python入门教程之python数据类型

一、标识符与关键字
有效的python标识符是任意长度的非常字符列表，其中包括一个“引导字符”以及0个或多个“后续字符”。Python标识符必须符合两条规则，并遵循某些约定。
第一条规则是关于引导字符与后续字符的。只要是Unicode编码的字母，都可以充当引导字符，包括ASCII字母、下划线以及大多数非英文语言的字母。后续字符可以是任意引导字符，或任意非空格字符，包括Unicode编码中认为是数字的任意字符，或者是加泰罗尼亚字符。标识符是大小写敏感的。

第二条规则是Python标识符不能与Python关键字同名，因此，不能使用表1中的这些关键字作为标识符的名称。
 

第一条约定是不要使用Python预定义的标识符名对自定义的标识符进行命名。Python有一个内置函数dir()，可以返回对象属性列表，不带参数调用该函数时，将返回Python内置属性列表，也可以以其返回值即内置属性作为其参数。

第二条预定是关于下划线（_）的使用，应该避免在名的开头和结尾都使用下划线，这是因为其与Python定义的各种特殊方法与变量冲突。
说一千道一万，就是不要使用生僻或怪异的名称，因为这样可能会产生潜在的问题。

二、Integral类型
Python提供了两种内置的Integral类型，即int与bool。在布尔表达式中，0与False表示False，其它任意整数与true都表示true。在数字表达式中，True表示1，False表示0。这意味着用表达式i += True来对整型变量i进行递增操作也是合法的。
1、整数
整数的大小只受限于机器内存大小，默认使用十进制，也可以使用其它进制，例如：二进制数以0b引导，八进制数以0o引导，十六进制数则以0x或者0X引导。
所有常见的数学函数与操作符都可用于整数。整数转换函数包括bin(i)、hex(i)、int(x)、int(s, base)、oct(i)。

2、布尔型
有两个内置的布尔型对象：True与False。

三、浮点类型
Python提供了3中浮点值：内置的float与complex类型，以及来自标准库的decimal.Decimal类型。
1、浮点数      
float类型存放双精度的浮点数，取值范围依赖于构建Python的C（或者C#或Java）编译器，其数值使用小数点或指数表示。
float类型精度不高，如果需要高精度浮点数则可以使用来自decimal模块的decimal.Decimal数，默认情况下到小数点后28位。
Python支持混合模式的算术运算，比如：使用int与float运算生成float数；使用float与complex运算生成complex数；但是decimal.Decimal只能与decimal.Decimal或者intS运算生成decimal.Decimal数；不兼容的数据类型进行运算会产生TypeError异常。

2、复数
复数存放的是一对浮点数，一个表示实数部分，另一个表示虚数部分，用+或者-将实数部分与虚数部分（其后跟随一个字母j）连接在一起共同构成复数。复数的两个部分都以属性名的形式存在，分别为real与imag，例如：
 

除了//、%、divmod()以及三个参数的pow()之外，所有数值类型操作符与函数都可用于对复数进行操作。复数提供一个方法conjugate()用于改变虚部的符号。

3、十进制数字
十进制数使用decimal.Decimal()函数创建，该函数可以接受一个整数或字符串参数，但是不能以浮点数作为参数，因为浮点数不够精度，decimal则很精确。要创建Decimal，必须先导入decimal模块。
从Python3.1开始，使用decimal.Decimals from-float()函数能将floasts转换为十进制数，该函数以float型数为参数，并返回与该float数值最为接近的decimal.Decimal。
大多数数值类型操作符与函数都可用于decimal.Decimals，但是有两个约束：如果操作符左边的操作数为decimal.Decimal，那么其右边的操作数必须为整数；同样地，如果pow()函数的第一个参数为decimal.Decimal，那么其第二个以及可选的第三个参数必须为整数。

四、字符串
字符串使用str数据类型表示，其中存放Unicode字符序列。字符串可以使用单引号、双引号、三引号，但是字符串两端必须相同。如果引号包含的字符串中又含有引号，则内层引号与外层引号相同时，需要转义内存引号，内存引号与外层引号不相同时，则可以直接使用该引号，例如：
 

Python使用换行作为其语句终结符，但是如果在圆括号内、方括号内、花括号内或三引号包含的字符串内则是例外。

有些情况下，比如，编写正则表达式时，需要创建带有大量字面意义反斜杠的字符串，由于需要对每个反斜杠进行转义处理，从而造成不便，解决方案是用字面意义的r引导字符串，这种字符串内部的所有字符都按其字面意义理解，而不再需要进行转义。

当字符串比较长时，建议用圆括号将跨越多行的任何语句进行封装，而不是用转义的换行符。

1、比较字符串
Python使用Unicode字符串，因此，比较字符串时存在两个问题（这不是Python特有的问题）：
（1）有些Unicode字符可以用两种或更多种字节序列表示，需要对其进行编码才能解决此问题。
Python导入unicodedata模块，并以NFKD（标准化的方法即Normalization Form Compatibility Decomposition）为第一个参数调用unicodedata.normalize()，则返回以UTF-8编码字节表示的字节序列。
（2）字符排序特定于某种语言（瑞典语、德语、丹麦语等）。
Python使用字符串的内存字节表示，排序基于Unicode字元，也可以自定义排序方法。

2、字符串分片与步距
提取操作符[]不仅可以提取单个数据项或者单个字符，还能提取数据项或字符的整个分片（子序列），在这种情况下提取操作符被用作分片操作符。字符串正索引位置从0开始到字符串长度减1，负索引位置-1总是代表字符串的最后一个字符，存取超出范围的索引位置（或空字符串中的索引位置）会产生IndexError异常。
分片操作符有3中语法格式，seq可以使任意序列，比如：列表、字符串或元组，start、end与step都必须是整数，具体如下：
（1）seq[start]
提取序列从start开始的数据项。
（2）seq[start:end]
提取序列从start开始到end结束的数据项（不包含）。如果忽略起点索引值，则默认为0，如果忽略终点索引，则默认为len(seq)，如果同时忽略两个索引值，则与s[0:len(s)]等价，即提取整个序列。
（3）seq[start:end:step]
从start开始到end结束每隔step个字符进行提取。如果忽略起点索引值，则默认为0，除非给定负的step值，则此时索引值默认为-1，如果忽略终点索引值，则默认为len(seq)，除非给点负的step值，则此时终点索引值默认为字符串起点前面。不能忽略step，且step不能为0。step为-1意味着每个字符都将被提取，而且方向为从终点到起点，即产生反转字符串。

3、字符串操作符与方法
所有能用于固定序列的操作都可用于字符串，包括in、+=、*、*=等。此外，还有很多字符串方法，包括取子串、大小写转换、字符串分割、模式匹配、格式化、编码、字符值判断、反转、连接等。
字符串的操作中，+操作被重载用于实现字符串连接，但是如果需要连接大量的字符串，使用str.join()方法是一种更好的方案。该方法以一个序列作为参数，用str作为分隔符，将序列中的字符串用分隔符连接起来，然后存放到一个单独的字符串中，例如：
 

操作符*提供了字符串复制功能：
 

4、字符串格式化
使用str.format()方法进行字符串格式化，该方法提供了非常灵活而强大的创建字符串的途径。str.format()方法会返回一个新字符串，在新字符串中，原字符串的替换字段被适当格式化后的参数所替代，例如：
 

每个替换字段都由包含在花括号中的字段名标识，如果字段名是简单的整数，就将被作为传递给str.format()方法的一个参数的索引位置，如上例中，名为0的字段被第一个参数所替代，名为1的字段则被第二个参数所替代。
替换字段可以使用下面的任意一种语法格式：
 

注意，替换字段本身也可以包含替换字段，嵌套的替换字段不能有任何格式，其用途主要是格式化规约的计算，下面是一些例子：
 

上面的例子不过多解释，看了就会心领神会。
下面介绍一种“诡异”的技术：当前还在作用范围内的局部变量可以通过内置的locals()函数访问，该函数会返回一个字段，字段的键是局部变量名，字典的值则是对变量值的引用。现在，我们可以使用映射拆分将该字段提供给str.format()方法，映射拆分操作符为**，可应用于映射（比如字典）来产生一个适合于传递给函数的键-值列表，例如：
 

对于字符串而言，可以控制的包括填充字符、字段内对齐方式以及字段宽度的最小值与最大值。字符串格式规约是使用冒号（：）引入的，其后跟随可选的字符对——一个填充字符（可以不是））与一个对齐字符（<用于左对齐，^用于中间对齐，>用于右对齐），之后跟随的是可选的最小宽度（整数），如果需要制定最大宽度，就在其后使用句点，句点后跟随一个整数值。
注意locale.setlocale()不是thread-safe的。

5、字符编码
本质上说，计算机只能存储字节，即8比特的值，如果是无符号数，那么取值范围从0x00到0xFF，每个字符必须都以某种形式的字节表示。但是由于各种原因导致实际编码种类非常多，这对编写国际化软件非常不利，而Unicode编码的出现解决了这个问题。

Unicode为每个字符分配一个整数，即字元，Unicode不局限于使用一个字节表示每个字符，为了更好的兼容性，其中前127个Unicode字符与7比特ASCII表示的前127个字符是相同的。在内存中，Unicode通常以UCS-2格式（实质上是16比特的无符号整数）表示前65535个字元，或者以USC-4格式（32整数）表示所有的字元。在Python编译时，会设置为使用某一种格式（如果sys.maxunicode为65535，Python编译时就是用UCS-2）。

对于存放在文件中或通过网络连接传送的数据，情况会更加复杂。如果使用了Unicode，那么字元可以使用UTF-8进行编码——这种编码中，对前127个字元，每个字符使用一个字节表示；对其它字元，则使用两个或更多的字节数来表示每个字符。对于英文文本而言，UTF-8是非常紧凑的，如果只使用了7个比特字符，则UTF-8文件与ASCII文件实质上是一样的。另一种常见的编码方式是UTF-16编码，这种编码方式中，对大多数字符使用两个字节表示，对其它的一些字符则使用4个字节表示。对某些亚洲语言，这种编码方式比UTF-8更紧凑，但与UTF-8不同的是，UTF-16文本应该以一个字节顺序标记开始，以便用于读取该文本的代码可以判定字节对是big-endian还是little-endian。此外，所有旧的编码格式，比如GB2312、ISO-8859-5、Latin-1等，实际上都在常规的使用中。

str.encode()方法可以返回一个字节序列——实际上是一个bytes对象，在编码时根据提供的编码参数进行编码。使用这一方法，可以更好地理解不同编码格式之间的差别，以及为什么进行错误的编码假设或导致错误。这个方法的第一个参数为必选参数用于指定编码，第二个参数为可选参数用于指定错误处理方式。该方法的具体信息后文书还会详解，或者参考Python文档。
Python的.py文件使用UTF-8编码，因此，Python总是知道字符串字面值要使用的编码格式。这意味着，我们可以在字符串中输入任意的Unicode字符——只要使用的编辑器支持。在从外部源（比如socket）读取数据时，Python无法知道其使用的编码格式，因此会返回字节序列，并由程序员对其进行相应的解码。对文本文件，Python采用一种更软化的方法，即使用本地编码——除非明确指定编码格式。

幸运的是，有些文件格式会指定其编码格式，比如：XML文件默认使用的就是UTF-8编码，除非<?xml?>指令明确地指定了不同的编码格式，则需要先提取比如前1000个字节以寻找其中的编码规约，如果找到，则使用指定格式解码。Python提供了用于检测文件编码格式的包，具体可以参看Python文档。