Explication détaillée des opérations sur les chaînes et du codage Unicode en Python_

高洛峰
Libérer: 2017-02-21 10:12:31
original
1523 Les gens l'ont consulté

En fait, les chaînes sont aussi un type de données. Cependant, les chaînes sont particulières dans la mesure où il existe un problème d'encodage. L'article suivant vous présente principalement les informations pertinentes sur les opérations sur les chaînes et l'encodage Unicode en Python. Les amis dans le besoin peuvent s'y référer.

Cet article vous présente principalement quelques connaissances sur les opérations sur les chaînes et l'encodage Unicode en Python. Je ne dirai pas grand-chose ci-dessous. Les amis qui en ont besoin peuvent venir apprendre ensemble.

Type de chaîne

str : Chaîne Unicode. Les chaînes construites en utilisant « ou r » sont toutes des chaînes, et les guillemets simples peuvent être remplacés par des guillemets doubles ou triples. Quelle que soit la façon dont vous le spécifiez, il n'y a aucune différence lorsqu'il est stocké en interne dans Python.

bytes : Chaîne binaire. Étant donné que les fichiers dans d'autres formats tels que jpg ne peuvent pas être affichés en utilisant str, ils sont représentés par des octets. Chaque octet d'octets est un nombre compris entre 0 et 255. Lors de l'impression, Python affichera la partie qui peut être exprimée en ASCII comme ASCII, ce qui facilite la lecture. bytes prend en charge presque toutes les méthodes str à l'exception du formatage, y compris même le module re

bytearray()  : une chaîne binaire qui peut être modifiée sur place.

plage d'encodage utf-8

范围 字节数 存储格式
0x0000~0x007F (0 ~ 127) 1字节 0xxxxxxx
0x0080~0x07FF(128 ~ 2047) 2字节 110xxxxx 10xxxxxx
0x0800~FFFF(2048 ~ 65535)  3字节 1110xxxx 10xxxxxx 10xxxxxx
0x10000~1FFFFFF(65536 ~ 2097152) 4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
0x2000000~0x3FFFFFF 5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
0x4000000~0x7FFFFFFF)  6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

Byte Order Mark BOM

BOM est l'abréviation du marqueur d'ordre des octets,

Spécifie les règles lors de l'écriture de l'encodage

Python n'écrira pas la nomenclature lors de l'écriture de fichiers en utilisant l'en-tête d'encodage 'utf-8', mais spécifier l'encodage 'utf-8-sig' forcera Python à écrire un en-tête de nomenclature.

L'utilisation de 'utf-16-be' n'écrira pas d'en-tête de nomenclature, mais l'utilisation de 'utf-16' écrira un en-tête de nomenclature.

>>> 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'
Copier après la connexion

Règles de lecture

Si le bon encodage est précisé, la nomenclature sera ignorée, sinon , la nomenclature sera affichée sous forme de caractères tronqués ou une exception sera renvoyée.

>>> open('h.txt','r').read()
'锘縟dd'
>>> open('h.txt','r',encoding='utf-8-sig').read()
'ddd'
Copier après la connexion

Encodage et décodage

  • chr et ord

>>> ord('中') #20013
>>> chr(20013) #'中'
Copier après la connexion

  • Coder en dur Unicode dans la chaîne.

'xhh' : Utilisez un hexadécimal à 2 chiffres pour représenter un caractère

'uhhhh' : Utilisez un hexadécimal à 4 chiffres pour représenter un caractère Caractères :

'Uhhhhhhhh' : utilisez un code hexadécimal à 8 chiffres pour représenter un caractère

>>> s = 'pyx74hu4e2don' #'pyth中on'

str et bytes, convertissez bytearray

str.encode(encoding='utf-8')<code>str.encode(encoding=&#39;utf-8&#39;)<br/>

octets(s,encoding='utf- 8')<code>bytes(s,encoding=&#39;utf-8&#39;)<br/>

bytes.decode(encoding='utf-8')<code>bytes.decode(encoding=&#39;utf-8&#39;)<br/>

str(B, encoding=&#39;utf-8&#39;)

bytearray(string, encoding=&#39;utf-8&#39;)

bytearray(bytes)

Déclaration de codage de document

Python utilise utf-8 encodage par défaut.

# -*- coding: latin-1 -*-  : Indique que le document est déclaré codé en latin-1.

Fonction d'assistance

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()
Copier après la connexion

Des explications plus détaillées sur les opérations de chaîne et l'encodage Unicode en Python Pour articles connexes, veuillez faire attention au site Web PHP chinois !

Étiquettes associées:
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal