所有用过 Python (2&3)的人应该都看过下面两行错误信息:
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
UnicodeDecodeError: 'utf-8' codec can't decode bytes in position 0-1: invalid continuation byte
这就是 Python 界的"锟斤拷"!
今天和接下来几期的内容将主要关注 Python 中的字符串(str
)、字节(bytes
)及两者之间的相互转换(encode
/decode
)。也许不能让你突然间解决所有乱码问题,但希望可以帮助你迅速找到问题所在。
定义
Python 中对字符串的定义如下:
Textual data in Python is handled with
str
objects, or strings. Strings are immutable sequences of Unicode code points.
Python 3.5 中字符串是由一系列 Unicode 码位(code point)所组成的不可变序列:
('S' 'T' 'R' 'I' 'N' 'G')
'STRING'
不可变是指无法对字符串本身进行更改操作:
s = 'Hello'
print(s[3])
s[3] = 'o'
l
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-2-ce8cf24852f9> in <module>()
1 s = 'Hello'
2 print(s[3])
----> 3 s[3] = 'o'
TypeError: 'str' object does not support item assignment
而序列(sequence)则是指字符串继承序列类型(list/tuple/range
)的通用操作:
[i.upper() for i in "hello"]
['H', 'E', 'L', 'L', 'O']
至于 Unicode 暂时可以看作一张非常大的地图,这张地图里面记录了世界上所有的符号,而码位则是每个符号所对应的坐标(具体内容将在后面的几期介绍)。
s = '雨'
print(s)
print(len(s))
print(s.encode())
雨
1
b'\xe9\x9b\xa8'
常用操作
len
:字符串长度;split
&join
find
&index
strip
upper
&lower
&swapcase
&title
&capitalize
endswith
&startswith
&is*
zfill
# split & join
s = "Hello world!"
print(",".join(s.split())) # 常用的切分 & 重组操作
"https://github.com/rainyear/pytips".split("/", 2) # 限定切分次数
Hello,world!
['https:', '', 'github.com/rainyear/pytips']
s = "coffee"
print(s.find('f')) # 从左至右搜索,返回第一个下标
print(s.rfind('f')) # 从右至左搜索,返回第一个下表
print(s.find('a')) # 若不存在则返回 -1
print(s.index('a')) # 若不存在则抛出 ValueError,其余与 find 相同
2
3
-1
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-6-59556fd9319f> in <module>()
4
5 print(s.find('a')) # 若不存在则返回 -1
----> 6 print(s.index('a')) # 若不存在则抛出 ValueError,其余与 find 相同
ValueError: substring not found
print(" hello world ".strip())
print("helloworld".strip("heo"))
print("["+" i ".lstrip() +"]")
print("["+" i ".rstrip() +"]")
hello world
lloworld
[i ]
[ i]
print("{}\n{}\n{}\n{}\n{}".format(
"hello, WORLD".upper(),
"hello, WORLD".lower(),
"hello, WORLD".swapcase(),
"hello, WORLD".capitalize(),
"hello, WORLD".title()))
HELLO, WORLD
hello, world
HELLO, world
Hello, world
Hello, World
print("""
{}|{}
{}|{}
{}|{}
{}|{}
{}|{}
{}|{}
""".format(
"Python".startswith("P"),"Python".startswith("y"),
"Python".endswith("n"),"Python".endswith("o"),
"i23o6".isalnum(),"1 2 3 0 6".isalnum(),
"isalpha".isalpha(),"isa1pha".isalpha(),
"python".islower(),"Python".islower(),
"PYTHON".isupper(),"Python".isupper(),
))
True|False
True|False
True|False
True|False
True|False
True|False
"101".zfill(8)
'00000101'
format
/ encode
格式化输出 format
是非常有用的工具,将会单独进行介绍;encode
会在 bytes-decode-Unicode-encode-bytes
中详细介绍。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。