字符串标志“ u”和“ r”到底是做什么的，什么是原始字符串文字？

当问这个问题时，我意识到我对原始字符串不了解很多。对于自称是Django培训师的人来说，这很糟糕。

我知道什么是编码，而且我知道u''自从得到Unicode以来，它独自做什么。

• 但是究竟是r''什么呢？它产生什么样的字符串？

• 最重要的是，该怎么ur''办？

• 最后，有什么可靠的方法可以从Unicode字符串返回到简单的原始字符串？

• 嗯，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''实际上有什么作用吗？

实际上并没有任何“原始字符串 ”。这里有原始的字符串文字，它们恰好是'r'在引号前用a标记的字符串文字。

“原始字符串文字”与字符串文字的语法略有不同，其中\反斜杠“”代表“只是反斜杠”（除非在引号之前否则会终止文字）- “转义序列”代表换行符，制表符，退格键，换页等。在普通的字符串文字中，每个反斜杠必须加倍，以避免被当作转义序列的开始。

之所以存在此语法变体，主要是因为正则表达式模式的语法带有反斜杠（但不会在末尾加重），所以语法比较繁琐（因此，上面的“ except”子句无关紧要），并且在避免将每个模式加倍时看起来会更好一些- - 就这样。表达本机Windows文件路径（用反斜杠代替其他平台上的常规斜杠）也引起了人们的欢迎，但这很少需要（因为正常斜杠在Windows上也可以正常工作）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"""..."""都是字节字符串，依此类推）。

不确定“ 返回 ”是什么意思-本质上没有前后方向，因为没有原始字符串类型，它只是一种表示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。文字表达的编码方式可能是完全正交的问题。

例如，考虑一下（Python 2.6）：

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

Unicode对象当然会占用更多的存储空间（很短的字符串，很明显，;-差别很小）。

python中有两种类型的字符串：传统str类型和较新unicode类型。如果您键入的字符串文字u前面不带，则将得到str存储8位字符的旧类型，而带u前面的将得到unicode可存储任何Unicode字符的较新类型。

在r完全不改变类型，它只是改变了字符串是如何解释。如果没有，则将r反斜杠视为转义字符。使用时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Unicode字符串，其中反斜杠是文字反斜杠，而不是转义码的一部分。

您可以尝试使用str()函数将Unicode字符串转换为旧字符串，但是如果旧字符串中无法表示任何Unicode字符，则会出现异常。如果愿意，可以先用问号替换它们，但是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。

“原始字符串”表示将其存储为原样。例如，'\'只是一个反斜杠，而不是逃避。

“ u”前缀表示该值具有类型unicode而不是str。

带有“ r”前缀的原始字符串文字将转义其中的所有转义序列，因此len(r"\n")也是如此。2。由于它们转义了转义序列，因此您不能以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"\"）。

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

您可以使用unicode原始字符串文字：

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

源文件编码仅决定如何解释源文件，否则不会影响表达式或类型。但是，建议避免使用非ASCII编码会改变含义的代码：

使用ASCII的文件（对于Python 3.0，则为UTF-8）应该没有编码cookie。只有在注释或文档字符串需要提及需要使用Latin-1的作者姓名时，才应使用Latin-1（或UTF-8）。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。

让我简单地解释一下：在python 2中，您可以将字符串存储为2种不同的类型。

第一个是ASCII，它是python中的str类型，它使用1个字节的内存。（256个字符，将主要存储英文字母和简单符号）

第二种类型是UNICODE，它是python中的unicode类型。Unicode存储所有类型的语言。

默认情况下，python会更喜欢str类型，但是如果您想将字符串存储为unicode类型，则可以将u放在像u'text'这样的文本前面，也可以通过调用unicode（'text'）来实现

所以ü只是打电话投的功能一小段路海峡到Unicode的。而已！

现在r部分，您将其放在文本前面以告诉计算机该文本是原始文本，反斜杠不应是转义字符。r'\ n'不会创建换行符。只是包含2个字符的纯文本。

如果要将str转换为unicode并将原始文本也放入其中，请使用ur，因为ru会引发错误。

现在，重要的部分：

您不能使用r来存储一个反斜杠，这是唯一的例外。因此，此代码将产生错误：r'\'

要存储反斜杠（仅一个），您需要使用“ \\”

如果要存储1个以上的字符，则仍可以使用r，如r'\\'一样，将产生2个反斜杠，如您所愿。

我不知道r无法与一个反斜杠存储一起使用的原因，但至今尚未有人描述。我希望这是一个错误。

也许这很明显，也许不是，但是您可以通过调用x = chr（92）来使字符串“ \”

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

Unicode字符串文字

Unicode字符串文字（以前缀的字符串文字u）在Python 3中不再使用。它们仍然有效，但仅出于与Python 2 兼容的目的。

原始字符串文字

如果要创建仅由易于键入的字符（例如英文字母或数字）组成的字符串文字，只需键入以下内容即可：'hello world'。但是，如果您还想包含一些其他奇特的字符，则必须使用一些解决方法。解决方法之一是转义序列。这样，例如，您只需\n在字符串文字中添加两个易于键入的字符，即可在字符串中表示新行。因此，当您打印'hello\nworld'字符串时，单词将被打印在单独的行上。非常方便！

另一方面，在某些情况下，您想创建一个包含转义序列的字符串文字，但又不希望它们由Python解释。您希望它们变得生硬。看下面的例子：

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

在这种情况下，您可以在字符串文字前加上如下r字符：r'hello\nworld'并且Python不会解释任何转义序列。字符串将完全按照您创建的样子打印。

原始字符串文字不是完全“原始”吗？

许多人期望原始字符串文字是原始的，因为“ Python会忽略引号之间的任何内容”。那是不对的。Python仍然可以识别所有转义序列，只是不解释它们-而是使它们保持不变。这意味着原始字符串文字仍然必须是有效的字符串文字。

根据字符串文字的词汇定义：

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

显然，包含裸引号：'hello'world'或以反斜杠：结尾的字符串文字（无论是否原始）'hello world\'都是无效的。