【自然语言处理】NLP入门（三）：1、正则表达式与Python中的实现（3）：字符转义符及进制转换

Qomolangma

发布于 2024-07-30 12:34:05

1090

发布于 2024-07-30 12:34:05

文章被收录于专栏：自然语言处理深度学习

一、前言

转义字符在处理输入输出、正则表达式、字符串拼接等场景下经常被用到，本文将介绍python中的字符转义符。

二、正则表达式与Python中的实现

1.字符串构造

2. 字符串截取

【自然语言处理】NLP入门（一）：1、正则表达式与Python中的实现（1）：字符串构造、字符串截取

3. 字符串格式化输出

【自然语言处理】NLP入门（二）：1、正则表达式与Python中的实现（2）：字符串格式化输出(%、format()、f-string)

4. 字符转义符

字符转义符是在编程语言中使用的特殊符号，用于表示一些特殊的字符或者具有特殊含义的字符，在很多编程语言中，特定的字符前面加上反斜杠 \ 就构成了一个转义字符。

a. 常用字符转义符

在Python中，常用的字符转义符包括：

转义字符	描述
(行尾)	续行符
\n	换行符
\t	横向制表符
\v	纵向制表符
\"	双引号
\’	单引号
\	一个反斜杠符号\
\r	回车符
\b	退格符
\f	换页符

续行符

print("这是一行\
字符串")

输出：这是一行字符串

换行符

print("第一行\n第二行")

输出：

第一行
第二行

制表符

print("第一列\t第二列")

输出：

第一列    第二列

双引号

print("He said, \"Python is amazing!\"")

输出：He said, “Python is amazing!”

等效于：

print('He said, "Python is amazing!\"')

单引号

print('She said, \'I love Python!\'')

输出：She said, ‘I love Python!’

等效于：

print("She said, 'I love Python!'")

反斜杠符号

print("This is a backslash: \\")

输出：This is a backslash: \

回车符

print("Hello\rWorld")

输出：World

退格符

print("Hello\bWorld")

输出：HellWorld

b. ASCII编码

Character	Octal	Decimal	Hexadecimal
	3位8进制数	十进制数	2位16进制数
NUL (null)	000	0	00
SOH (start of heading)	001	1	01
STX (start of text)	002	2	02
ETX (end of text)	003	3	03
EOT (end of transmission)	004	4	04
ENQ (enquiry)	005	5	05
ACK (acknowledge)	006	6	06
BEL (bell)	007	7	07
BS (backspace)	010	8	08
HT (horizontal tab)	011	9	09
LF (line feed)	012	10	0A
VT (vertical tab)	013	11	0B
FF (form feed)	014	12	0C
CR (carriage return)	015	13	0D
SO (shift out)	016	14	0E
SI (shift in)	017	15	0F
DLE (data link escape)	020	16	10
DC1 (device control 1)	021	17	11
DC2 (device control 2)	022	18	12
DC3 (device control 3)	023	19	13
DC4 (device control 4)	024	20	14
NAK (negative acknowledge)	025	21	15
SYN (synchronous idle)	026	22	16
ETB (end of transmission block)	027	23	17
CAN (cancel)	030	24	18
EM (end of medium)	031	25	19
SUB (substitute)	032	26	1A
ESC (escape)	033	27	1B
FS (file separator)	034	28	1C
GS (group separator)	035	29	1D
RS (record separator)	036	30	1E
US (unit separator)	037	31	1F
SPACE	040	32	20
!	041	33	21
"	042	34	22
	043	35	23
$	044	36	24
%	045	37	25
&	046	38	26
’	047	39	27
(	050	40	28
)	051	41	29
*	052	42	2A
+	053	43	2B
,	054	44	2C
-	055	45	2D
.	056	46	2E
/	057	47	2F
0	060	48	30
1	061	49	31
2	062	50	32
3	063	51	33
4	064	52	34
5	065	53	35
6	066	54	36
7	067	55	37
8	070	56	38
9	071	57	39
:	072	58	3A
;	073	59	3B
<	074	60	3C
=	075	61	3D
	076	62	3E
?	077	63	3F
@	100	64	40
A	101	65	41
B	102	66	42
C	103	67	43
D	104	68	44
E	105	69	45
F	106	70	46
G	107	71	47
H	110	72	48
I	111	73	49
J	112	74	4A
K	113	75	4B
L	114	76	4C
M	115	77	4D
N	116	78	4E
O	117	79	4F
P	120	80	50
Q	121	81	51
R	122	82	52
S	123	83	53
T	124	84	54
U	125	85	55
V	126	86	56
W	127	87	57
X	130	88	58
Y	131	89	59
Z	132	90	5A
[	133	91	5B
\	134	92	5C
]	135	93	5D
^	136	94	5E
_	137	95	5F
` \| 140 \| 96 \| 60 \|
a	141	97	61
b	142	98	62
c	143	99	63
d	144	100	64
e	145	101	65
f	146	102	66
g	147	103	67
h	150	104	68
i	151	105	69
j	152	106	6A
k	153	107	6B
l	154	108	6C
m	155	109	6D
n	156	110	6E
o	157	111	6F
p	160	112	70
q	161	113	71
r	162	114	72
s	163	115	73
t	164	116	74
u	165	117	75
v	166	118	76
w	167	119	77
x	170	120	78
y	171	121	79
z	172	122	7A
{	173	123	7B
\|	174	124	7C
}	175	125	7D
~	176	126	7E
DEL (delete)	177	127	7F

转义字符

转义字符	描述
\ooo	3位8进制数ooo对应的字符
\xhh	2位16进制数hh对应的字符

使用 \ooo 表示3位8进制数对应的字符：

print('\101')  # 输出字符 'A'

\101 表示八进制数 101，对应的字符是 ‘A’。

使用 \xhh 表示2位16进制数对应的字符：

print('\x41')  # 输出字符 'A'

\x41 表示十六进制数 41，对应的字符是 ‘A’。

进制转换

2 进制

使用"0b"前缀来表示二进制数。

print(0b1010)

8 进制

使用"0o"前缀来表示八进制数。

print(0o12)

10 进制

显然直接表示的就是十进制数

print(10)

16 进制

使用"0x"前缀来表示十六进制数。

print(0x0A)

上述均输出：10

进制转换函数

可以使用内置函数 bin()、oct()、hex() 来进行转换：

bin() 函数：将一个整数转换为二进制表示。

print(bin(10))  # 输出 '0b1010'

oct() 函数：将一个整数转换为八进制表示。

print(oct(10))  # 输出 '0o12'

hex() 函数：将一个整数转换为十六进制表示。

print(hex(10))  # 输出 '0xa'

c. Unicode字符

Unicode是一种字符编码方案，用于表示世界上几乎所有语言的字符，包括字母、数字、标点符号、符号、表情符号、特殊符号和控制字符等。它为每个字符分配了一个唯一的数字，称为码点（code point），用于在计算机系统中进行字符的表达。Unicode编码目前已经超过了1.1万个字符，涵盖了世界上大多数语言文字的所有字符。

Unicode的编码空间可以分为多个平面（plane），每个平面包含65536个码位（code point）。最早的Unicode版本（Unicode 1.0）只定义了第一个平面，称为基本多文种平面（Basic Multilingual Plane，BMP），涵盖了绝大多数常用字符。除了BMP平面外，Unicode还定义了辅助平面（Supplementary Planes）。辅助平面包含了一些特殊字符，如特殊符号、古代文字、表情符号等。目前已经定义了17个辅助平面，但并不是所有的辅助平面都是完全填满的。

Unicode字符可以通过不同的编码方案进行表示，其中最常见的是UTF-8、UTF-16和UTF-32。这些编码方案使用不同的字节顺序和编码方式将码点翻译成计算机可以理解的二进制形式。

转义字符	描述
\uhhhh	4位16进制数hhhh表示的Unicode字符
\Uhhhhhhhh	8位16进制数hhhhhhhh表示的Unicode字符

print("\u4F60\u597D")

输出：你好

`\uhhhh`示例

# 版权符号
print('\u00A9')  # 输出：©

# 注册商标符号
print('\u00AE')  # 输出：®

# 音符
print('\u266B')  # 输出：♪

# 电话符号
print('\u260E')  # 输出：☎

# 和平符号
print('\u262E')  # 输出：☮

# 国际象棋符号
print('\u2656')  # 输出：♖

# 十字架符号
print('\u271D')  # 输出：✝

# 太阳符号
print('\u2600')  # 输出：☀

# 雪花符号
print('\u2744')  # 输出：❄

# 蛇座符号
print('\u265B')  # 输出：♛

# 闹钟符号
print('\u23F0')  # 输出：⏰

`\Uhhhhhhhh`示例

# 麻将符号
print('\U0001F004')  # 输出：🀄

# 笑脸符号
print('\U0001F604')  # 输出：😄

# 心形符号
print('\U0001F496')  # 输出：💖

# 手势符号
print('\U0001F44B')  # 输出：👋

# 花朵符号
print('\U0001F33B')  # 输出：🌻

# 月亮符号
print('\U0001F319')  # 输出：🌙

# 爱心符号
print('\U0001F499')  # 输出：💙

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2024-03-03，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！