一、介紹python 2和python 3中的字符串類型及用途

　　 python 2
　　　　str
　　　　　　簡單文本(如ascii編碼)和二進制數(shù)據(jù)(bytes)。
　　　　unicode
　　　　　　多字節(jié)文本(寬字符，如中文)。

　　python 3
　　　　str
　　　　　　unicode文本，包含ascii、utf-8等。
　　　　bytes
　　　　　　字節(jié)，用于二進制數(shù)據(jù)表示，在一些需要低級數(shù)據(jù)結構的時候用到，譬如C語言等。
　　　　bytearray
　　　　　　bytes類型的一個變體，它是可變的并且支持原處修改。

二、字符編碼解碼的基礎知識及在python中的使用

　　編解碼
　　　　編碼：
　　　　　　根據(jù)一個想要的編碼名稱，把一個字符串翻譯為其原始字節(jié)形式。
　　　　解碼：
　　　　　　根據(jù)其編碼名稱，把一個原始字節(jié)串翻譯為字符串形式的過程。

　　python 2中編解碼對象的轉換關系
　　　　? ? ??decode? ? ? ? ? ? ? ?encode
　　　　str ---------> unicode --------->str

　　　　示例：
　　　　　　s = '北京'
　　　　　　s.decode('gb2312')
　　　　　　s.decode('gb2312').encode(encoding='utf-8',errors='strict')

　　python 3中編解碼對象的轉換關系
　　　　　　 decode 　　　　? encode
　　　　bytes ------> str(unicode)------>bytes

　　　　示例：
　　　　　　s = '北京'
　　　　　　s.encode()
　　　　　　b'\xe5\x8c\x97\xe4\xba\xac' #\為轉義字符,x為十六進制的標記,u為unicode
　　　　　　s.encode().decode()

　　查看對象或平臺的編碼環(huán)境
　　　　1）檢查python默認的編碼
　　　　? ? ??import sys
　　　　? ? ??sys.getdefaultencoding()
　　　　　? reload(sys)
　　　　? ? ??sys.setdefaultencoding('utf8')
　　　　2）檢查字符對象的編碼,這個模塊識別不準，可以參考鏈接
　　　　　? https://blog.csdn.net/u013314786/article/details/77931548
　　　　　? import chardet
　　　　　? print chardet.detect(html)
　　　　? ? ?識別模塊不太準的時候，可以使用decode采用一些常用的中文編碼進行解碼，如GBK,GB2312等。

三、python 2和python 3在字符串使用的上的一些區(qū)別

　　1）python 3默認采用utf-8的字符集，而python 2默認采用ascii的編碼方式。
　　2）python 2中存在str和unicode類型，python 3分為bytes和str類型。
　　3）python 2的str類型可以表示二進制和字符串數(shù)據(jù)，而python 3中進行了區(qū)分
　　4）python 2和3版本中的編解碼轉換規(guī)則不太一樣
　　　　python 2中進行編碼轉換，必須先轉換為unicode對象
　　　　python 3由于本身就值unicode，所以可直接進行轉換編碼
　　5）文件讀取

python 2
讀取文件時，采用r和rb讀取文件文件時，無區(qū)別。
讀取文件時，直接讀取字節(jié)再通過ascii解碼，如果包含非ascii字符的打印為直接。
read方法輸出指定字節(jié)數(shù)。

python 3
讀取文本文件時，采用r和rb模式讀取輸出是不同的，rb輸出字節(jié)，r輸出字符。
讀取時采用utf-8進行解碼讀取。
read方法輸出字符數(shù)。

四、相關知識點

1）字節(jié)順序標記BOM
　? 例如，在UTF-16和UTF-32編碼中，BOM指定大尾還是小尾格式（基本上，是確定一個位字符串的哪一端最重要）。
? ? ? 處理BOM的方法
? ? ? ? ? ?在文件進行寫入和讀取時使用具體編碼名來處理BOM，如下：
　　? ? >>> open('spam.txt', 'r', encoding='utf-8-sig').read()
　　? ?　　?'spam\nSPAM\n' #使用具體的編碼名處理BOM

2）轉換編碼
　　我們總是可以把一個字符串轉換為不同于源字符集默認的一種編碼，但是，我們必須顯式地提供一個編碼名稱以進行編碼和解碼：
　　>>>S = 'A?BèC'
　　>>>S.encode() # Default utf-8 encoding
　　　　b'A\xc3\x84B\xc3\xa8C'
　　>>>T = S.encode('cp500') #轉換為cp500編碼

3）源文件字符集編碼聲明
　　改變默認的文件編碼形式，在文件的第一或第二行聲明。
　　# -*- coding: latin-1 -*-

?

重點提示：

　　1、數(shù)據(jù)分層表示方法。

　　　? 文件層面：　? ? ? ? ? ? ? ? 字節(jié)序列，可分為各類編碼形式的字節(jié)序列，如unicode，base64，自定義的字節(jié)流。

　　　? python腳本文件層面：? 字符序列，自動執(zhí)行編碼/解碼操作。

　　　? python解釋器內存層面：unicode碼或字節(jié)碼。　　　　

?

轉載于:https://www.cnblogs.com/solitarywares/p/10097954.html

總結

以上是生活随笔為你收集整理的python 字符串内容的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。