Python 3 - Lernen und professionell anwenden

363

13.2

Codierung und Decodierung

13.1.5 Suchen und Ersetzen

Beispiele:

13.2 Codierung und Decodierung

Dieser Abschnitt ist etwas spezieller und beschäftigt sich mit der Codierung von Zeichen-

ketten. Im Prinzip geht es darum, wie die Schriftzeichen eines Strings gespeichert werden.

Wenn Sie das nicht interessiert, überspringen Sie den Abschnitt einfach.

13.2.1 Platonische Zeichen und Unicode

Unicode ist ein Standard für sinntragende Schriftzeichen aus der ganzen Welt. Zurzeit sind

im Unicode-Reservoir etwa 100.000 Zeichen registriert und jedes Jahr werden es mehr.

Nun können ja Buchstaben je nach Schriftart unterschiedlich aussehen. Im Unicode-Stan-

dard geht es allein um so genannte platonische Schriftzeichen, bei denen von typografischen

Aspekten abstrahiert wird. So besteht ein platonisches »kleines i« aus einem kleinen senk-

rechten Strich mit einem Punkt darüber. Es ist gleichgültig, wie groß der Strich und der

Punkt sind und wie sie im Detail geformt sind. Unicode ordnet jedem Schriftzeichen eine

Nummer und einen eindeutigen Namen zu. Die Nummern werden von den Standardfunk-

tionen

ord() und chr() verwendet.

Der Aufruf

ord(c) liefert zu einem einzelnen Schriftzeichen c (String der Länge 1) seine

Unicode-Nummer. Der Aufruf

chr(n) liefert zu einer Unicode-Nummer n das zugehörige

Zeichen. Beispiel:

Methode Erklärung

count(sub)

Liefert Anzahl der Vorkommen der Zeichenkette sub.

find(sub)

Zurückgegeben wird der Index der ersten Position, an der die Zei-

chenkette

sub als Teilstring vorkommt, und -1, falls sub nicht

gefunden wird.

replace(old, new)

Vorkommen der Zeichenkette old werden durch new ersetzt.

Tabelle 13.5: String-Methoden zum Suchen und Ersetzen

>>> 'Hallenbad'.count('a')

2

>>> 'Gartenteich'.find('ei') # String 'ei' beginnt bei Index 7

7

>>> wetter = 'Regenschauer'

>>> wetter.replace('Regen', 'Hagel')

'Hagelschauer'

Kapitel 13

Verarbeitung von Zeichenketten

364

Die Hexadezimalzahlen 400 bis 4FF sind Unicode-Nummern für kyrillische Buchstaben.

Das folgende Programm gibt kyrillische Zeichen und ihre Nummern auf dem Bildschirm

aus.

Der Aufruf von

format(i, "X") bewirkt, dass die Zahl i in hexadezimaler (und nicht dezi-

maler) Darstellung ausgegeben wird. Das Ergebnis sehen Sie in Abbildung 13.1.

Abb. 13.1: Aufzählung kyrillischer Buchstaben

Tabellen mit Unicode-Nummern finden Sie im Internet: http://www.unicode.org/charts/.

Schriftzeichen können in Python-Skripten auch mit ihren Unicode-Namen angesprochen

werden. Dazu müssen Sie das Modul

unicodedata importieren. Der Funktionsaufruf uni-

codedata.lookup(name)

liefert zu einem Unicode-Namen das zugehörige Schriftzeichen.

Mit

unicodedata.name(ch) erhalten Sie zu einem Zeichen ch den Unicode-Namen. Viel-

leicht interessiert Sie, wie das deutsche ß genannt wird:

>>> ord("ß")

223

>>> chr(223)

'ß'

>>> for i in range(0x400, 0x4ff):

.....print(format(i, "X"), chr(i), end=" ")

>>> import unicodedata

>>> unicodedata.name("ß")

'LATIN SMALL LETTER SHARP S'

>>> unicodedata.lookup('LATIN SMALL LETTER SHARP S')

'ß'