第二章 Python字符串处理和编码不再发愁 |
您所在的位置：网站首页 › python 字符处理 › 第二章 Python字符串处理和编码不再发愁 |
第二章 Python字符串处理和编码不再发愁
|
2.1 字符串 2.1.1 字符串转换 1 2 3 4 5 6 7 8 9 10 >>> a = 123 >>> b = 1.23 >>> type(a) >>> type(b) >>> type(str(a)) >>> type(str(b))说明：先定义个整数和浮点数，再查看类型，用str()函数将对象转成字符串。 这里的用到了type()函数，用于查看对象类型。这个type()在以后学习中很用的，刚开始学习时候，往往因为对象类型不对，导致程序运行报错，这时可以用它来排查问题。 2.1.2 字符串连接 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 # 加号字符将同类型字符连接到一起 >>> hw = "Hello" + "World!" >>> print hw HelloWorld! # 两个相邻的字符串自动连接一起 >>> hw = "Hello""World!" >>> print hw HelloWorld! # 如果字符串内包括单引号或双引号，要用\转义，否则报错，上一章也讲过。 >>> hw = "Hello \"World!\"" >>> print hw Hello "World!" # 不同字符串类型拼接 >>> a = "abc" >>> b = 1 >>> print a + b Traceback (most recent call last): File "", line 1, in TypeError: cannot concatenate 'str' and 'int' objects 说明：不同字符串类型不允许连接，想要连接可以下面这么做。 方法1： >>> c = "%s%d" %(a,b) >>> print c abc1 方法2： >>> c = a + str(b) >>> print c abc12.1.3 格式化输出 操作符号 说明 %s 字符串（str()） %r 字符串（repr()） %d 整数 %f 浮点数，可指定小数点后的精度 1) 字符串格式输出三种方法 1 2 3 4 5 6 7 >>> xxoo = "string" >>> print "%s" %xxoo string >>> print "%r" %xxoo 'string' >>> print `xxoo` 'string'说明：%s采用str()函数显示，%r采用repr()函数显示。repr()和反撇号把字符串转为Python表达式。 2) 保留小数点数 1 2 >>> '%.1f' %(float(100)/1024) '0.1'2.1.4 字符串处理 上图是字符串处理的方法，红色框框中大概有一半经常用的，我们就拿一部分常用的来举例说明。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 #!/usr/bin/env python # -*- coding: utf-8 -*- xxoo = "Hello world!" print "字符串长度: %s" % len(xxoo) print "首字母大写: %s" % xxoo.capitalize() print "字符l出现次数: %s" % xxoo.count('l') print "感叹号是否结尾: %s" % xxoo.endswith('!') print "w字符是否是开头: %s" % xxoo.startswith('w') print "w字符索引位置: %s" % xxoo.find('w') # xxoo.index('W') print "格式化字符串: Hello{0} world!".format(',') print "是否都是小写: %s" % xxoo.islower() print "是否都是大写: %s" % xxoo.isupper() print "所有字母转为小写: %s" % xxoo.lower() print "所有字母转为大写: %s" % xxoo.upper() print "感叹号替换为句号: %s" % xxoo.replace('!','.') print "以空格分隔切分成列表: %s" % xxoo.split(' ') print "转换为一个列表: %s" % xxoo.splitlines() print "去除两边空格: %s" % xxoo.strip() print "大小写互换: %s" % xxoo.swapcase() print "只要Hello字符串: %s" % xxoo[0:5] print "去掉倒数第一个字符: %s" % xxoo[0:-1] # python test.py 字符串长度: 12 首字母大写: Hello world! 字符l出现次数: 3 感叹号是否结尾: True w字符是否是开头: False w字符索引位置: 6 格式化字符串: Hello, world! 是否都是小写: False 是否都是大写: False 所有字母转为小写: hello world! 所有字母转为大写: HELLO WORLD! 感叹号替换为句号: Hello world. 以空格分隔切分成列表: ['Hello', 'world!'] 转换为一个列表: ['Hello world!'] 去除两边空格: Hello world! 大小写互换: hELLO WORLD! 只要Hello字符串: Hello 去掉倒数第一个字符: Hello world2.1.5 字符串输出颜色 字体颜色 字体背景颜色 显示方式 30：黑 31：红 32：绿 33：黄 34：蓝色 35：紫色 36：深绿 37：白色 40：黑 41：深红 42：绿 43：黄色 44：蓝色 45：紫色 46：深绿 47：白色 0：终端默认设置 1：高亮显示 4：下划线 5：闪烁 7：反白显示 8：隐藏 格式：\033[1;31;40m # 1是显示方式，可选。31是字体颜色。40m是字体背景颜色。 \033[0m # 恢复终端默认颜色，即取消颜色设置。
博客地址：http://lizhenliang.blog.51cto.com QQ群：Shell/Python运维开发群 323779636 2.2 编码 2.2.1 常见字符编码类型 ASCII：美国信息交换标准码，是目前计算机中最广泛使用的字符集编码。每个ASCII码以1个字节存储，例如数字字符0的ASCII码是0110000，十进制表示为48。 Unicode：为解决世界上上百种语言带来混合、冲突，各国有各国的标准，显示很容易出现乱码。Unicode就出现了，它把所有语言的字符都统一到一套Unicode编码中，并定义每个语言字符的标准，所以Unicode又称统一码，万国码。大部分编程语言都支持Unicode，Python内部编码也支持Unicode。 GB2312：中国国家标准总局发布处理汉字的标准编码。 GBK：GB2312的扩展，向下兼容GB2312。 UTF-8：针对Unicode的可变长度字符编码，又称万国码。支持中文简体繁体及其它语言（如英文，日文，韩文）。 2.2.3 decode() decode()函数作用是将其他编码（比如ACSII、Byte String）的字符串解码成Unicode。 2.2.4 encode() encode()函数作用是将Unicode编码成终端软件能是识别的编码，就能正常显示了，比如UTF-8、GBK。 2.2.5 Python编码处理 1 2 3 4 5 6 7 #!/usr/bin/env python c = "中文" print c # python test.py File "test.py", line 2 SyntaxError: Non-ASCII character '\xe4' in file test.py on line 3, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details说明：在程序里面直接打印中文，会报语法错误，这是因为Python默认编码是ASCII，无法处理其他编码。 如果想打印中文，需要声明编码为utf-8，上面也有写过： 1 2 3 4 5 6 7 8 9 #!/usr/bin/env python # -*- coding: utf-8 -*- c = "中文" print c print type(c) # python test.py 中文可以正常输出中文了，类型是字符串，这个字符串是经过Python unicode编码后字节组成的。 虽然可以正常输入中文，并不意味的就万事大吉了，如果终端编码不是utf-8或其他软件也不确定编码还会出现乱码情况。所以还是要明白Python处理编码逻辑关系，才能更好的应对编码问题。 切换到交互式解释器： 1 2 3 4 5 >>> c = "中文" >>> c.encode('utf-8') Traceback (most recent call last): File "", line 1, in UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)如果直接转成utf-8是不允许的，报错Unicode解码错误，大概意思是说ascii码不能解码字节字符串。 上面讲到encode()函数作用是将Unicode码解码，而现在的c变量并非是Unicode码，而是字节字符串，算是Unicode的一种吧？。 故此，不能使用encode()，而是先使用decode()先解码陈Unicode再用encode()编码成utf-8。 1 2 3 4 5 6 7 8 >>> c.decode('utf-8') u'\u4e2d\u6587' # 4e2d对应unicode值是"中"，6587对应unicdoe值是"文" >>> type(c.decode('utf-8')) >>> print c.decode('utf-8') ？ 中文 >>> print c.decode('utf-8').encode('utf-8') 中文如果是Unicode字符串可直接通过encode()函数转码其他编码。 1 2 3 4 5 >>> c = u'中文' >>> c.encode('utf-8') '\xe4\xb8\xad\xe6\x96\x87' >>> print c.encode('utf-8') 中文看下字节字符串和unicode字符串区别： 1 2 3 4 5 6 7 8 9 10 >>> c = '中文' >>> u = u'中文' >>> c '\xe4\xb8\xad\xe6\x96\x87' >>> u u'\u4e2d\u6587' >>> len(c) 6 >>> len(u) 2字节字符串长度要比unicode长的多，而unicode长度就是字符长度。 总结下：Python处理编码流程大致是这样的，ascii --> decode() --> unicode --> encode() --> 终端能识别的编码，unicode算是一个中间码，有着承上启下的作用。 本文转自 李振良OK 51CTO博客，原文链接：http://blog.51cto.com/lizhenliang/1851539，如需转载请自行联系原作者 |
【本文地址】
今日新闻 |
推荐新闻 |