9、Python 文本处理全解析

Python 文本处理全解析

1. UTF - 8 解码

UTF - 8 解码是一种安全的操作。对于纯 ASCII 文本，它能正确处理；对于 UTF - 8 编码的文本也能正常工作；而对于既不是 ASCII 也不是 UTF - 8 编码的内容，如不同编码的文本或 JPEG 等二进制格式，会干净利落地失败。在 Python 中，“干净利落地失败”意味着抛出异常。

snowman = '\N{snowman}'
snowman.encode('utf-16').decode('utf-8')

运行上述代码会抛出 UnicodeDecodeError 异常。对于随机数据，UTF - 8 解码也往往会失败。

import struct
import random
struct.pack('B'*12,
            *(random.randrange(0, 256)
            for i in range(12))
).decode('utf-8')

多次运行这段代码，很少能成功。

2. Python 字符串操作

Python 字符串对象较为微妙，从某种角度看，它像是字符序列，每个字符是长度为 1 的字符串。

a = "hello"
for i, x in enumerate(a):
    print(i, x