Python中的字串操作和編碼Unicode詳解，pythonunicode

Python中的字串操作和編碼Unicode詳解，pythonunicode

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''或者r''構造的字串均為str，單引號可以用雙引號或者三引號來代替。無論用哪種方式進行制定，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進行顯示，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，甚至包括了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	111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
0x4000000~0x7FFFFFFF)	6位元組	1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

位元組順序標記BOM

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，但是如果指定編碼'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('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'

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會顯示為亂碼或者返回異常。

>>> open('h.txt','r').read()'鍩縟dd'>>> open('h.txt','r',encoding='utf-8-sig').read()'ddd'

編碼與解碼

• chr和ord

>>> ord('中') #20013>>> chr(20013) #'中'

• 把Unicode寫入程式碼進字串中。

       '\xhh'：用2位十六進位來表示一個字元

       '\uhhhh'：用4位十六進位來表示一個字元：

       '\Uhhhhhhhh'：用8位十六進位來表示一個字元

       >>> 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)

文檔編碼聲明

Python預設使用utf-8編碼。

# -*- coding: latin-1 -*- ：表示聲明文檔為latin-1編碼。

協助函數

sys.platform  #'win32'sys.getdefaultencoding() # 'utf-8'sys.byteorder  #'little's.isalnum()  #s表示字串s.isalpha()s.isdecimals.isdigit()s.isnumeric()s.isprintable()s.isspace()s.isidentifier() #如果字串可以用作變數名，那麼返回Trues.islower()s.isupper()s.istitle()

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作能帶來一定的協助，如果有疑問大家可以留言交流。