本章介紹了Python字串的編寫與處理,在之前,我們搞清楚了令人頭疼的字元編碼問題後,我們再來研究Python的字串。
在最新的Python 3版本中,字串是以Unicode編碼的,也就是說,Python的字串支援多語言,例如:
>>> print('包含中文的str') 包含中文的str
對於單一字元的編碼,Python提供了ord()函數取得字元的整數表示,chr()函數把編碼轉換成對應的字元:
>>> ord('A') 65 >>> ord('中') 20013 >>> chr(66) 'B' >>> chr(25991) '文'
如果知道字元的整數編碼,還可以用十六進位這麼寫str:
>>> '\u4e2d\u6587' '中文'
兩種寫法完全是等價的。
由於Python的字串類型是str,在記憶體中以Unicode表示,一個字元對應若干個位元組。如果要在網路上傳輸,或儲存到磁碟上,就需要把str變成以位元組為單位的bytes。
Python對bytes類型的資料用帶有b前綴的單引號或雙引號表示:
x = b'ABC'
要注意區分'ABC'和b'ABC',前者是str,後者雖然內容顯示得和前者一樣,但bytes的每個字元都只佔用一個位元組。
以Unicode表示的str透過encode()方法可以編碼為指定的bytes,例如:
>>> 'ABC'.encode('ascii') b'ABC' >>> '中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87' >>> '中文'.encode('ascii') Traceback (most recent call last): File "<stdin>", line 1, in <module>UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
純英文的str可以用ASCII編碼為bytes,內容是一樣的,含有中文的str可以用UTF-8編碼為bytes。含有中文的str無法用ASCII編碼,因為中文編碼的範圍超過了ASCII編碼的範圍,Python會報錯。
在bytes中,無法顯示為ASCII字元的位元組,用\x##顯示。
反過來,如果我們從網路或磁碟上讀取了位元組流,那麼讀到的資料就是bytes。要把bytes變成str,就需要用decode()方法:
>>> b'ABC'.decode('ascii') 'ABC' >>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') '中文'
如果bytes中包含無法解碼的字節,decode()方法會報錯:
>>> b'\xe4\xb8\xad\xff'.decode('utf-8') Traceback (most recent call last): ... UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte
以上,就是Python字串編程的問題
以上是Python字串的處理那些事的詳細內容。更多資訊請關注PHP中文網其他相關文章!