“u”和“r”字符串标志究竟做了什么，以及什么是原始字符串文字？

Question

“u”和“r”字符串标志究竟做了什么，以及什么是原始字符串文字？在问这个问题时，我意识到我对原始字符串知之甚少。对于那些自称是Django训练师的人来说，这很糟糕。我知道编码是什么，而且我知道u''自从我得到什么是Unicode以后我们独自做了什么。但到底r''做了什么呢？它会产生什么样的字符串？最重要的是，他到底做了ur''什么？最后，有没有可靠的方法从Unicode字符串返回到简单的原始字符串？啊，顺便说一句，如果您的系统和文本编辑器字符集设置为UTF-8，u''实际上是做什么的吗？

Answer 1

没有任何“原始字符串 ”; 有原始字符串文字，它们正是'r'在开头引号之前标记的字符串文字。

“原始字符串文字”是字符串文字的略有不同的语法，其中反斜杠，\意思是“只是反斜杠”（除非它恰好在引用之前，否则将终止字面值） - 否“转义序列”代表换行符，制表符，退格键，换页符等。在普通的字符串文字中，每个反斜杠必须加倍，以避免被视为转义序列的开始。

这种语法变体的存在主要是因为正则表达式模式的语法带有反斜杠（但从不在最后，所以上面的“except”子句无关紧要）并且当你避免将它们加倍时看起来好一点 - - 就这样。它也表达了一些流行来表达本机Windows文件路径（使用反斜杠而不是像其他平台上的常规斜杠），但这很少需要（因为正常的斜杠在Windows上工作得很好）并且不完美（由于“except”子句以上）。

r'...'是一个字节串（在Python 2 *），ur'...'是Unicode字符串（再次，在Python 2 *），以及任何其他3种引用的也产生完全相同的类型字符串（因此，例如r'...'，r'''...'''，r"..."，r"""..."""都是字节串，依此类推）。

不确定你的意思是“ 返回 ” - 没有内在的后退和前进方向，因为没有原始字符串类型，它只是表达完全正常的字符串对象，字节或unicode的替代语法。

是的，在Python 2 *，u'...' 是当然总是从刚不同'...'-前者是一个unicode字符串，后者是一个字节的字符串。可以表达文字的编码是完全正交的问题。

例如，考虑（Python 2.6）：

>>> sys.getsizeof('ciao')

28

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

34

Unicode对象当然需要更多的内存空间（非常短的字符串的差别很小，显然;-)。

Answer 2

python中有两种类型的字符串：传统str类型和较新unicode类型。如果在没有u前面的情况下键入字符串文字，则会得到str存储8位字符的旧类型，并且u在前面可以获得unicode可以存储任何Unicode字符的较新类型。

它r根本不会改变类型，只是改变了字符串文字的解释方式。没有r，反斜杠被视为转义字符。使用r，反斜杠被视为文字。无论哪种方式，类型都是相同的。

ur 当然是一个Unicode字符串，其中反斜杠是字面反斜杠，而不是转义码的一部分。

您可以尝试使用该str()函数将Unicode字符串转换为旧字符串，但如果有任何unicode字符无法在旧字符串中表示，则会出现异常。如果您愿意，可以先用问号替换它们，但当然这会导致这些字符不可读。str如果要正确处理unicode字符，建议不要使用该类型。

Answer 3

“u”前缀表示值具有类型unicode而不是str。

具有“r”前缀的原始字符串文字会转义其中的任何转义序列，因此它们len(r"\n")是2.因为它们转义转义序列，所以不能使用单个反斜杠结束字符串文字：这不是有效的转义序列（例如r"\"）。

“Raw”不是该类型的一部分，它只是表示价值的一种方式。例如，"\\n"和r"\n"是相同的值，就像32，0x20和0b100000是相同的。

你可以有unicode原始字符串文字：

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

源文件编码仅确定如何解释源文件，否则不会影响表达式或类型。但是，建议避免使用ASCII以外的编码改变含义的代码：

使用ASCII（或UTF-8，用于Python 3.0）的文件不应具有编码cookie。Latin-1（或UTF-8）只应在注释或docstring需要提及需要Latin-1的作者名称时使用; 否则，使用\ x，\ u或\ U转义是在字符串文字中包含非ASCII数据的首选方法。