第二章 Python字符串处理和编码不再发愁

简介:

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  'int' >
>>>  type (b)
< type  'float' >
>>>  type ( str (a))
< type  'str' >
>>>  type ( str (b))
< type  'str' >

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  +  b
Traceback (most recent call last):
  File  "<stdin>" , line  1 in  <module>
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  =  +  str (b)
>>>  print  c
abc1

2.1.3 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

 wKioL1fUsVnRU35PAAChUcGSy1Y556.png-wh_50

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 world

2.1.5 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。

wKioL1fenUOAvFGqAAC3Uy3FuZk327.png

wKiom1fenVng_T7yAACUWawoUEc068.png


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        
=  "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
< type  'str' >

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  "<stdin>" , line  1 in  <module>
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' ))
  < type  'unicode' >
>>>  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

相关文章
|
19天前
|
SQL 定位技术 API
GEE python:按照矢量中的几何位置、属性名称和字符串去筛选矢量集合
GEE python:按照矢量中的几何位置、属性名称和字符串去筛选矢量集合
17 0
|
3天前
|
Python
20个改善编码的Python异常处理技巧,让你的代码更高效
异常处理是写好代码的一个重要的方面,虽然许多开发人员都熟悉基本的try-except块,但是有很多更深入的知识可以使异常处理更高效、更可读和更python化。所以本文将介绍关于Python异常的20个可以显著改善编码的Python异常处理技巧,这些技巧可以让你熟练的掌握Python的异常处理。
136 4
|
4天前
|
数据处理 Python
Python中字符串、列表、字典常用的拼接方法有哪些?
Python中字符串、列表、字典常用的拼接方法有哪些?
22 1
|
7天前
|
程序员 C语言 Python
[oeasy]python0007_ print函数_字符串_display_电传打字机_程序员的浪漫
[oeasy]python0007_ print函数_字符串_display_电传打字机_程序员的浪漫
26 5
[oeasy]python0007_ print函数_字符串_display_电传打字机_程序员的浪漫
|
20天前
|
Python
血常规(自动生成报告)(配套Python工具正在编码中)
血常规(自动生成报告)(配套Python工具正在编码中)
29 0
|
22天前
|
Python
在Python中,序数编码(Ordinal Encoding)
在Python中,序数编码(Ordinal Encoding)
17 6
|
22天前
|
机器学习/深度学习 算法 Python
在Python中,独热编码(One-Hot Encoding)
在Python中,独热编码(One-Hot Encoding)
35 8
|
25天前
|
数据采集 机器学习/深度学习 Python
在Python中进行特征编码
在Python中进行特征编码
17 1
|
27天前
|
索引 Python
|
28天前
|
Java Go C++
Golang每日一练(leetDay0094) H 指数 I\II H Index
Golang每日一练(leetDay0094) H 指数 I\II H Index
24 0
Golang每日一练(leetDay0094) H 指数 I\II H Index

相关产品

  • 云迁移中心