Python - Unicode系統

你好，未來的Python巫師們！今天，我們將進入Python中Unicode的世界，展開一段激動人心的旅程。如果你從未聽過Unicode，也別擔心 – 當你完成這個教學後，你將能像專家一樣處理文本！

Python - Unicode System

什麼是Unicode系統？

想象一下，你想給你在日本的筆友寫封信，但你的鍵盤只有英文字母。很沮喪對吧？這就是Unicode出場救援的地方！

Unicode就像一本巨大的字典，為世界上每個語言系統中的每個字符分配了一個唯一的數字（稱為代碼點）。它不僅僅是關於字母和數字 – 還包括標點符號、符號，甚至表情符！?

例如：

字母 'A' 的代碼點是 U+0041
符號 '©' 的代碼點是 U+00A9
表情符 '?' 的代碼點是 U+1F60A

為什麼我們需要Unicode？

在Unicode出現之前，不同的語言使用不同的編碼系統，這往往導致在不同的計算機系統之間共享數據時出現混淆和錯誤。Unicode通過提供一個通用標準解決了這個問題。

字符編碼

現在我們知道了Unicode是什麼，來談談字符編碼。將其視為將那些Unicode代碼點翻譯成計算機可以存儲和處理的格式的過程。

UTF-8：最常見的編碼

UTF-8是最廣泛使用的編碼系統。它像是一個聰明的打包系統，可以表示所有Unicode字符，同時與ASCII（一個較舊的編碼系統）向後兼容。

讓我們看看Python如何處理UTF-8：

# 將字符串編碼為UTF-8
text = "Hello, 世界!"
encoded_text = text.encode('utf-8')
print(encoded_text)  # b'Hello, \xe4\xb8\x96\xe7\x95\x8c!'

# 將UTF-8解碼回字符串
decoded_text = encoded_text.decode('utf-8')
print(decoded_text)  # Hello, 世界!

在這個例子中，我們首先將我們的多語言字符串編碼為UTF-8。輸出中的 b 前綴表示它是一個字節對象。當我們將其解碼回來時，我們得到了原始字符串。

Python的Unicode支持

Python的一個優點是它對Unicode的出色支持。在Python 3中，所有字符串默認為Unicode。這意味著你可以自由地混合使用不同語言的字符，而無需任何特殊處理！

創建Unicode字符串

# 單純的Unicode字符串
hello_world = "Hello, 世界!"
print(hello_world)  # Hello, 世界!

# 使用Unicode轉義序列
smiley = "\U0001F60A"
print(smiley)  # ?

在第二個例子中，我們使用了一個Unicode轉義序列來表示表情符。\U 告訴Python後面跟著的是一個Unicode代碼點。

在Python中處理Unicode

讓我們探索一些更多的Unicode操作：

# 獲取字符的Unicode代碼點
print(ord('A'))  # 65
print(ord('世'))  # 19990

# 從Unicode代碼點獲取字符
print(chr(65))  # A
print(chr(19990))  # 世

# 字符串長度
mixed_string = "Hello, 世界!"
print(len(mixed_string))  # 9（註：世和界被計算為單個字符）

ord() 函數為我們提供了字符的Unicode代碼點，而 chr() 則相反。注意 len() 正確地計算中文字符為單個單位。

處理文件中的Unicode

當處理包含Unicode文本的文件時，記得指定編碼：

# 將Unicode寫入文件
with open('unicode_file.txt', 'w', encoding='utf-8') as f:
f.write("Hello, 世界!")

# 從文件讀取Unicode
with open('unicode_file.txt', 'r', encoding='utf-8') as f:
content = f.read()
print(content)  # Hello, 世界!

通過指定 encoding='utf-8'，我們確保Unicode文本正確地寫入並從文件中讀取。

Python中的Unicode方法

Python提供了許多用於處理Unicode字符串的有用方法。以下是一個總結一些方法的表格：

方法	描述	示例
`isalpha()`	如果字符串中的所有字符都是字母，則返回True	`"Hello".isalpha() # True`
`isnumeric()`	如果字符串中的所有字符都是數字，則返回True	`"123".isnumeric() # True`
`isalnum()`	如果字符串中的所有字符都是字母數字，則返回True	`"Hello123".isalnum() # True`
`islower()`	如果字符串中的所有大寫字母字符都是小寫，則返回True	`"hello".islower() # True`
`isupper()`	如果字符串中的所有大寫字母字符都是大寫，則返回True	`"HELLO".isupper() # True`
`istitle()`	如果字符串是首字母大寫，則返回True	`"Hello World".istitle() # True`

這些方法在需要驗證或分類Unicode字符串時特別有用。

結論

恭喜你！你剛剛走出了Python中Unicode的精彩世界的第一步。請記住，處理來自不同語言和系統的文本是我們互聯互通世界中的關鍵技能，而Python使這一切變得驚奇地簡單。

在你繼續Python的旅程中，你會發現這種對Unicode的理解在許多情況下都會派上用場，從網頁抓取到數據分析等等。不斷練習，很快你就會像真正的Python魅力者一樣操控表情符和奇特文字！?✨

Credits: Image by storyset