Python中的字串操作與編碼Unicode詳解-Python教學-PHP中文網

Python中的字串操作與編碼Unicode詳解

高洛峰

發布： 2017-02-23 16:22:12

原創

1272 人瀏覽過

本文主要給大家介紹了關於 Python中的字串操作和編碼Unicode的一些知識，下面話不多說，需要的朋友們下面來一起學習吧。

字串類型

str：Unicode字串。採用''或r''建構的字串皆為str，單引號可以用雙引號或三引號來取代。無論用哪種方式進行製定，在Python內部儲存時沒有區別。

bytes：二進位字串。由於jpg等其他格式的檔案不能用str來顯示，所以才用bytes來表示，bytes的每個位元組為一個0-255的數字。如果列印的時候，Python會把能夠用ASCII表示的部分顯示為ASCII，這樣方便閱讀。 bytes幾乎支援除了格式化以外的所有str的方法，甚至包含了re模組

bytearray() ：二進位可原地變動的字串。

utf-8編碼範圍

#範圍	位元組數	儲存格式
0x0000~0x007F (0 ~ 127)	1位元組	0xxxxxxx
#0x0080~0x07FF(128 ~ 2047)	2位元組	110xxxxx 10xxxxxx
0x0800~FFFF(2048 ~ 65535)

##' ##3位元組

1110xxxx 10xxxxxx 10xxxxxx

0x10000~1FFFFFF(65536 ~ 2097152)

4位元組
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

#0x2000000~0x3FFFFFF

#5位元組

#11110xx 10xxxxxx 10xxxxxx 100xxx 10

11110xx 10xxxxxx 10xxxxxx 100xxx 10 11110xx 10xxxxxx 10xxxxxx 100xxx 10

1110xxx 0x4000000~0x7FFFFFFF)

6位元組

1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

##1

 #BOM是byte order marker的縮寫，

#指定編碼寫入時的規則 Python在使用'utf-8 '編碼寫入檔案時不會寫入BOM頭，但如果指定編碼'utf-8-sig'則會迫使Python寫入一個BOM頭。

使用'utf-16-be'不會寫入一個BOM頭，但是採用'utf-16'則會寫入一個BOM頭。 

>>> open(&#39;h.txt&#39;,&#39;w&#39;,encoding=&#39;utf-8-sig&#39;).write(&#39;aaa&#39;)
3
>>> open(&#39;h.txt&#39;,&#39;rb&#39;).read()
b&#39;\xef\xbb\xbfaaa&#39;
>>> open(&#39;h.txt&#39;,&#39;w&#39;,encoding=&#39;utf-16&#39;).write(&#39;bbb&#39;)
3
>>> open(&#39;h.txt&#39;,&#39;rb&#39;).read()
b&#39;\xff\xfeb\x00b\x00b\x00&#39;
>>> open(&#39;hh.txt&#39;,&#39;w&#39;,encoding=&#39;utf-16-be&#39;).write(&#39;ccc&#39;)
3
>>> open(&#39;hh.txt&#39;,&#39;rb&#39;).read()
b&#39;\x00c\x00c\x00c&#39;
>>> open(&#39;h.txt&#39;,&#39;w&#39;,encoding=&#39;utf-8&#39;).write(&#39;ddd&#39;)
3
>>> open(&#39;h.txt&#39;,&#39;rb&#39;).read()
b&#39;ddd&#39;

登入後複製

讀取時的規則

如果指定了正確的編碼，那麼BOM會忽略，否則BOM會顯示為亂碼或回傳異常。

>>> open(&#39;h.txt&#39;,&#39;r&#39;).read()
&#39;锘縟dd&#39;
>>> open(&#39;h.txt&#39;,&#39;r&#39;,encoding=&#39;utf-8-sig&#39;).read()
&#39;ddd&#39;

登入後複製

#編碼與解碼

chr和ord

>>> ord(&#39;中&#39;) #20013
>>> chr(20013) #&#39;中&#39;

登入後複製

把Unicode硬編碼進字串中。

'\xhh'：以2位元十六進位表示一個字元

'\uhhhh'：以4位元十六進位來表示一個字元：

'\Uhhhhhhhh'：以8位元十六進位表示一個字元

###>>> s = '> s = ' py\x74h\u4e2don' #'pyth中on'#############str和bytes，bytearray進行轉換################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)############文件編碼聲明############Python預設使用utf-8編碼。 ############# -*- coding: latin-1 -*- ###：表示宣告文件為latin-1編碼。 #########幫助函數###############

sys.platform  #&#39;win32&#39;
sys.getdefaultencoding() # &#39;utf-8&#39;
sys.byteorder  #&#39;little&#39;
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()

登入後複製

###################更多Python中的字串操作和編碼Unicode詳解相關文章請關注PHP中文網！ ############