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的每個字節為一個0-255的數字。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 | 字節數 | 存儲格式 |
| 0x0000~0x007F (0 ~ 127) | 1字節 | 0xxxxxxx |
| 0x0080~0x07FF(128 ~ 2047) | 2字節 | 110xxxxx 10xxxxxx |
| 0x0800~FFFF(2048 ~ 65535) | 3字節 | 1110xxxx 10xxxxxx 10xxxxxx |
| 0x10000~1FFFFFF(65536 ~ 2097152) | 4字節 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 0x2000000~0x3FFFFFF | 5字節 | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 0x4000000~0x7FFFFFFF) | 6字節 | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
字節順序標記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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>>> 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，那么BOM會忽略，否則BOM會顯示為亂碼或者返回異常。
|
1
2
3
4
|
>>> 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
|
1
2
|
>>> 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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
sys.platform #'win32'sys.getdefaultencoding() # 'utf-8'sys.byteorder #'little's.isalnum() #s表示字符串s.isalpha()s.isdecimals.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幫助，如果有疑問大家可以留言交流。
原文鏈接：http://www.cnblogs.com/jessonluo/p/4744833.html
