Python String 介紹
Python String Escaping 脫逸字元與路徑分隔符
- Python 有兩種字元脫逸方式 (反斜槓 \) :
- 以 反斜槓 \ 做字元脫逸。
- r String: 轉義序列(escape sequence) 前加上一個小寫 r。
# tempFile1 結果相同於 tempFile2
tmpFile1 = 'C:\\temp\\tmp.text'
tmpFile2 = r'C:\temp\tmp.text'
content = 'Python: in windows we use \\r\\n as break-line symbol.'
print(content)
# Python: in windows we use \r\n as break-line symbol.
- Python 路徑分隔符 (正斜槓:除號 /) :
- Python 已做最佳化，Linux/Windows 系統下皆可以 (除號 /) 作為檔案路經分隔符。
# tempFile1 結果相同於 tempFile2
tmpFile1 = 'C:/temp/tmp.text' # 語法糖: 除號
tmpFile2 = r'C:\temp\tmp.text' # r String
tmpFile3 = 'C:\\temp\\tmp.text' # escape character
Python String 移除斷行符號, strip(), replace()
- python 額外提供一個 strip 方法，移除字串前後的斷行符號(僅限行末)。
- strip() 整個字串的最前面跟最後面的斷行符號都會移除。
- rstrip() r 僅最後面的斷行符號移除。(r stands for reverse?)
- lstrip() l 僅最前面的斷行符號移除。(l stands for leader?)
- 注意字串中間的斷行符號不會做處理。
- 通常在 Java 我直接 replacelast 斷行符號。
- python 相似 function 為 replace(_self,_old, _new, _count)。 無法直接選定字尾。
s = '\r\nGoodbye,Tom!\r\nSee you next day, Jen!\r\n'
strip_s = s.strip()
print(strip_s)
print('----')
replace_previous3 = s.replace('\r\n', '', 3)
print(replace_previous3)
# Goodbye,Tom!
# See you next day, Jen!
# ----
# Goodbye,Tom!See you next day, Jen!
Python String (字串，字符串)
- immutable sequence
- 包括三大類
- str: Unicode/ASCII
- bytes: Binary
- bytearray : bytes 的變體
- 字串定義種類:
- 單引號: 'Hello World'
- 雙引號: "Hello World"
- 三引號: ''' Multi-line Content ''' , 多行字串
- Raw String : r"C:\tmp\text.txt" , 不做 escape
- Kotlin 以 triple quotes 做 auto-escape
- Unicode String : u'\u65E9\u5B89'
- Bytes String : b'\xe6\x97\xa9\xe5\xae\x89 Python', Bytes String 通常讓人聯想到的是一串 數字 或是一串 0與1 串接的 literal.而 Python 在以 b String 呈現時，則是以字母的方式呈現。例如65則以A呈現，方便英語系語言者閱讀。
Python Unicode String 轉換
import sys
# utf-8, 當前系統 encoding
print(sys.getdefaultencoding())
encoding = 'unicode_escape'
content = 'ABC昆蟲圖騰'
# to unicode: 'unicode_escape'
# 系統預設轉 unicode
u = content.encode(encoding)
print(type(u))
print(u)
#<class 'bytes'>
#b'ABC\\u6606\\u87f2\\u5716\\u9a30'
# unicode 解回先前系統
d = u.decode(encoding)
print(type(d))
print(d)
#<class 'str'>
# ABC昆蟲圖騰
uString = u'ABC\u6606\u87f2\u5716\u9a30'
print(uString)
# ABC昆蟲圖騰
Python String vs Bytes 轉換
* String vs bytes
* String vs bytearray
每個字元底層都是以數值為內碼，所以一段文字其實是可以以 byte array 來呈現。例如 (65,66,67) 代表 ABC。
Python 這邊增加提供以 b 修飾的字串來呈現 byte 集合所代表的內容。
例如: Hello,
以 bytes 集合，如 tuple 呈現為 (72,101,108,108,111)
以 B String 呈現則為 b'Hello'
兩者概念相同。B String 則屏除數值轉字母時腦子思考的動作。
bytes 集合/B String 兩者皆可轉成 Python 中內建的 <class 'bytes'> 來統一操作使用。
而 <class 'bytes'> 與 <class 'str'> 兩類別間則有轉換介面。簡單來說，可想成 Python 中文字內碼為 <class 'bytes'>，而呈現上可以有多種方式(tuple/B String)。
String vs bytes 轉換
- bytes() 方法轉換 String/Tuple 為 <class 'bytes'>
- bytes(str, encoding) 將字串轉 bytes
- bytes( tuple ) 將數字序列轉 bytes
- b'content'. decode(encoding) 方法將 bytes 字串轉回 String
# from string to bytes
encoding = 'utf-8'
original = "python 早安"
converted_to_bytes = bytes(original, encoding)
print(type(converted_to_bytes))
# <class 'bytes'>
print(converted_to_bytes)
# b'python \xe6\x97\xa9\xe5\xae\x89'
print(converted_to_bytes[0])
# p(112), (p= a(97)+ shift 15)
# from integer tuple to bytes
bs = bytes((65,66,67));
print(bs) # b'ABC'
back = bs.decode(encoding)
print(type(back)) # <class 'str'>
print(back) # ABC
# from bytes to string
back = converted_to_bytes.decode(encoding)
print(type(back))
# <class 'str'>
print(back)
# python 早安
back2 = str(converted_to_bytes, encoding)
print(back2)
# python 早安
String vs bytearray 轉換
Python 中 bytearray 為 bytes 的變體
- bytearray() 方法轉換 String/Tuple 為 <class 'bytearray'>
- bytearray(str, encoding) 將字串轉 bytearray
- bytearray( tuple ) 將數字序列轉 bytearray
- b'content'. decode(encoding) 方法將 bytearray 字串轉回 String
# from string to bytearray
encoding = 'utf-8'
text = "ABC 早安"
ba = bytearray(text, encoding)
print(type(ba)) # <class 'bytearray'>
print(ba) # bytearray(b'ABC \xe6\x97\xa9\xe5\xae\x89')
print(type(ba[0])) # <class 'int'>
print(ba[0]) # A(65)
# from integer tuple to bytearray
ba = bytearray((65,66,67));
back = ba.decode(encoding)
print(type(back)) # <class 'str'>
print(back) # ABC
# from bytearray to string
back = ba.decode()
print(type(back)) # <class 'str'>
print(back) # ABC 早安
Python Binary Presentation String
字元背後以數值為內碼，數值再向底層走就是二進位的 0 與 1。
下面的範例僅只是將數值轉成二進位呈現而已。
單純的二進位 呈現 。
# from string to binary presentation
original = "python 早安A"
bin_string = ' '.join(format(ord(charN), 'b') for charN in original)
print(bin_string) #1110000 1111001 1110100 1101000 1101111 1101110 100000 110010111101001 101101110001001 1000001
bin_string2 = ' '.join(format(byteN, 'b') for byteN in bytearray(original, 'utf-8'))
print(bin_string) #1110000 1111001 1110100 1101000 1101111 1101110 100000 110010111101001 101101110001001 1000001
Python 檔案內容編碼與轉換
# filename = input('檔名：')
# 讀檔時告知檔案的編碼方式:
# 若與實際不同應會報錯
file = open(r"D:\encoding.txt", 'r', encoding='utf-8')
file = open(r"D:\encoding_ansi.txt", 'r', encoding='big5')
file = open(r"D:\encoding_ansi.txt", 'r', encoding='ANSI')
content = file.read()
file.close()
# 若成功讀入檔案內容，則此處的 content 採用 IDE encoding
print(content) # 正常顯示內容
# 將內容轉換為指定 encoding: 如 UTF-8
print(content.encode('UTF-8')) # 得到的是重新編碼後的 <class 'bytes'>
# 將內容轉換為指定 encoding: 如 Unicode
print(content.encode('unicode_escape'))
# 將指定 bytes 以 'UTF-8' 解碼
bytes_content = content.encode('UTF-8')
print(bytes_content.decode('UTF-8')) # 轉成指定編碼內容，不一定能正常顯示
String 與數值轉換
- 整數轉換成其他進制的字串 (Integer -> String)
- 非十進制文字轉十進位(String -> Number)
- ASCII String 轉 Char
整數轉換成其他進制的字串 (Integet -> String)
- syntax
- str(int) : 十進位
- hex(int) : 十六進位
- oct(int) : 八進位
- bin(int) : 二進位
- 浮點數種其他進制字串
- 數學上可行，電腦中浮點數都不精確了要怎樣轉。
- 需找專門的數學套件來使用。
num_integer = 9
print(hex(num_integer))
# 十六進位 0x9
print(oct(num_integer))
# 八進位 0o11
print(bin(num_integer))
# 二進位 0b1001
print(str(num_integer))
# 9
print(str(5.5))
# 5.5
其他進制文字轉十進位(String -> Number)
- syntax:
- int('literal', base)
- float('literal')
hex_string ='0x9'
print(int(hex_string, 16)) # 9
oct_string ='0o11'
print(int(oct_string, 8)) # 9
bin_string ='0b1001'
print(int(bin_string, 2)) # 9
# 預設為十進位
five = int('5')
print(five) # 5
fiveAndHalf = float('5.5')
print(fiveAndHalf) # 5.5
ASCII String 轉 Char
- ord('char') : char to integer
- chr(int) : integer to char
print(ord('a')) # 97
print(chr(97)) # a
eval(str) 程式片段字串轉成 Python script
這裡指的是例如 parse 一個 *.py。
所得到的字串內容是可以直接轉成可執行的 python script 內容。
結果類似 import 一段程式碼。
- 參考: [序列化與反序列化物件]./Python_module_pickle
- 比較 pickle module vs eval()
- repr()，將 string 轉回 instance
# Python eval() : from string to python script
strA = '[1,2,3]'
print(type(strA))
# <class 'str'>
listA = eval(strA)
print(type(listA))
print(listA)
# <class 'list'>
# [1, 2, 3]