Python中的字符串操作和編碼Unicode詳解
本文主要給大家介紹了關于 Python中的字符串操作和編碼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。
字符串類型
str
:Unicode字符串。采用''或者r''構造的字符串均為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內部存儲時沒有區(qū)別。
bytes
:二進制字符串。由于jpg等其他格式的文件不能用str進行顯示,所以才用bytes來表示,bytes的每個字節(jié)為一個0-255的數(shù)字。如果打印的時候,Python會把能夠用ASCII表示的部分顯示為ASCII,這樣方便閱讀。bytes幾乎支持除了格式化以外的所有str的方法,甚至包括了re模塊
bytearray()
:二進制可原地變動的字符串。
utf-8編碼范圍
范圍 | 字節(jié)數(shù) | 存儲格式 |
0x0000~0x007F (0 ~ 127) | 1字節(jié) | 0xxxxxxx |
0x0080~0x07FF(128 ~ 2047) | 2字節(jié) | 110xxxxx 10xxxxxx |
0x0800~FFFF(2048 ~ 65535) | 3字節(jié) | 1110xxxx 10xxxxxx 10xxxxxx |
0x10000~1FFFFFF(65536 ~ 2097152) | 4字節(jié) | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
0x2000000~0x3FFFFFF | 5字節(jié) | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
0x4000000~0x7FFFFFFF) | 6字節(jié) | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
字節(jié)順序標記BOM
BOM是byte order marker的縮寫,
指定編碼寫入時的規(guī)則
Python在使用'utf-8'編碼寫入文件時不會寫入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,但是采用'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(guī)則
如果指定了正確的編碼,那么BOM會忽略,否則BOM會顯示為亂碼或者返回異常。
>>> open('h.txt','r').read() '锘縟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硬編碼進字符串中。
'\xhh':用2位十六進制來表示一個字符
'\uhhhh':用4位十六進制來表示一個字符:
'\Uhhhhhhhh':用8位十六進制來表示一個字符
>>> 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默認使用utf-8編碼。
# -*- coding: latin-1 -*-
:表示聲明文檔為latin-1編碼。
幫助函數(shù)
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變量名,那么返回True s.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幫助,如果有疑問大家可以留言交流。
相關文章
詳解python requests中的post請求的參數(shù)問題
這篇文章主要介紹了詳解python requests中的post請求的參數(shù)問題,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-03-03