Python炫技操作:五種Python 轉義表示法
1. 為什麼要有轉義?
ASCII 表中一共有 128 個字元。這裡面有我們非常熟悉的字母、數字、標點符號,這些都可以從我們的鍵盤中輸出。除此之外,還有一些非常特殊的字元,這些字元,我通常很難用鍵盤上的找到,比如製表符、響鈴這種。
為了能將那些特殊字元都能寫入到字串變數中,就規定了一個用於轉義的字元 \
,有了這個字元,你在字串中看的字元,print 出來後就不一定你原來看到的了。
舉個例子
>>> msg = "hello\013world\013hello\013python"
>>> print(msg)
hello
world
hello
python
>>>
複製程式碼
是不是有點神奇?變成階梯狀的輸出了。
那個 \013
又是什麼意思呢?
-
\
是轉義符號,上面已經說過 -
013
是 ASCII 編碼的八進位制表示,注意前面是0
且不可省略,而不是字母o
把八進位制的 13 轉成 10 進位制後是 11
對照檢視 ASCII 碼錶,11 對應的是一個垂直定位符號,這就能解釋,為什麼是階梯狀的輸出字串。
2. 轉義的 5 種表示法
ASCII 有 128 個字元,如果用 八進位制表示,至少得有三位數,才能將其全部表示。這就是為什麼說上面的首位 0
不能省略的原因,即使現在用不上,我也得把它空出來。
而如果使用十六進位制,只要兩位數就其 ASCII 的字元全部表示出來。同時為了避免和八進位制的混淆起來,所以在 \
x
表示十六進位制,後面再接兩位十六進位制的數值。
\
開頭並接三位 0-7 的數值,表示 8 進位制\x
開頭並接兩位 0-f 的數值,表示 16進位制
因此,當我定義一個字串的值為 hello
+ 回車 + world
時,就有了多種方法:
# 第一種方法:8進位制
>>> msg = "hello\012world"
>>> print(msg)
hello
world
>>>
# 第二種方法:16 進位制
>>> msg = "hello\x0aworld"
>>> print(msg)
hello
world
>>>
複製程式碼
通常我們很難記得住一個字元的 ASCII 編號,即使真記住了,也要去轉換成八進位制或者16進位制,實在是太難了。
因此對於一些常用並且比較特殊字元,我們習慣用另一種類似別名的方式,比如使用 \n
表示換行,它與 \012
、\x0a
是等價的。
與此類似的表示法,還有如下這些
於是,要實現 hello
+ 回車 + world
,就有了第三種方法
# 第三種方法:使用類似別名的方法
>>> msg = "hello\nworld"
>>> print(msg)
hello
world
>>>
複製程式碼
到目前為止,我們掌握了 三種轉義的表示法。
已經非常難得了,讓我們的腦洞再大一點吧,接下來再介紹兩種。
ASCII 碼錶所能表示字元實在太有限了,想列印一箇中文漢字,抱歉,你得藉助 Unicode 碼。
Unicode 編碼由 4 個16進位制數值組合而成
>>> print("\u4E2D")
中
複製程式碼
什麼?我為什麼知道 中
的 unicode 是 \u4E2D
?像下面這樣列印就知道啦
# Python 2.7
>>> a = u"中"
>>> a
u'\u4e2d'
複製程式碼
由此,要實現 hello
+ 回車 + world
,就有了第四種方法。
# 第四種方法:使用 unicode ,\u000a 表示換行
>>> print('hello\u000aworld')
hello
world
複製程式碼
看到這裡,你是不是以為要結束啦?
不,還沒有。下面還有一種。
Unicode 編碼其實還可以由 8 個32進位制數值組合而成,為了以前面的區分開來,這裡用 \U
開頭。
# 第五種方法:使用 unicode ,\U0000000A 表示換行
>>> print('hello\U0000000Aworld')
hello
world
複製程式碼
好啦,目前我們掌握了五種轉義的表示法。
總結一下:
\
開頭並接三位 0-7 的數值(八進位制) --- 可以表示所有ASCII 字元\x
開頭並接兩位 0-f 的數值(十六進位制) --- 可以表示所有ASCII 字元\u
開頭並接四位 0-f 的數值(十六進位制) --- 可以表示所有 Unicode 字元\U
開頭並接八位 0-f 的數值(三十二進位制)) --- 可以表示所有 Unicode 字元\
開頭後接除 x、u、U 之外的特定字元 --- 僅可表示部分字元
為什麼標題說,轉義也可以炫技呢?
試想一下,假如你的同事,在列印日誌時,使用這種 unicode 編碼,然後你在定位問題的時候使用這個關鍵詞去搜,卻發現什麼都搜不到?這就撲街了。
雖然這種行為真的很 sb,但在某些人看來也許是非常牛逼的操作呢?
五種轉義的表示法到這裡就介紹完成,接下來是更多轉義相關的內容,也是非常有意思的內容,有興趣的可以繼續往下看。
3. raw 字串
當一個字串中具有轉義的字元時,我們使用 print 列印後,正常情況下,輸出的不是我們原來在字串中看到的那樣子。
那如果我們需要輸出 hello\nworld
,不希望 Python 將 \n
轉義成 換行符呢?
這種情況下,你可以在定義時將字串定義成 raw 字串,只要在字串前面加個 r
或者 R
即可。
>>> print(r"hello\nworld")
hello\nworld
>>>
>>> print(R"hello\nworld")
hello\nworld
複製程式碼
然而,不是所有時候都可以加 r
的,比如當你的字串是由某個程式/函式返回給你的,而不是你自己生成的
# 假設這個是外來資料,返回 "hello\nworld"
>>> body = spider()
>>> print(body)
hello
world
複製程式碼
這個時候列印它,\n
就是換行列印。
4. 使用 repr
對於上面那種無法使用 r
的情況,可以試一下 repr
來解決這個需求:
>>> body = repr(spider())
>>> print(body)
'hello\nworld'
複製程式碼
經過 repr
函式的處理後,為讓 print 後的結果,接近字串本身的樣子,它實際上做了兩件事
-
將
\
變為了\\
-
在字串的首尾新增
'
或者"
你可以在 Python Shell 下敲入 變數 回車,就可以能看出端倪。
首尾是新增 '
還是 "
,取決於你原字串。
>>> body="hello\nworld"
>>> repr(body)
"'hello\\nworld'"
>>>
>>>
>>> body='hello\nworld'
>>> repr(body)
"'hello\\nworld'"
複製程式碼
5. 使用 string_escape
如果你還在使用 Python 2 ,其實還可以使用另一種方法。
那就是使用 string.encode('string_escape')
的方法,它同樣可以達到 repr
的效果
>>> "hello\nworld".encode('string_escape')
'hello\\nworld'
>>>
複製程式碼
6. 檢視原生字串
綜上,想檢視原生字串有兩種方法:
- 如果你在 Python Shell 互動模式下,那麼敲擊變量回車
- 如果不在 Python Shell 互動模式下,可先使用
repr
處理一下,再使用 print 列印
>>> body="hello\nworld"
>>>
>>> body
'hello\nworld'
>>>
>>> print(repr(body))
'hello\nworld'
>>>
複製程式碼
7. 恢復轉義:轉成原字串
經過 repr
處理過或者 \\
取消轉義過的字串,有沒有辦法再回退出去,變成原先的有轉義的字串呢?
答案是:有。
如果你使用 Python 2,可以這樣:
>>> body="hello\\nworld"
>>>
>>> body
'hello\\nworld'
>>>
>>> body.decode('string_escape')
'hello\nworld'
>>>
複製程式碼
如果你使用 Python 3 ,可以這樣:
>>> body="hello\\nworld"
>>>
>>> body
'hello\\nworld'
>>>
>>> bytes(body, "utf-8").decode("unicode_escape")
'hello\nworld'
>>>
複製程式碼
什麼?還要區分 Python 2 和 Python 3?太麻煩了吧。
明哥教你用一種可以相容 Python 2 和 Python 3 的寫法。
首先是在 Python 2 中的輸出
>>> import codecs
>>> body="hello\\nworld"
>>>
>>> codecs.decode(body, 'unicode_escape')
u'hello\nworld'
>>>
複製程式碼
然後再看看 Python 3 中的輸出
>>> import codecs
>>> body="hello\\nworld"
>>>
>>> codecs.decode(body, 'unicode_escape')
'hello\nworld'
>>>
複製程式碼
可以看到 Pyhton 2 中的輸出 有一個 u
,而 Python 3 的輸出沒有了 u
,但無論如何 ,他們都取消了轉義。