonCat」，新的字符串是一個獨立的存在，它與基礎字符串「Python」並無關聯關係。

basename = "Python"
myname = basename + "Cat"
id(basename) == id(myname) >>> False

# 做爲對比，列表能就地修改
baselist = ["Python"]
baselist.append("Cat")
print(baselist) >>> ['Python', 'Cat']

字符串這種序列與其它序列（如列表、元組）的不一樣之處在於，它的「元素」限定了只能是Unicode碼點。Unicode碼點是什麼呢？簡單理解，就是用Unicode編碼的字符。那字符是什麼呢？字符是人類書寫系統的各種符號，例如阿拉伯數字、拉丁字母、中文、日文、藏文、標點符號、控制符號（換行符、製表符等）、其它特殊符號（@#￥%$*等等）。那Unicode編碼又是什麼呢？Unicode別名是萬國碼、國際碼，它是一種適用性最廣的、將書寫字符編碼爲計算機數字的標準。

總所周知，在最底層的計算機硬件世界裏，只有0和1。那麼，怎麼用這個二進制數字，來表示人類的文化性的字符呢？這些字符數量龐大，並且還在日益增加與變化，什麼樣的編碼方案纔是最靠譜的呢？

歷史上，人類創造了多種多樣的字符編碼標準，例如ASCII（1963年）編碼，以西歐語言的字符爲主，它的缺點是隻能編碼128個字符；例如GB2312（1981年），這是中國推出的編碼標準，在兼容ASCII標準的基礎上，還加入了對日文、俄文等字符的編碼，但缺點還是編碼範圍有限，沒法表示古漢語、繁體字及更多書寫系統的字符。

Unicode編碼標準於1991年推出，至今迭代到了第11版，已經可以編碼146個書寫系統的130000個字符，可謂是無所不包，真不愧是「國際碼」。Unicode編碼實際上是一個二進制字符集，它創建了從書寫字符映射成惟一的數字字符的關係，可是，因爲各系統平臺對字符的理解差別，以及出於節省空間的考慮，Unicode編碼還須要再作一次轉換，轉換後的新的二進制數字才能做爲實際存儲及網絡傳輸時的編碼。

這種轉換方式被稱爲Unicode轉換格式（Unicode Transformation Format，簡稱爲UTF），它又細分爲UTF-八、UTF-1六、UTF-32等等方式。咱們最經常使用的是UTF-8。爲何UTF-8最經常使用呢？由於它是可變長度的編碼方案，針對不一樣的字符使用不一樣的字節數來編碼，例如編碼英文字母時，只須要一個字節（8個比特），而編碼較複雜的漢字時，就會用到三個字節（24個比特）。

二進制的編碼串能夠說是給機器閱讀的，爲了方便，咱們一般會將其轉化爲十六進制，例如「中」字的Unicode編碼能夠表示成0x4e2d ，其UTF-8編碼能夠表示爲0xe4b8ad ，'0x'用於開頭表示十六進制，這樣就簡潔多了。不過，UTF-8編碼的結果會被表示成以字節爲單位的形式，例如「中」字用UTF-8編碼後的字節形式是\xe4\xb8\xad 。

Python中爲了區分Unicode編碼與字節碼，分別在開頭加「u」和「b」以示區分。在Python 3中，由於Unicode成了默認編碼格式，因此「u」被省略掉了。

# 字符轉Unicode編碼
# Python3中，開頭的u被省略，b不可省略
hex(ord('中')) >>> '0x4e2d'
hex(ord('A'))  >>> '0x41'

# 字符轉UTF-8編碼（encode）
'中'.encode('utf-8') >>> b'\xe4\xb8\xad'
'A'.encode('utf-8')  >>> b'A'

# Unicode編碼還原成字符
chr(0x4e2d) >>> '中'
chr(0x41) >>> 'A'

# UTF-8編碼還原成字符（decode）
b'\xe4\xb8\xad'.decode('utf-8') >>> '中'
b'A'.decode('utf-8') >>> 'A'

總結一下，Python 3 中的字符串是由Unicode碼點組成的不可變序列，也便是，由採用Unicode標準編碼的字符組成的不可變序列。Unicode編碼將書寫系統的字符映射成了計算機二進制數字，爲了方便，一般顯示爲十六進制；在運算內存中，字符以Unicode編碼呈現，當寫入磁盤或用於網絡傳輸時，通常採用UTF-8方式編碼。

在Python 2中，由於歷史包袱，即Python先於Unicode編碼而誕生，因此其編碼問題是個大難題。幸虧拋棄Python 2已成大勢所趨，因此我就再也不對此作介紹或比對了。

2 Python字符串 VS Java字符串

雖然不提縱向版本間的差別，可是，我想將Python字符串與其它編程語言作一個橫向對比。我以爲這會是挺好玩的事。經過跨語言的比較，也許咱們能加深對一個事物（字符串）的理解，還可能受到啓發，獲得對「編程語言」及「編程哲學」的領悟。

因爲本人才疏學淺，本文就只對兩點皮毛特性做說明，歡迎讀者斧正和補充。

（1）字符串的定義方式

Python的字符串是內置類型，因此使用起來很方便，有以下三種定義方式：

str_0 = '''Python字符串能夠寫在用三引號對內，表示多行字符串。
還能夠寫在單引號對內，
固然還能夠寫在雙引號對內。
'''

str_1 = 'Python貓是一隻貓'
str_2 = "Python貓是一個微信公衆號"

Java的字符串不是內置類型，它屬於對象，須要經過String類來建立。不過，正由於字符串太經常使用，因此Java特地預約義了一個字符串類String，使得程序員也能夠像這樣來定義：String name = "Python貓"; ，而沒必要這樣寫：String name = new String("Python貓"); 。

Java的字符串只能寫在雙引號內，不具有Python中單雙引號混用的靈活。至於三引號的多行字符串表示法，Java程序員表示羨慕得要死，那種痛苦，受過折磨的人最懂。寫出來讓Python程序員開心一下：

String s = "Java 的多行字符串很麻煩，\n"
         + "既要使用換行符，\n"
         + "還須要使用加號拼接";

爲何Java不支持多行字符串、何時支持多行字符串？此類問題在Python程序員眼裏，可能很費解，但它絕對能排進「Java程序員最但願能實現的特性」的前列。好不容易，官方有計劃在Java 11 實現，但今年9月發佈的Java 11 還是沒有，如今改計劃到Java 12 了。

（2）單個字符與字符序列

Java中其實也有單引號的使用，用在char類型上，例如char c = 'A'; 。char是一種內置類型，表示單個用Unicode編碼的字符。Python中沒有char類型，字符串類型通吃一切。

前面說到，Python的字符串是一種字符序列，而Java的字符串並非一種序列，要表示相近的概念的話，就得用到字符數組 或者 字符串數組 ，例如：

char[] a = { 'a', 'b', 'c'};  
String[] str = new String[]{"1","2","3"};

字符數組和字符串數組是一種序列，但並非字符串，它們之間若是要相互轉換，仍是挺麻煩的。另外，說是序列，但Java的序列操做絕對沒法跟Python相比，別的不說，就上面說起的幾個基礎操做，試問Java可否實現、實現起來要花費多大力氣？

最後來個Ending，關於「Python字符串究竟是什麼」就說到這啦，但願對你有所幫助。下次，我再跟你們說說「Python字符串到底怎麼用」，敬請期待。

---

本文原創並首發於微信公衆號【Python貓】，後臺回覆「愛學習」，免費得到20+本精選電子書。

拓展閱讀：

https://zh.wikipedia.org/wiki...

https://zh.wikipedia.org/wiki...

https://dwz.cn/AvWg1EDx

https://yiyibooks.cn/xx/pytho...

https://github.com/acmerfight...