Python字串的處理那些事

Tomorin
發布: 2018-08-23 17:47:29
原創
1372 人瀏覽過

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
登入後複製

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'
登入後複製

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'
登入後複製

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'
登入後複製

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:
   &#39;ascii&#39; codec can&#39;t encode characters in position 0-1: ordinal not in range(128)
登入後複製

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&#39;ABC&#39;.decode(&#39;ascii&#39;)
&#39;ABC&#39;
>>> b&#39;\xe4\xb8\xad\xe6\x96\x87&#39;.decode(&#39;utf-8&#39;)
&#39;中文&#39;
登入後複製

如果bytes中包含無法解碼的字節,decode()方法會報錯:

>>> b&#39;\xe4\xb8\xad\xff&#39;.decode(&#39;utf-8&#39;)
Traceback (most recent call last):
  ...
UnicodeDecodeError: &#39;utf-8&#39; codec can&#39;t decode byte 0xff in position 3: invalid start byte
登入後複製

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!

相關標籤:
來源:php.cn
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
最新問題
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板