python字符串和編碼舉例分析

本篇內(nèi)容主要講解“python字符串和編碼舉例分析”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“python字符串和編碼舉例分析”吧!

　　字符串屬于一種數(shù)據(jù)類型，字符串比較重要的就是編碼問題

　　先看下一些編碼的例子

　　舉例子說下各種編碼的區(qū)別，優(yōu)缺點(diǎn)：

　　ASCII:美國人發(fā)明，比如大寫字母A編碼是65，小寫字母z編碼是122;一般一個(gè)字節(jié)

　　GB2312:中國發(fā)明，把中文加了進(jìn)去

　　Unicode:把所有語言都統(tǒng)一到一套編碼里;一般用兩個(gè)字節(jié)表示一個(gè)字符

　　但是這樣也會有問題，所以現(xiàn)在基本上都用UTF-8編碼。用Unicode編碼雖然可以解決亂碼問題，但是如果全部是英文的話，用Unicode編碼比用ASCII編碼多一倍的存儲空間，在存儲和傳輸上就十分不劃算。

　　所以，出現(xiàn)了UTF-8編碼，UTF-8編碼把一個(gè)Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個(gè)字節(jié)，常用的英文被編譯成1個(gè)字節(jié)，漢字是3個(gè)字節(jié)，這樣一來基本都解決了問題。網(wǎng)頁基本上都是UTF-8編碼。

　　python的字符串

　　我用的是python3版本，字符串是以Unicode編碼的，所以python的字符串支持多語言，舉個(gè)例子：

　　>>> print('包含中文的English')

　　包含中文的English

　　對于單個(gè)字符，python使用ord()函數(shù)獲取字符的整數(shù)表示，chr()函數(shù)把編碼轉(zhuǎn)換為對應(yīng)字符，舉個(gè)例子：

　　>>> ord('A')

　　65

　　>>> ord('中')

　　20013

　　>>> chr(66)

　　'B'

　　>>> chr(25991)

　　'文'

　　>>> chr(10000)

　　'?'

　　如果想用chr()函數(shù)的話，首先要知道對應(yīng)內(nèi)容對應(yīng)的編碼。如果知道字符的整數(shù)編碼還可以用十六進(jìn)制來寫：

　　>>> '\u4e2d\u6587'

　　'中文'

　　上面這兩種寫法是等價(jià)的，python的字符串類型是str，內(nèi)存里以Unicode來表示，一個(gè)字符對應(yīng)若干個(gè)字符，如果要在網(wǎng)上傳輸，或者保存到磁盤，就得把str變成以字節(jié)為單位的bytes。

　　在python里用帶b前綴的單引號或雙引號來表示bytes類型的數(shù)據(jù)，舉個(gè)例子：

　　x = b'ABC'

　　注意!!'ABC'和b'ABC'是不一樣的。'ABC'是str類型，后面是bytes，bytes的每個(gè)字符只占用一個(gè)字節(jié)。

　　用Unicode表示的str通過encode()方法可以編碼為指定的bytes,舉個(gè)例子：

　　>>> '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 "", line 1, in

　　'中文'.encode('ascii')

　　UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

　　可以看到，英文的str可以用ASCII編碼為bytes,內(nèi)容都是一樣的。

　　含有中文的str可以用UTF-8編碼為bytes。

　　含有中文的str如果用ASCII編碼，就會出錯(cuò)，因?yàn)橹形木幋a的范圍超過了ASCII編碼的范圍。

　　在bytes中，無法顯示為ASCII字符的字節(jié)，用\x##顯示，所以如果從網(wǎng)絡(luò)上或磁盤上讀取了字節(jié)流，讀到的數(shù)據(jù)是bytes。如果想把bytes轉(zhuǎn)換為str，需要使用decode()方法，舉個(gè)例子：

　　>>> b'ABC'.decode('ascii')

　　'ABC'

　　>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')

　　'中文'無錫男科醫(yī)院 http://www.bhnkyixue.com/

　　注意，如果bytes中含有無法解碼的字節(jié)，decode()方法會報(bào)錯(cuò)!!!

　　如果bytes中只有一小部分無效的字節(jié)，可傳入errors='ignore'用來忽略錯(cuò)誤的字節(jié)，舉個(gè)例子：

　　>>> b'\xe4\xb8\xad\xff'.decode('utf-8')

　　Traceback (most recent call last):

　　File "", line 1, in

　　b'\xe4\xb8\xad\xff'.decode('utf-8')

　　UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

　　>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')

　　'中'

　　如果要計(jì)算str包含多少個(gè)字符，可以用len()函數(shù)，舉個(gè)例子：

　　>>> len('ABC')

　　3

　　>>> len('中文')

　　2

　　如果要計(jì)算bytes包含多少個(gè)字符，也可以用len()，此時(shí)計(jì)算的是字節(jié)數(shù)，舉個(gè)例子：

　　>>> len(b'ABC')

　　3

　　>>> len(b'\xe4\xb8\xad\xe6\x96\x87')

　　6

　　>>> len('中文'.encode('utf-8'))

　　6

　　大家仔細(xì)看，一個(gè)中文字符經(jīng)過UTF-8編碼后通常占用3個(gè)字節(jié)，一個(gè)英文字符只占用一個(gè)字符。

　　但是在實(shí)際操作的時(shí)候，經(jīng)常會用到str和bytes的互相轉(zhuǎn)換，為了避免亂碼，我們在編碼的時(shí)候就指定使用UTF-8編碼：

　　ps:當(dāng)然python也支持其他編碼方式，比如把Unicode編碼成GB2312，但是太麻煩了!!!

　　# -*- coding: utf-8 -*-

　　這一行注釋不是沒用，而是告訴python解釋器，按照UTF-8編碼讀取源代碼，否則在代碼中寫的中文輸出可能會有亂碼。

　　如果.py文件本身使用UTF-8編碼，并且指定了：# -*- coding: utf-8 -*-，那么打開命令提示符測試就可以正常顯示中文。

　　格式化

　　一般還有個(gè)如何輸出格式化的字符串的問題，在python中使用%實(shí)現(xiàn)，舉個(gè)例子：

　　>>> 'Hello, %s' % 'world'

　　'Hello, world'

　　>>> 'Hi, %s, you have $%d.' % ('jack', 1000000)

　　'Hi, jack, you have $1000000.'

　　所以，%運(yùn)算符是用來格式化字符串的，在字符串里面%s表示用字符串替換，用%d表示用整數(shù)替換，有幾個(gè)%?占位符，后面就跟幾個(gè)變量或者值，如果只有一個(gè)%?，括號可以省略。

　　常用占位符有下面這些：

　　還有，格式化整數(shù)和浮點(diǎn)數(shù)還可以指定是否補(bǔ)0和整數(shù)與小數(shù)的位數(shù)。

　　如果不知道用什么，%s永遠(yuǎn)可以起作用，它會把任何數(shù)據(jù)類型轉(zhuǎn)換為字符串，舉個(gè)例子：

　　>>> 'Age: %s. Gender: %s' % (25, True)

　　'Age: 25. Gender: True'

　　r如果字符串里面的%是一個(gè)普通字符的話，就需要轉(zhuǎn)義一下了，用%%來表示一個(gè)%，舉個(gè)例子：

　　>>> 'growth rate: %d %%' % 7

　　'growth rate: 7 %'

　　format()

　　還有一種格式化字符串的方法是使用字符串的format()方法，它會用傳入的參數(shù)依次替換字符串內(nèi)的占位符{0}、{1}等等，

　　這種方式寫起來比%麻煩，舉個(gè)例子：

　　>>> 'Hello, {0}, 成績提升了 {1:.1f}%'.format('小明', 17.125)

　　'Hello, 小明, 成績提升了 17.1%'

　　格式化字符串的時(shí)候，可以用python的交互式環(huán)境測試，比較方便。

到此，相信大家對“python字符串和編碼舉例分析”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！