• 中文
    • English
  • 注册
  • 查看作者
  • Python中关于字符串和编码的常用函数

    一.  单个字符编码

    ord():函数获取字符的整数表示

    ord('Z') # 值为:90

    chr():函数把编码转换为对应的字符

    chr(24352)# 值为:'张'

    二.  str转bytes

    由于Pythson的字符串类型是str,在内存中以Unicode表示,一个字符对应若干个字节。如果要在网络上传输,或者保存到磁盘上,就需要把str变为以字节为单位的bytes。

    Python对bytes类型的数据用带b前缀的单引号或双引号表示:

    x = b'ABC'
    #要注意区分'ABC'和b'ABC',前者类型是str,后者虽然内容显示得和前者一样,但bytes的每个字符都只占用一个字节。

    以Unicode表示的str通过encode()方法可以编码为指定的bytes:

    纯英文的str可以用ASCII编码为bytes

     'ABC'.encode('ascii') # 值为:b'ABC'

    含有中文的str可以用UTF-8编码为bytes

     '中文'.encode('utf-8') # 值为:b'\xe4\xb8\xad\xe6\x96\x87'

    含有中文的str无法用ASCII编码,因为中文编码的范围超过了ASCII编码的范围,Python会报错。

     '中文'.encode('ascii') # 不可以这样使用,会报错

    三.  bytes 转str

    上面我们已经提到,由于Pythson的字符串类型是str,在内存中以Unicode表示,一个字符对应若干个字节。如果要在网络上传输,或者保存到磁盘上,就需要把str变为以字节为单位的bytes。反过来,如果我们从网络或磁盘上读取了字节流,那么读到的数据就是bytes。要把bytes变为str,就需要用decode()方法

     b'ABC'.decode('ascii')  # 值为'ABC'
     b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')   # 值为:'中文'

    如果bytes中只有一小部分无效的字节,可以传入errors='ignore'忽略错误的字节:

     b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')  # 值为:'中'

    要计算str包含多少个字符,可以用len()函数:

     len('ABC')   # 值为:3
     len('中文')  # 值为:2

    len()函数计算的是str的字符数,如果换成bytes,len()函数就计算字节数:

    len(b'ABC')  # 值为:3
    len(b'\xe4\xb8\xad\xe6\x96\x87')  # 值为:6
    len('中文'.encode('utf-8'))  # 值为:6

    在操作字符串时,我们经常遇到str和bytes的互相转换。为了避免乱码问题,应当始终坚持使用UTF-8编码对str和bytes进行转换。

    由于Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行:

    #!/usr/bin/env python3  
    #该注释是为了告诉Linux/OS X系统,这是一个Python可执行程序,Windows系统会忽略这个注释;
    # -*- coding: utf-8 -*- 
    #该注释是为了告诉Python解释器,按照UTF-8编码读取源代码,否则你在源代码中写的中文输出可能会有乱码。

    注意以上只是申明使用UTF-8编码,在用文本文档编写的时候需要我们手动调整成UTF-8 without BOM编码

    四.  格式化

    11.  %运算符用来格式化字符串。在字符串内部,%s表示用字符串替换,%d表示用整数替换,有几个%?占位符,后面就跟几个变量或者值,顺序要对应好。如果只有一个%?,括号可以省略。

     'Hello, %s' % 'world'#值为:'Hello, world'
    'Hi, %s, you have $%d.' % ('Michael', 1000000)#值为:'Hi, Michael, you have $1000000.'

    如果你不太确定应该用什么,%s永远起作用,它会把任何数据类型转换为字符串

    同时,可以用%%来表示一个%

    '你的成绩提高了%d%%!' % 50#值为:'你的成绩提高了50%!'

    2.  format()

    另一种格式化字符串的方法是使用字符串的format()方法,它会用传入的参数依次替换字符串内的占位符{0}、{1}……

    五.  参考资料

    本文根据廖雪峰的官方网站:字符串和编码一文整理而成

     

  • 0
  • 0
  • 0
  • 3k
  • 请登录之后再进行评论

    登录
    单栏布局 侧栏位置: