“u”到底做什么？和“r”字符串前缀有什么作用，什么是原始字符串文字？

Question

在询问 这个问题时，我意识到我对原始字符串了解不多。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'' 单独做什么，因为我知道什么是 Unicode。

• 但是 r'' 到底是做什么的呢？它会产生什么样的字符串？

• 最重要的是，ur'' 到底做了什么？

• 最后，有没有可靠的方法可以从 Unicode 字符串返回到简单的原始字符串？

• 啊，顺便问一下，如果您的系统和文本编辑器字符集设置为 UTF-8，u'' 实际上会执行任何操作吗？

Answer 1

实际上并不存在任何“原始字符串”；有原始的字符串文字，它们正是在开始引号之前由'r'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 \ 被视为“只是一个反斜杠”（除非它正好出现在引用的前面）否则终止文字）——没有“转义序列”来表示换行符、制表符、退格键、换页符等。在普通字符串文字中，每个反斜杠必须加倍以避免被视为转义序列的开头。

这种语法变体的存在主要是因为正则表达式模式的语法中充满了反斜杠（但永远不会在末尾，因此上面的“ except”子句并不重要），并且当您避免将它们中的每一个都加倍时，它看起来会更好一些 - - 就这样。它在表达本机 Windows 文件路径（使用反斜杠而不是像其他平台上的常规斜杠）方面也受到了一些欢迎，但很少需要（因为普通斜杠大多数在 Windows 上也能正常工作）并且不完善（由于“例外”子句）多于）。

r'...' 是一个字节字符串（在 Python 2.* 中），ur'...' 是一个 Unicode 字符串（同样，在 Python 2.* 中） ），其他三种引用中的任何一种也会产生完全相同类型的字符串（例如 r'...'、r'''...'''、r"..."、r"""...""" 都是字节字符串，依此类推）。

不确定“返回后退”是什么意思 - 本质上没有后退和前进方向，因为没有原始字符串类型，它只是表达完全正常的替代语法字符串对象、字节或 unicode。

是的，在 Python 2.* 中，u'...' is 当然总是不同于 '...' --前者是unicode字符串，后者是字节字符串。文字可以用什么编码来表达是一个完全正交的问题。

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（对于很短的字符串来说，差异非常小，显然;-）。

Answer 2

Python 2 中有两种类型的字符串：传统的 str 类型和较新的 unicode 类型。如果您键入前面没有 u 的字符串文字，您将得到存储 8 位字符的旧 str 类型，并且在在前面你会得到更新的 unicode 类型，它可以存储任何 Unicode 字符。

r 根本不改变类型，它只是改变字符串文字的解释方式。如果没有 r，反斜杠将被视为转义字符。对于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，但如果旧字符串中存在无法表示的任何 Unicode 字符，则会出现异常。如果您愿意，可以先用问号替换它们，但这当然会导致这些字符不可读。如果要正确处理unicode字符，不建议使用str类型。

Answer 3

“原始字符串”表示它按其出现的样子存储。例如，'\' 只是一个反斜杠，而不是转义。

Answer 4

我简单解释一下：
在 python 2 中，您可以以两种不同的类型存储字符串。

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，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 更喜欢 str 类型，但如果你想以 unicode 类型存储字符串，你可以将 u 放在文本前面，例如 < strong>u'text' 或者您可以通过调用 unicode('text') 来完成此操作，

因此 u 只是调用函数进行强制转换的一种简短方法str 到 unicode。就是这样！

现在的 r 部分，你把它放在文本前面，告诉计算机该文本是原始文本，反斜杠不应该是转义字符。 r'\n' 不会创建新行字符。它只是包含 2 个字符的纯文本。

如果您想将 str 转换为 unicode 并在其中放入原始文本，请使用 ur 因为 ru 会引发一个错误。

现在，重要的部分：

您不能使用r存储一个反斜杠，这是唯一的例外。
所以这段代码会产生错误： r'\'

要存储反斜杠（只有一个），你需要使用 '\\'

如果你想存储超过 1 个字符您仍然可以使用 r ，例如 r'\\' 会按照您的预期产生 2 个反斜杠。

我不知道为什么 r 不能与一个反斜杠存储一起使用，但尚未有人描述其原因。我希望这是一个错误。

Answer 5

“u”前缀表示该值的类型为 unicode 而不是 str。

带有“r”前缀的原始字符串文字会对其中的任何转义序列进行转义，因此 len(r"\n") 为 2。由于它们会转义转义序列，因此您不能使用以下字符来结束字符串文字单个反斜杠：这不是有效的转义序列（例如 r"\"）。

“Raw”不是类型的一部分，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 一样> 和 0b100000 相同。

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，它不会影响表达式或类型。但是，建议避免使用 ASCII 以外的编码来更改代码意义：

使用 ASCII（或 UTF-8，对于 Python 3.0）的文件不应具有编码 cookie。仅当注释或文档字符串需要提及需要 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 转义符是在字符串文字中包含非 ASCII 数据的首选方法。

Answer 6

Unicode 字符串文字

Unicode 字符串文字（以 u 为前缀的字符串文字）为 在 Python 3 中不再使用。它们仍然有效，但是 只是为了与 Python 兼容 2.

原始字符串文字

如果您想创建一个仅包含易于输入的字符（如英文字母或数字）的字符串文字，您只需输入它们：'hello world'。但如果您还想包含一些更奇特的角色，则必须使用一些解决方法。

解决方法之一是转义序列。例如，您可以通过在字符串文字中添加两个易于输入的字符 \n 来表示字符串中的新行。因此，当您打印 'hello\nworld' 字符串时，这些单词将打印在单独的行上。这非常方便！

另一方面，有时您可能希望将实际字符 \ 和 n 包含到字符串中 - 您可能不希望它们被解释为新行。看一下这些示例：

'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，您只需在字符串文字前面添加 r 字符，如下所示：r'hello\nworld' 并且不会解释转义序列Python。该字符串将完全按照您创建的方式打印。

原始字符串文字不完全是“原始”吗？

许多人期望原始字符串文字在某种意义上是原始的，即“Python 会忽略引号之间的任何内容”。那不是真的。 Python 仍然可以识别所有转义序列，只是不解释它们——而是让它们保持不变。这意味着原始字符串文字仍然必须是有效的字符串文字。

来自字符串文字的词法定义 ：

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

很明显，包含裸引号字符的字符串文字（原始或非原始）：'hello'world'或以反斜杠结尾：'hello world\'不是有效的。

Answer 7

来生成字符串 '\'

也许这很明显，也许不是，但是您可以通过调用 x=chr(92) Python2

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

Python3 (3.11.1)

x=chr(92)
print(type(x), len(x)) # <class 'str'> 1
# Note The Type Change To Class

y='\\'
print(type(y), len(y)) # <class 'str'> 1
# Note The Type Change To Class

x==y   # True
x is y # True
# Note this is now True

Answer 8

r-字符串示例（原始字符串）

只是为了提供稍微“面向示例”的教学法，并注意边缘情况：

语法	含义	注释
'a\nb'	a, \n, b	带换行符的“常规”字符串
r'a \nb'	a、\、n、b	r string: \ 不再创建魔术字符
r'a\\b'	a, \, \, b	\ 甚至没有转义自身，我们得到两个 \
r'a\'b '	a, \, ', b	唯一的 \“转义”是 ' 本身。但 ' 仍然出现在字符串中。
r'a'b'	语法错误	单引号不平衡，我们需要像上面那样的 \
r"a'b"	a, ', b	来获得单引号
我们可以使用 " 代替r'''a' "b'''	a, ', ", b	我们可以同时得到 ' 和 " 使用三引号
'a\'\'\'"""b'	a, <代码>'、'、'、"、"、", b	在原始字符串中不可能同时包含三重 ' 和三重 "： https://stackoverflow.com /questions/4630465/how-to-include-a-double-quote-and-or-single-quote-character-in-a-raw-python-stri|

最简单的自己玩的方法是使用 如何将字符串拆分为字符列表？ 例如：

>>> list(r'a\nb')
['a', '\\', 'n', 'b']

r-strings 的应用：它消除了转义 \ 的需要，这在正则表达式中很常见

例如，如果您想匹配 ISO 日期 yyyy-mm-dd，而不需要 r，这是最干净的方式会写成：

re.compile('\\d{4}-\\d{2}-\\d{2}')

因为 \ 必须出现在正则表达式看到的最终字符串中。如果您这样做的话，它实际上也可以在某些 Python 版本中工作：

re.compile('\d{4}-\d{2}-\d{2}')

因为 \d 不是有效的转义序列，并且会被解释为 \ + d。但这很令人困惑，因为很难记住什么是有效转义或无效转义（\a、\b、\f、<代码>\n、<代码>\r、<代码>\t、<代码>\v
是有效的，名称是“垂直选项卡”？？？），如果您这样做，Python 3.12 已经发出警告：

<stdin>:1: SyntaxWarning: invalid escape sequence '\d'

另请参阅：如何修复 Python 中的“SyntaxWarning：无效转义序列”？

因此，使用 r 字符串，我们可以编写更简单的代码：

re.compile(r'\d{4}-\d{2}-\d{2}')

这要多得多更具可读性和理智。

r 字符串的缺点是字符串中不能包含换行符等魔术字符。但这些在正则表达式中并不常见。

u 字符串是 Python 3 中的默认值（Unicode 字符串）

在 Python 3 中，'abc' 与 u'abc 相同'，u 语法的存在只是为了帮助代码向后兼容，并且永远不需要。

要获取 Python 2 'abc'（字节字符串），您必须在 Python 3 中执行 b'abc'。

另请参阅：Python 字符串中的 u 前缀是什么？

Unicode 字符串与字节字符串

字节字符串只能有“ASCII 字符”，而 Unicode 字符串可以有任何 Unicode 字符。

例如，在 Python 3 中，如果我们使用 é，则 'e' 带有 尖音重音 例如在法语和葡萄牙语中出现，并以 UTF-8 0xC3 + 0xA9 编码为两个字节，我们得到：

>>> list('aéi')
['a', 'é', 'i']

>>> list(b'aéi')
  File "<stdin>", line 1
    list(b'aéi')
         ^^^^^^
SyntaxError: bytes can only contain ASCII literal characters

>>> list(map(lambda x: hex(x), list(bytes('aéi', 'utf8'))))
['0x61', '0xc3', '0xa9', '0x69']

所以我们看到：

• 'aéi' 包含三个 Unicode 字符。例如 'aéi'[1] 给出 é 作为直观预期的
• bytes('aéi', 'utf8') 包含四个字节，因为é由两个字节组成