全般
基本
Pythonは、すべての変数、関数がオブジェクトで、ルールが統一されている。
ファイル構成も、クラスもパッケージも、同じ考え方で慣れると色々スッキリする。
オレオレ仕様で頑張っても、正規ルートから外れたルールだといずれ詰む。
参考
組み込み関数(Built-in)
python.exeのビルド時に標準で搭載してる関数たち。
Class
クラスの中で定義された関数は、クラスメソッドと呼ぶ。
変数は、クラスメンバと呼ぶ。それぞれ意味は変わらない。
Classの構造は、Packageのファイル構造と同じ。
Package
インストールディレクトリを見るのが分かりやすい。
Standard Library
インストール時に、最初から付いてくるライブラリ。
インストール先は、<python>\Lib。
Thirdparty
外部からダウンロードしたPackageを指す。
インストール先は、デフォルトだと<python>\Lib\site-packages。
文字列
基本
※ 日々試行錯誤中で、間違った情報が混ざってる可能性あります。
エンコード
Pythonで扱う文字列には、<str>, <unicode>の2つしかない。
encodeとdecodeとでてくるが、目的は明確。
encode: <unicode>から<str>に変換
decode: <str>から<unicode>に変換
Python内すべての文字列操作は、<unicode>を推奨してると思ってもいいので、
なるべく<unicode>で扱う。なので、<str>に変換する事をエンコードと呼ぶと思われ。
エンコードで調べると、色々(cp932, shift_jis, utf16, utf8, ascii)と出てくるが、すべて<str>に変換する際の形式の話になる。ざっくり総称で、文字コードと呼ばれたりする。
bytesと言う単語も出てくるが、文字コードを適用しない素(raw)の状態にを指す。
つまり、Pythonの場合、エンコードする前の文字列は、<str>と同意語と思って良いかと。
逆に、エンコードしないと文字化けて読めない<str>文字列を、マルチバイトと呼ぶ。
Pythonの型と、文字コードは別って事がわかってないと、どのサイトの説明を見ても混乱する。
では、2つしかないのに、なぜあんな面倒でイライラするUnicodeEncodeErrorが頻発するかと言うと、
外部プロセスに渡したり、Python内の文字列自動変更の場合が多い。
注意すべきなのは、以下のとき。
- コンソールに出力
- コマンドで実行
- ファイルから文字列取得
- その他自動変更
python2だと、os.sepや、split系関数が<str>として扱う傾向があるので、
<unicode>と足したりするとエンコードエラーを起こす事がある。
コンソールに出力
print使うときは、<unicode>に変換してから行う。実際に出力される文字は<str>なのだが、
コンソールの環境によって出力できる文字コードが違うので、自動変換に任せる。
sys.stdoutに直接アクセスする場合は、自分でエンコードをコントロールする必要がある。
コマンドで実行
os.system, subprocessを使う場合は、事前に<str>に変換する必要がある。
内部で、format使った文字列処理されてて、<str>を混在した変換が行われる為と思われる。
※ Python3になると、メインが<unicode>なので問題なくなるかも、まだ触ってないので未確認。
ファイルから文字列取得
encodingを指定しないでファイルを書き込む際は、<str>に変換して渡す？
unicode_literalsの有無で対応が変わる？
unicode_literalsを使ってる場合は、unicodeで渡さないとエラーになる。
その他自動変更
__future__.unicode_literals環境でformatを使った文字操作で、
<unicode>の自動変換が入る(r付けた場合も<unicode>)。
unicode_literalsを使用してない場合は、uを付けると<unicode>へ自動変換される。
逆に、u以外はすべて<str>になるので注意。
raw文字も<str>なので、<unicode>でraw文字使いたい場合は、urを頭に付ける。
Python3では、デフォルトエンコーディングが<unicode>になったので、トラブルは減る気がするが、
Python2のコードそのまま変換すると混乱が起きそうな予感。
特におまじない的に処理書いてる場合は注意。
参考
日本語文字列コード問題まとめ
http://python.matrix.jp/pages/tips/string/encoding.html#id4
【Python】文字列と数値（asciiコード）の変換まとめ
https://qiita.com/ell/items/6eb48e934a147898d823
デフォルトエンコーディング
デフォルトエンコーディングを変更してた時期があったが、あまり意味ない気がしてきたのでオミット中。
デフォルトで持ってるエンコードがバラバラで、他のモジュールの動作にも影響出てくるので、
使用時に、目的に応じて指定するのが結局良いと思われる。
戒めとして、過去のメモを残しておきます。
標準入出力のエンコーディング(sys.stdout.encoding)
windows7, 10のコマンドプロンプトのデフォルトは、cp932になる。
print('stdoutEncoding:', sys.stdout.encoding)
Pythonエンコーディング(default Encoding)
python.exeを実行した場合のコンソールのデフォルトは、asciiになる。
python起動前に環境変数(PYTHONIOENCODING)で変更する事ができる。
python3は、環境依存関係なくすべてutf8になる。
print('defaultEncoding:', sys.getdefaultencoding())
sysモジュールをreloadすると、setdefaultencodingで変更が反映されるようになる。
reload(sys)
sys.setdefaultencoding('cp932')
filesystem encoding
コマンドラインの引数や、ファイルパスに使われる。
print('systemEncoding:', sys.getfilesystemencoding())
preferred encoding
ファイルを開く時に使われる。組み込み関数のopenが指すデフォルトは多分こいつ。
print('preferredEncoding:', locale.getpreferredencoding())
参考
Python 3の各種エンコーディングについて
https://qiita.com/methane/items/6e294ef5a1fad4afa843
ikuliの日本語の文字化けに悩まない！【文字コードを攻略しよう】
http://marukentokyo.jp/2018/10/30/sikulix_character/