字符串：Unicode字符组成的序列
字节和字节数组：8 byte组成的序列
1. 编码和解码
编码：将Unicode字符串转化为一系列字节的过程
# str类型
snowman = '\u2603'
len(snowman) # 1 只包含一个Unicode字符串，与所存储的字节数无关
# bytes类型
ds = snowman.encode('utf-8') # b'\xe2\x98\x83'
len(ds) # 3 占据3个字节的空间
# encode(encoding='utf-8', errors='strict') -> bytes
# 第一个参数为编码方式，第二个参数为编码异常的处理
# strict, 出错时抛出UnicodeEncodeError错误
# ignore, 抛弃无法编码的字符
snowman = 'abc\u2603'
ds = snowman.encode('ascii', 'ignore')
print(ds) # b'abc'
print(len(ds)) # 3
# replace, 将无法编码的字符替换为?
snowman = 'abc\u2603'
ds = snowman.encode('ascii', 'replace')
print(ds) # b'abc?'
print(len(ds)) # 4
# backslashreplace, 将无法编码的字符转为\\u这种形式
snowman = 'abc\u2603'
ds = snowman.encode('ascii', 'backslashreplace')
print(ds) # b'abc\\u2603'
print(len(ds)) # 9
# xmlcharrefreplace, 将无法编码的字符转为字符串实体
snowman = 'abc\u2603'
ds = snowman.encode('ascii', 'xmlcharrefreplace')
print(ds) # b'abc☃'
print(len(ds)) # 10
解码：将字节序列转化为Unicode字符串的过程(注意编码和解码的格式必须一致，如都用utf-8，否则会得不到预期的值)
place = 'caf\u00e9'
place_bytes = place.encode('utf-8') # b'caf\xc3\xa9'
place2 = place_bytes.decode('utf-8') # café
2. 格式化
旧的格式化：
%
新的格式化：{}和format
n = 42
f = 7.03
s = 'string cheese'
print('{} {} {}'.format(n, f, s)) # 默认
print('{2} {0} {1}'.format(f, s, n)) # 位置索引
print('{n} {f} {s}'.format(n=n, f=f, s=s)) # 关键字
d = {'n': n, 'f': f, 's': s}
print('{0[n]} {0[f]} {0[s]} {1}'.format(d, 'other')) # 字典
print('{0:5d} {1:10f} {2:20s}'.format(n, f, s)) # 默认左对齐
print('{0:>5d} {1:>10f} {2:>20s}'.format(n, f, s)) # 左对齐
print('{0:<5d} {1:<10f} {2:<20s}'.format(n, f, s)) # 右对齐
print('{0:^5d} {1:^10f} {2:^20s}'.format(n, f, s)) # 居中对齐
print('{0:!^5d} {1:#^10f} {2:&^20s}'.format(n, f, s)) # 占位
print('{0:!^5d} {1:#^10.4f} {2:&^20.4s}'.format(n, f, s)) # 精度
3. 正则表达式
match检查是否以...开头
import re
source = 'Young man'
m = re.match('You', source)
if m:
print(m.group()) # You
search返回第一次匹配成功的项
import re
source = 'Young man'
m = re.search('man', source)
if m:
print(m.group()) # man
m1 = re.match('.*man', source)
if m1:
print(m1.group()) # Young man
findall返回所有匹配项
import re
source = 'Young man'
m = re.findall('n.?', source)
print(m) # ['ng', 'n']，没有就返回[]
split类似于字符串的split,只不过这里是模式而不是文本
import re
source = 'Young man'
m = re.split('n', source)
print(m) # ['You', 'g ma', '']
sub替换匹配，类似于字符串的replace， 只不过这里是模式而不是文本
import re
source = 'Young man'
m = re.sub('n', '?', source)
print(m) # You?g ma?
| 模式 | 匹配 |
|---|---|
| . | 任意一个除\n外的字符 |
| * | 任意多个字符(包括0个) |
| + | 一个或多个字符 |
| ? | 可选字符(0个或1个) |
| \d | 一个数字字符 |
| \w | 一个字母或数字或下划线字符 |
| \s | 空白符 |
| \b | 单词边界 |
特殊字符：
| 模式 | 匹配 |
|---|---|
| . | 任意一个除\n外的字符 |
| * | 任意多个字符(包括0个) |
| + | 一个或多个字符 |
| ? | 可选字符(0个或1个) |
| \d | 一个数字字符 |
| \w | 一个字母或数字或下划线字符 |
| \s | 空白符 |
| \b | 单词边界 |
import string
import re
printable = string.printable
re.findall('\d', printable) # ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
re.findall('\s', printable) # [' ', '\t', '\n', '\r', '\x0b', '\x0c']
定义匹配的输出
m.groups()获得匹配的元组
import re
source = 'a dish of fish tonight.'
m = re.search(r'(. dish\b).*(\bfish)', source)
print(m.group()) # a dish of fish
print(m.groups()) # ('a dish', 'fish')
(?P<name>expr)匹配expr，并将结果存储在名为name的组中
import re
source = 'a dish of fish tonight.'
m = re.search(r'(?P<DISH>. dish\b).*(?P<FISH>\bfish)', source)
print(m.group()) # a dish of fish
print(m.group('DISH')) # a dish
print(m.group('FISH')) # fish
print(m.groups()) # ('a dish', 'fish')
4. 读写文件
open(filename, mode)
其中mode的第一个字母表明对文件的操作：
-
r表示读模式 -
w表示写模式（若文件不存在，则新创建；若存在则重写新内容） -
x表示文件不存在的情况下新创建并写文件 -
a表示如果文件存在，在文件末尾追加写内容
第二个字母：
-
t文本类型(默认) -
b二进制文件
使用write()写文件：
poem = '''
床前明月光，
疑是地上霜。
举头望明月，
低头思故乡。
'''
with open('a.txt', 'wt', encoding='utf-8') as fout:
fout.write(poem)
# 数据分块
with open('a.txt', 'wt', encoding='utf-8') as fout:
size = len(poem)
offset = 0
chunk = 100
while True:
if offset > size:
break
fout.write(poem[offset:offset+chunk])
offset += chunk
# 避免重写
try:
with open('a.txt', 'xt', encoding='utf-8') as fout:
fout.write(poem)
except FileExistsError:
print('文件已经存在')
使用read()、readline()、readlines()读文件：
with open('a.txt', 'rt', encoding='utf-8') as fin:
poem = fin.read()
# 每次读一行
with open('a.txt', 'rt', encoding='utf-8') as fin:
poem = ''
while True:
line = fin.readline()
if not line:
break
poem += line
# 使用迭代器
with open('a.txt', 'rt', encoding='utf-8') as fin:
poem = ''
for line in fin:
poem += line
# 读入所有行，返回单行字符串的列表
with open('a.txt', 'rt', encoding='utf-8') as fin:
lines = fin.readlines()
# 输出 ['\n', '床前明月光，\n', '疑是地上霜。\n', '举头望明月，\n', '低头思故乡。\n']
tell()返回文件此刻的字节偏移量，seek(n)跳到文件字节偏移量为n的位置：
seek(offset, origin)
origin=0(默认), 从开头偏移offset个字节
origin=1, 从当前位置偏移offset个字节
origin=2, 距离最后结尾处偏移offset个字节
with open('b', 'rb') as fin:
print(fin.tell()) # 从0开始
fin.seek(254, 0) # 跳到254(返回最后两个字节)
print(fin.tell()) # 254
fin.seek(1, 1) # 在此基础上前进一个字节
print(fin.tell()) # 255
data = fin.read() # 一直读到文件结尾 b'\xff'
print(data[0]) # 255
网友评论