Python中的字串操作與編碼Unicode詳解_

其實字串也是一種資料型，但是，字串比較特殊的是還有一個編碼問題。以下這篇文章主要給大家介紹了Python中的字串操作和編碼Unicode詳解的相關資料,需要的朋友可以參考借鑒，下面來一起看看吧。

本文主要給大家介紹了關於 Python中的字串操作和編碼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。

字串類型<br>

str：Unicode字串。採用''或r''建構的字串皆為str，單引號可以用雙引號或三引號來取代。無論用哪種方式進行製定，在Python內部儲存時沒有區別。 <br>

bytes：二進位字串。由於jpg等其他格式的檔案不能用str來顯示，所以才用bytes來表示，bytes的每個位元組為一個0-255的數字。如果列印的時候，Python會把能夠用ASCII表示的部分顯示為ASCII，這樣方便閱讀。 bytes幾乎支援除了格式化以外的所有str的方法，甚至包含了re模組<br>

bytearray() ：二進位可原地變動的字串。

utf-8編碼範圍<br>

xxxxxx 0x4000000~0x7FFFFFFF) 6位元組1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx*&BOM*字節標記順序標記順序標記*

範圍	位元組數	儲存格式
0x0000~0x007F (0 ~ 127)	1位元組	0xxxxxxx
0x0080~0x07FF(128 ~ 2047)	2位元組	110xxxxx 10xxxxxx
0x0800~FFFF(2048 ~ 65535)	3位元組	1110xxxx 10xxxxxx 10xxxxxx
0x10000~1FFFFFF(65536 ~ 2097152)	4位元組	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
0x2000000~0x3FFFFFF	5位元組	1111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxx

BOM是byte order marker的縮寫，<br>

指定編碼寫入時的規則

Python在使用'utf-8 '編碼寫入檔案時不會寫入BOM頭，但如果指定編碼'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，但是採用'utf-16'則會寫入一個BOM頭。

<br>

>>> 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，那麼BOM會忽略，否則BOM會顯示為亂碼或回傳異常。

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

編碼與解碼

<br>chr和ord

• >>> ord('中') #20013
  >>> chr(20013) #'中'

把Unicode硬編碼進字串中。

•        'xhh'：以2位元十六進位表示一個字元

       'uhhhh'：以4位元十六進位表示一個字元

<br>

       'uhhhh'：以4位元十六進位表示一個字元：

<br>

       'Uhhhhhhhh'：以8位元十六進位表示一個字元

<br>

      

>>> s = 'pyx74hu4e2don' # 'pyth中on'

str和bytes， bytearray進行轉換<br>

str.encode(encoding='utf-8' )<br>

bytes(s,encoding='utf-8')<br>

bytes.decode(encoding=' utf-8')<br>

str(B, encoding='utf-8')<br>

bytearray(string , encoding='utf-8')<br>

bytearray(bytes)

文檔編碼聲明<br>

Python預設使用utf-8編碼。

<br>

# -*- coding: latin-1 -*- ：表示聲明文件為latin-1編碼。

幫助函數<br>

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变量名，那么返回True
s.islower()
s.isupper()
s.istitle()

更多Python中的字串操作和編碼Unicode詳解相關文章請關注PHP中文網！