Python-“u”和“r”字符串标志具体做什么，什么是原始字符串文字？

Question

在问这个问题时，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，ur''该怎么办？

• 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？

• 嗯，顺便说一句，如果你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？

Answer 1

实际上并没有任何“原始字符串 ”。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”（除非在引号之前会终止该文字），否则“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（但不会在结尾处加重），但是上面的“ except”子句无关紧要，并且当你避免将它们每个加倍时看起来会更好一些- - 就这样。它也很流行来表示本机Windows文件路径（使用反斜杠代替其他平台上的常规斜杠），但这很少需要（因为普通斜杠在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）。

不确定你“ 返回 ”的意思-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）。