字節字符串上的字符串操作

問題

你想在字節字（Byte String）符串上執行普通的文本操作 (比如移除，搜索和替換)

解法

字節字符串同樣也支持大部分和文本字符串一樣的內置操作。比如：

>>> data = b'Hello World' >>> data[0:5] b'Hello' >>> data.startswith(b'Hello') True >>> data.split() [b'Hello', b'World'] >>> data.replace(b'Hello', b'Hello Cruel') b'Hello Cruel World' >>>

這些操作同樣也適用于字節數組。比如：

>>> data = bytearray(b'Hello World') >>> data[0:5] bytearray(b'Hello') >>> data.startswith(b'Hello') True >>> data.split() [bytearray(b'Hello'), bytearray(b'World')] >>> data.replace(b'Hello', b'Hello Cruel') bytearray(b'Hello Cruel World') >>>

你可以使用正則表達式匹配字節字符串，但是正則表達式本身必須也是字節串。比如：

>>> data = b'FOO:BAR,SPAM' >>> import re >>> re.split('[:,]',data) Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/local/lib/python3.3/re.py", line 191, in split return _compile(pattern, flags).split(string, maxsplit) TypeError: can't use a string pattern on a bytes-like object >>> re.split(b'[:,]',data) # Notice: pattern as bytes [b'FOO', b'BAR', b'SPAM'] >>>

討論

大多數情況下，在文本字符串上的操作均可用于字節字符串。然而，這里也有一些需要注意的不同點。首先，字節字符串的索引操作返回整數而不是單獨字符。比如：

>>> a = 'Hello World' # Text string >>> a[0] 'H' >>> a[1] 'e' >>> b = b'Hello World' # Byte string >>> b[0] 72 >>> b[1] 101 >>>

這種語義上的區別會對于處理面向字節的字符數據有影響。

第二點，字節字符串不會提供一個美觀的字符串表示，也不能很好的打印出來，除非它們先被解碼為一個文本字符串。比如：

>>> s = b'Hello World' >>> print(s) b'Hello World' # Observe b'...' >>> print(s.decode('ascii')) Hello World >>>

類似的，也不存在任何適用于字節字符串的格式化操作：

>>> b'%10s %10d %10.2f' % (b'ACME', 100, 490.1) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: unsupported operand type(s) for %: 'bytes' and 'tuple' >>> b'{} {} {}'.format(b'ACME', 100, 490.1) Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'bytes' object has no attribute 'format' >>>

如果你想格式化字節字符串，你得先使用標準的文本字符串，然后將其編碼為字節字符串。比如：

>>> '{:10s} {:10d} {:10.2f}'.format('ACME', 100, 490.1).encode('ascii') b'ACME 100 490.10' >>>

最后需要注意的是，使用字節字符串可能會改變一些操作的語義，特別是那些跟文件系統有關的操作。比如，如果你使用一個編碼為字節的文件名，而不是一個普通的文本字符串，會禁用文件名的編碼/解碼。比如：

>>> # Write a UTF-8 filename >>> with open('jalape\xf1o.txt', 'w') as f: ... f.write('spicy') ... >>> # Get a directory listing >>> import os >>> os.listdir('.') # Text string (names are decoded) ['jalape?o.txt'] >>> os.listdir(b'.') # Byte string (names left as bytes) [b'jalapen\xcc\x83o.txt'] >>>

注意例子中的最后部分給目錄名傳遞一個字節字符串是怎樣導致結果中文件名以未解碼字節返回的。在目錄中的文件名包含原始的 UTF-8 編碼。

最后提一點，一些程序員為了提升程序執行的速度會傾向于使用字節字符串而不是文本字符串。盡管操作字節字符串確實會比文本更加高效 (因為處理文本固有的Unicode 相關開銷)。這樣做通常會導致非常雜亂的代碼。你會經常發現字節字符串并不能和 Python 的其他部分工作的很好，并且你還得手動處理所有的編碼/解碼操作。坦白講，如果你在處理文本的話，就直接在程序中使用普通的文本字符串而不是字節字符串。

總結

以上是生活随笔為你收集整理的《Python Cookbook 3rd》笔记（2.20）：字节字符串上的字符串操作的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。