Python零基础入门之字符编码、正则、os操作精讲

或许你在码代码的过程中经常会遇到一下两个问题：

1.为什么Python使用过程中会出现各式各样的乱码问题，明明是中文字符却显示成“/xe4/xb8/xad/xe6/x96/x87”的形式？

2.为什么会报错“UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 0-1: ordinal not in range(128)”？

本次的Python学习教程就来研究一下这个问题。

字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。

decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode(‘gb2312’)，表示将gb2312编码的字符串str1转换成unicode编码。 encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode(‘gb2312’)，表示将unicode编码的字符串str2转换成gb2312编码。 因此，转码的时候一定要先搞明白，字符串str是什么编码，然后decode成unicode，然后再encode成其他编码。

#!/usr/bin/env python
#coding=utf-8
s="中文"
if isinstance(s, unicode):
#s=u"中文"
 print s.encode('gb2312')
else:
#s="中文"
 print s.decode('utf-8').encode('gb2312')
正则过滤emoji

import re
text = '9'
myre = re.compile(ur"[^A-Za-z0-9\s\r\t\n\\u4e00-\\u9fa5\\uff08\\u3008\\u300a\\u300c\\u300e\\ufe43\\u3014\\u2026\\uff5e\\uffe5\\u3010\\uff0c\\uff1f\\uff1a\\u201c\\u2018\\uff09\\u3009\\u300b\\u300d\\u300f\\ufe44\\u3015\\u2014\\ufe4f\\u3001\\u3011\\u3002\\uff01\\uff1b\\u201d\\u2019\[\]\(\){}\|\"\:<>~`!@#$%&*?,./:]")
cleanEmoji = myre.sub(u'[emoji]', text)
print cleanEmoji
// 输出 9

上面的例子用于存数据进sqlite3数据库时将emoji过滤，因为找了很久都没找到将emoji存进数据库的方法，在其他数据库可以将编码格式换成utf-8mb4便可以存储emoji。上面正则的意思是匹配 数字、字母、中文、中英文的标点符号 以外的文本。

os操作

os.path.join(str1,str2) : 用于拼接两个文件路径，在windows下可以补齐\ ,在Linux下自动补齐/ ，这样可以避免在不同操作系统环境下路径不对的坑。os.path.exists(path) : 判断该路径是否存在,一般用来判断文件是否存在os.system : 执行终端命令os.remove : 删除文件os.removedirs : 删除空的文件夹

# 删除非空文件夹
import shutil
shutil.rmtree(path)

回复Python可领取全套视频版Python学习教程！