摘要：預告一下，下一篇你真的知道的字符串怎么用嗎將會展開介紹，敬請期待字符串序列是一種不可變序列，這意味著它不能像可變序列一能，進行就地修改。例如，在字符串的基礎上拼接，得到字符串，新的字符串是一個獨立的存在，它與基礎字符串并沒有關聯關系。

在《詳解Python拼接字符串的七種方式》這篇推文里，我提到過，字符串是程序員離不開的事情。后來，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.

它竟然把程序員處理字符串跟死亡大事并列了，可見這是多么命中注定......

回頭看其它文章，我發現這種說法得到了佐證，因為我在無意中已零零碎碎地提及了字符串的很多方面，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，那干脆再多帶帶寫寫Python的字符串吧。這篇內容可能會很基（li）礎（lun），并不是什么“騷操作”或“冷知識”，權當是一份溫故而求知新的筆記。

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，它有著更明確的意思：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，這意味著它具備序列類型都支持的操作：

# 以下的s、t皆表示序列，x表示元素
x in s  # 若s包含x，返回True，否則返回False
x not in s  # 若s包含x，返回False，否則返回True
s + t  # 連接兩個序列
s * n  # s復制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,間隔為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

字符串序列還具備一些特有的操作，限于篇幅，按下不表。預告一下，下一篇《你真的知道Python的字符串怎么用嗎？ 》將會展開介紹，敬請期待......

字符串序列是一種不可變序列，這意味著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”，得到字符串“PythonCat”，新的字符串是一個獨立的存在，它與基礎字符串“Python”并沒有關聯關系。

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

# 作為對比，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）的不同之處在于，它的“元素”限定了只能是Unicode碼點。Unicode碼點是什么呢？簡單理解，就是用Unicode編碼的字符。那字符是什么呢？字符是人類書寫系統的各類符號，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、制表符等）、其它特殊符號（@#￥%$*等等）。那Unicode編碼又是什么呢？Unicode別名是萬國碼、國際碼，它是一種適用性最廣的、將書寫字符編碼為計算機數字的標準。

總所周知，在最底層的計算機硬件世界里，只有0和1。那么，怎么用這個二進制數字，來表示人類的文化性的字符呢？這些字符數量龐大，而且還在日益增長與變化，什么樣的編碼方案才是最靠譜的呢？

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，以西歐語言的字符為主，它的缺點是只能編碼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，但缺點仍是編碼范圍有限，無法表示古漢語、繁體字及更多書寫系統的字符。

Unicode編碼標準于1991年推出，至今迭代到了第11版，已經能夠編碼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編碼其實是一個二進制字符集，它建立了從書寫字符映射成唯一的數字字符的關系，但是，由于各系統平臺對字符的理解差異，以及出于節省空間的考慮，Unicode編碼還需要再做一次轉換，轉換后的新的二進制數字才能作為實際存儲及網絡傳輸時的編碼。

這種轉換方式被稱為Unicode轉換格式（Unicode Transformation Format，簡稱為UTF），它又細分為UTF-8、UTF-16、UTF-32等等方式。我們最常用的是UTF-8。為什么UTF-8最常用呢？因為它是可變長度的編碼方案，針對不同的字符使用不同的字節數來編碼，例如編碼英文字母時，只需要一個字節（8個比特），而編碼較復雜的漢字時，就會用到三個字節（24個比特）。

二進制的編碼串可以說是給機器閱讀的，為了方便，我們通常會將其轉化為十六進制，例如“中”字的Unicode編碼可以表示成0x4e2d ，其UTF-8編碼可以表示為0xe4b8ad ，"0x"用于開頭表示十六進制，這樣就簡潔多了。不過，UTF-8編碼的結果會被表示成以字節為單位的形式，例如“中”字用UTF-8編碼后的字節形式是xe4xb8xad 。

Python中為了區分Unicode編碼與字節碼，分別在開頭加“u”和“b”以示區分。在Python 3中，因為Unicode成了默認編碼格式，所以“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"xe4xb8xad"
"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"xe4xb8xad".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，也即是，由采用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，為了方便，通常顯示為十六進制；在運算內存中，字符以Unicode編碼呈現，當寫入磁盤或用于網絡傳輸時，一般采用UTF-8方式編碼。

在Python 2中，因為歷史包袱，即Python先于Unicode編碼而誕生，所以其編碼問題是個大難題。幸好拋棄Python 2已成大勢所趨，所以我就不再對此做介紹或比對了。

雖然不提縱向版本間的差異，但是，我想將Python字符串與其它編程語言做一個橫向對比。我覺得這會是挺好玩的事。通過跨語言的比較，也許我們能加深對一個事物（字符串）的理解，還可能受到啟發，得到對“編程語言”及“編程哲學”的領悟。

由于本人才疏學淺，本文就只對兩點皮毛特性作說明，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，所以使用起來很方便，有如下三種定義方式：

str_0 = """Python字符串可以寫在用三引號對內，表示多行字符串。
還可以寫在單引號對內，
當然還可以寫在雙引號對內。
"""

str_1 = "Python貓是一只貓"
str_2 = "Python貓是一個微信公眾號"

Java的字符串不是內置類型，它屬于對象，需要通過String類來創建。不過，正因為字符串太常用，所以Java特意預定義了一個字符串類String，使得程序員也可以像這樣來定義：String name = "Python貓"; ，而不必這樣寫：String name = new String("Python貓"); 。

Java的字符串只能寫在雙引號內，不具備Python中單雙引號混用的靈活。至于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，
"
         + "既要使用換行符，
"
         + "還需要使用加號拼接";

為什么Java不支持多行字符串、什么時候支持多行字符串？此類問題在Python程序員眼里，可能很費解，但它絕對能排進“Java程序員最希望能實現的特性”的前列。好不容易，官方有計劃在Java 11 實現，但今年9月發布的Java 11 仍是沒有，現在改計劃到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的字符串并不是一種序列，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，但并不是字符串，它們之間如果要相互轉換，還是挺麻煩的。另外，說是序列，但Java的序列操作絕對無法跟Python相比，別的不說，就上面提及的幾個基礎操作，試問Java能否實現、實現起來要花費多大力氣？

最后來個Ending，關于“Python字符串到底是什么”就說到這啦，希望對你有所幫助。下次，我再跟大家說說“Python字符串到底怎么用”，敬請期待。

本文原創并首發于微信公眾號【Python貓】，后臺回復“愛學習”，免費獲得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...