Python中的字符串操作和编码Unicode详解
本文主要给大家介绍了关于 Python中的字符串操作和编码Unicode的一些知识,下面话不多说,需要的朋友们下面来一起学习吧。
字符串类型
str:Unicode字符串。采用''或者r''构造的字符串均为str,单引号可以用双引号或者三引号来代替。无论用哪种方式进行制定,在Python内部存储时没有区别。
bytes:二进制字符串。由于jpg等其他格式的文件不能用str进行显示,所以才用bytes来表示,bytes的每个字节为一个0-255的数字。如果打印的时候,Python会把能够用ASCII表示的部分显示为ASCII,这样方便阅读。bytes几乎支持除了格式化以外的所有str的方法,甚至包括了re模块
bytearray():二进制可原地变动的字符串。
utf-8编码范围
字节顺序标记BOM
BOM是byteordermarker的缩写,
指定编码写入时的规则
Python在使用'utf-8'编码写入文件时不会写入BOM头,但是如果指定编码'utf-8-sig'则会迫使Python写入一个BOM头。
使用'utf-16-be'不会写入一个BOM头,但是采用'utf-16'则会写入一个BOM头。
>>>open('h.txt','w',encoding='utf-8-sig').write('aaa') 3 >>>open('h.txt','rb').read() b'\xef\xbb\xbfaaa' >>>open('h.txt','w',encoding='utf-16').write('bbb') 3 >>>open('h.txt','rb').read() b'\xff\xfeb\x00b\x00b\x00' >>>open('hh.txt','w',encoding='utf-16-be').write('ccc') 3 >>>open('hh.txt','rb').read() b'\x00c\x00c\x00c' >>>open('h.txt','w',encoding='utf-8').write('ddd') 3 >>>open('h.txt','rb').read() b'ddd'
读取时的规则
如果指定了正确的编码,那么BOM会忽略,否则BOM会显示为乱码或者返回异常。
>>>open('h.txt','r').read() '锘縟dd' >>>open('h.txt','r',encoding='utf-8-sig').read() 'ddd'
编码与解码
- chr和ord
>>>ord('中')#20013 >>>chr(20013)#'中'
- 把Unicode硬编码进字符串中。
'\xhh':用2位十六进制来表示一个字符
'\uhhhh':用4位十六进制来表示一个字符:
'\Uhhhhhhhh':用8位十六进制来表示一个字符
>>>s='py\x74h\u4e2don'#'pyth中on'
str和bytes,bytearray进行转换
str.encode(encoding='utf-8')
bytes(s,encoding='utf-8')
bytes.decode(encoding='utf-8')
str(B,encoding='utf-8')
bytearray(string,encoding='utf-8')
bytearray(bytes)
文档编码声明
Python默认使用utf-8编码。
#-*-coding:latin-1-*-:表示声明文档为latin-1编码。
帮助函数
sys.platform#'win32' sys.getdefaultencoding()#'utf-8' sys.byteorder#'little' s.isalnum()#s表示字符串 s.isalpha() s.isdecimal s.isdigit() s.isnumeric() s.isprintable() s.isspace() s.isidentifier()#如果字符串可以用作变量名,那么返回True s.islower() s.isupper() s.istitle()
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。