IvanKao的部落格

第七章、向專家一樣處理資料

• 文字字串
• Unicode為每個字元提供一個獨一無二的符號，無論平台、程式、語言是什麼
  • 最原始的ASCII只使用7位元，但只包含一些基本的字母與符號。
  • 延伸至今還有許多種格式，但就算如此還是不夠，尤其是使用到非歐語系的語言。
  • Unicode是目前仍在使用的國際標準，定義全世界所有語言的字元，加上數學與其他領域的符號
• Python 3 Unicode字元
  • \u 後面加上四個十六進位數字，代表Unicode的256個基礎多語言plane內的字元
  • \U 後面加上阿個時溜進為字元，來定義較高plane的字元需要更多位元，最左邊的字元必須是0
  • Python的unicodedata有一些函式可以做雙向轉換:
    • lookup()接收一個不分大小寫的名稱，回傳一個Unicode字元
    • name()接收一個Unicode字元，回傳一個大寫名稱

• 以UTF-8編碼與解碼
  • 編碼
    • encode()，可以將字串編碼成byte，引數為編碼名稱
      • ---------------------------------------------------------------------------

1. 'ascii'                      標準的七位元ASCII
2. 'utf-8'                     八位元，可變長度編碼(經常使用)
3. 'latin-1'                  也稱為 ISO 8859-1
4. 'cp-1252'               一般的 Windows 編碼
5. 'unicode-escape'   Python Unicode常值格式

                       ---------------------------------------------------------------------------

                                 可以將任何東西編碼成UTF-8

•  
  • 解碼
    • 將byte字解碼成Unicode字串。當從外部取得資料時，它會被解碼成byte字串，而棘手的地方就是要知道它是使用哪一種編碼，才得以反推回去取得Unicode字串

※解碼後編回utf-8

※使用ascii編碼會出現例外，因為byte值0xc3在ASCII中是非法的，而其餘編碼則顯示錯誤

• 格式
• 以%來使用舊方式

舊的字串格式化格式是 string % data 。在字串裡面有插值序列。

下面為一些範例:

※整數與浮點數

※整數與常值%

※一些字串與整數插值的混和

接下來我們再做更多的變化:

• 使用{}與format的新格式化方式

仍然支援舊的格式化方式，但如果你用的是Python 3 建議你使用新的方式格式化

以下為範例:

•  
• 未
• 完