Что именно делают строковые флаги “u" и “r”, и что такое необработанные строковые литералы?

Question

Спрашивая при этом этот вопрос, Я понял, что мало что знаю о необработанных струнах.Для кого-то, кто называет себя тренером Django, это отстой.

Я знаю, что такое кодировка, и я знаю, что u'' alone делает это, так как я получаю то, что называется Unicode.

• Но что делает r'' сделать именно так?В какую строку это приводит?

• И, прежде всего, что, черт возьми, делает ur'' делать?

• Наконец, есть ли какой-нибудь надежный способ вернуться от строки в Юникоде к простой необработанной строке?

• Да, и, кстати, если в вашей системе и вашем текстовом редакторе установлена кодировка UTF-8, то u'' на самом деле что-нибудь делаешь?

Answer 1

На самом деле нет никакого «сырого» нить";есть сырые строковые литералы, которые в точности представляют собой строковые литералы, отмеченные знаком 'r' перед вступительной цитатой.

«Необработанный строковый литерал» — это немного другой синтаксис строкового литерала, в котором обратная косая черта, \, воспринимается как означающая «просто обратную косую черту» (за исключением случаев, когда она идет прямо перед кавычкой, которая в противном случае завершила бы литерал) — никаких «escape-последовательностей» для обозначения новой строки, табуляции, пробелов, перевода страницы и т. д.В обычных строковых литералах каждую обратную косую черту необходимо удваивать, чтобы она не воспринималась как начало escape-последовательности.

Этот вариант синтаксиса существует главным образом потому, что синтаксис шаблонов регулярных выражений насыщен обратными косыми чертами (но никогда в конце, поэтому приведенное выше предложение «исключение» не имеет значения), и он выглядит немного лучше, если вы не удваиваете каждый из них: - вот и все.Он также приобрел некоторую популярность для выражения собственных путей к файлам Windows (с обратными косыми чертами вместо обычных косых черт, как на других платформах), но это требуется очень редко (поскольку обычные косые черты в основном хорошо работают и в Windows) и несовершенно (из-за пункта «исключение»). выше).

r'...' — это байтовая строка (в Python 2.*), ur'...' — это строка в Юникоде (опять же, в Python 2.*), и любой из трех других типов кавычек также создает точно такие же типы строк (например, r'...', r'''...''', r"...", r"""...""" все это байтовые строки и т. д.).

Не уверен, что вы имеете в виду под «идти назад" - нет внутренних направлений вперед и назад, потому что нет необработанной строки тип, это просто альтернативный синтаксис для выражения совершенно обычных строковых объектов, байтов или юникода, какими бы они ни были.

И да, в Python 2.*, u'...' является конечно, всегда отличается от просто '...' -- первое — это строка в Юникоде, второе — байтовая строка.В какой кодировке может быть выражен литерал — это совершенно ортогональный вопрос.

Например, рассмотрим (Python 2.6):

>>> sys.getsizeof('ciao')
28
>>> sys.getsizeof(u'ciao')
34

Объект Unicode, конечно, занимает больше места в памяти (очевидно, очень небольшая разница для очень короткой строки ;-).

Answer 2

В python существует два типа строк:традиционный str тип и новее unicode Тип.Если вы вводите строковый литерал без u впереди вы получаете старое str тип, в котором хранятся 8-битные символы, и с u спереди вы получаете более новый unicode тип, который может хранить любой символ Юникода.

Тот самый r вообще не меняет тип, он просто изменяет способ интерпретации строкового литерала.Без r, обратная косая черта обрабатывается как экранирующие символы.С помощью r, обратная косая черта обрабатывается как буквальная.В любом случае, тип один и тот же.

ur это, конечно, строка Unicode, где обратные косые черты являются буквальными обратными косыми чертами, а не частью escape-кодов.

Вы можете попытаться преобразовать строку в Юникоде в старую строку, используя str() функция, но если есть какие-либо символы юникода, которые не могут быть представлены в старой строке, вы получите исключение.При желании вы могли бы сначала заменить их вопросительными знаками, но, конечно, это привело бы к тому, что эти символы стали бы нечитаемыми.Не рекомендуется использовать str введите, если вы хотите корректно обрабатывать символы Юникода.

Answer 3

'сырая строка' означает, что он сохраняется в том виде, в котором он появляется.Например, '\' это просто обратная косая черта вместо побег.

Answer 4

Префикс «u» означает, что значение имеет тип unicode скорее, чем str.

Необработанные строковые литералы с префиксом «r» экранируют любые escape-последовательности внутри них, поэтому len(r"\n") это 2.Поскольку они экранируют escape-последовательности, вы не можете закончить строковый литерал одной обратной косой чертой:это недопустимая escape-последовательность (например. r"\").

«Raw» не является частью типа, это всего лишь один из способов представления значения.Например, "\\n" и r"\n" являются идентичными значениями, как и 32, 0x20, и 0b100000 идентичны.

Вы можете иметь необработанные строковые литералы Юникода:

>>> u = ur"\n"
>>> print type(u), len(u)
<type 'unicode'> 2

Кодировка исходного файла просто определяет, как интерпретировать исходный файл, иным образом не влияет на выражения или типы.Однако это рекомендуемые чтобы избежать кода, в котором кодировка, отличная от ASCII, изменит значение:

Файлы, использующие ASCII (или UTF-8 для Python 3.0), не должны иметь файлов cookie для кодирования.Latin-1 (или UTF-8) следует использовать только в том случае, если в комментарии или строке документации необходимо упомянуть имя автора, требующее Latin-1;в противном случае использование экранирующих символов \x, \u или \U является предпочтительным способом включения данных, отличных от ASCII, в строковые литералы.

Answer 5

Позвольте мне объяснить это просто:В Python 2 вы можете хранить строку в двух разных типах.

Первый из них ASCII который ул. введите python, он использует 1 байт памяти.(256 символов, в основном будут храниться английские алфавиты и простые символы)

2-й тип – это ЮНИКОД который Юникод введите python, он использует 2 байта памяти.(65536 символов, включая все символы всех языков мира)

По умолчанию Python предпочитает ул. введите, но если вы хотите сохранить строку в Юникод типа ты можешь поставить ты перед текстом типа ты'текст' или вы можете сделать это, позвонив Юникод('текст')

Так ты это всего лишь короткий способ вызвать функцию для приведения ул. к Юникод.Вот и все!

Сейчас р часть, вы помещаете ее перед текстом, чтобы сообщить компьютеру, что текст представляет собой необработанный текст, обратная косая черта не должна быть экранирующим символом. р'\н' не создаст новый символ строки.Это просто текст, содержащий 2 символа.

Если вы хотите конвертировать ул. к Юникод а также поместите туда необработанный текст, используйте ты потому что RU выдаст ошибку.

ТЕПЕРЬ, важная часть:

Вы не можете сохранить одну обратную косую черту, используя р, это единственное исключение.Итак, этот код выдаст ошибку: р'\'

Чтобы сохранить обратную косую черту (только одну), вам нужно использовать '\\'

Если вы хотите сохранить более 1 символа, вы все равно можете использовать р нравиться р'\\' как вы и ожидали, создаст 2 обратные косые черты.

Я не знаю, почему р не работает с одним хранилищем с обратной косой чертой, но причина пока никем не описана.Я надеюсь, что это ошибка.

Answer 6

Может быть, это очевидно, а может и нет, но вы можете сделать строку '\' позвонив х=хр(92)

x=chr(92)
print type(x), len(x) # <type 'str'> 1
y='\\'
print type(y), len(y) # <type 'str'> 1
x==y   # True
x is y # False

Answer 7

Строковые литералы Юникода

Строковые литералы Юникода (строковые литералы с префиксом u) являются больше не используется в Python 3.Они все еще действительны, но просто в целях совместимости с Питоном 2.

Необработанные строковые литералы

Если вы хотите создать строковый литерал, состоящий только из легко набираемых символов, таких как английские буквы или цифры, вы можете просто ввести их: 'hello world'.Но если вы хотите включить еще несколько экзотических персонажей, вам придется использовать обходной путь.Одним из обходных путей является Escape-последовательности.Таким образом, вы можете, например, представить новую строку в строке, просто добавив два легко вводимых символа. \n к вашему строковому литералу.Поэтому, когда вы печатаете 'hello\nworld' строка, слова будут напечатаны в отдельных строках.Это очень удобно!

С другой стороны, в некоторых ситуациях вы хотите создать строковый литерал, содержащий escape-последовательности, но не хотите, чтобы они интерпретировались Python.Вы хотите, чтобы они были сырой.Посмотрите на эти примеры:

'New updates are ready in c:\windows\updates\new'
'In this lesson we will learn what the \n escape sequence does.'

В таких ситуациях вы можете просто поставить перед строковым литералом префикс r персонаж такой: r'hello\nworld' и никакие escape-последовательности не будут интерпретироваться Python.Строка будет напечатана точно так, как вы ее создали.

Необработанные строковые литералы не являются полностью «сырыми»?

Многие люди ожидают, что необработанные строковые литералы будут необработанными в том смысле, что «Все, что помещено между кавычками, игнорируется Python».Это неправда.Python по-прежнему распознает все escape-последовательности, он просто не интерпретирует их — вместо этого он оставляет их без изменений.Это означает, что необработанные строковые литералы по-прежнему должны быть допустимыми строковыми литералами.

Из лексическое определение строкового литерала:

string     ::=  "'" stringitem* "'"
stringitem ::=  stringchar | escapeseq
stringchar ::=  <any source character except "\" or newline or the quote>
escapeseq  ::=  "\" <any source character>

Понятно, что строковые литералы (необработанные или нет), содержащие символ голой кавычки: 'hello'world' или заканчивая обратной косой чертой: 'hello world\' недействительны.