第 4 讲：文本与字节——Unicode 编码与字符串处理的艺术

大家好，我是正在实战各种 AI 项目的程序员晚枫。

编码错误是 Python 程序员的噩梦，今天彻底搞懂它！

---

🔤 Unicode 与字节

字符串 vs 字节

# 字符串（Unicode）
s = 'Hello 中文'

# 字节序列
b = s.encode('utf-8')

# 解码回字符串
s2 = b.decode('utf-8')

常见编码问题

# 错误处理
try:
    text = some_bytes.decode('utf-8')
except UnicodeDecodeError:
    # 使用替换或忽略
    text = some_bytes.decode('gbk', errors='replace')

编码选择

编码	适用场景
UTF-8	通用，兼容 ASCII
GBK	中文环境
Latin-1	西欧语言

---

📝 正则表达式进阶

编译正则

import re

# 编译正则（提升性能）
pattern = re.compile(r'\d{3}-\d{4}-\d{4}')
matches = pattern.findall(text)

分组提取

# 提取日期
match = re.search(r'(\d{4})-(\d{2})-(\d{2})', date_string)
if match:
    year, month, day = match.groups()

常用模式

模式	含义
\d	数字
\w	字母数字下划线
\s	空白字符
.	任意字符
*	0 次或多次
+	1 次或多次
?	0 次或 1 次

---

🎯 本讲总结

Unicode：字符串与字节的转换。

编码处理：常见编码问题的解决方案。

正则表达式：编译、分组、常用模式。

---

📚 推荐教材

《Python 编程从入门到实践（第 3 版）》 | 《流畅的 Python（第 2 版）》 | 《CPython 设计与实现》

学习路线： 零基础 → 《从入门到实践》 → 《流畅的 Python》 → 本门课程 → 《CPython 设计与实现》

---

🔗 课程导航

← 上一讲：集合与映射 | 下一讲：函数即对象 →

---

💬 联系我

平台	账号/链接
微信	扫码加好友
B 站	Python 自动化办公社区

主营业务：AI 编程培训、企业内训、技术咨询

进群

嗨，扫码 进群

微信