¿Qué hacen exactamente las banderas de cadena" u "y" r", y qué son los literales de cadena sin procesar?

Hay dos tipos de cadena en python: el tipo tradicional str y el tipo más nuevo unicode. Si escribe un literal de cadena sin el u en frente, obtiene el antiguo tipo str que almacena caracteres de 8 bits, y con el u en frente, obtiene el nuevo tipo unicode que puede almacenar cualquier carácter Unicode.

El r no cambia el tipo en absoluto, solo cambia cómo se interpreta el literal de la cadena. Sin r, las barras invertidas se tratan como caracteres de escape. Con el r, las barras invertidas se tratan como literales. De cualquier manera, el tipo es el mismo.

ur es, por supuesto, una cadena Unicode donde las barras invertidas son barras invertidas literales, no parte de códigos de escape.

Puede intentar convertir una cadena Unicode a una cadena antigua utilizando la función str(), pero si hay caracteres unicode que no se pueden representar en la cadena antigua, obtendrá una excepción. Podría reemplazarlos con signos de interrogación primero si lo desea, pero por supuesto esto causaría esos caracteres son ilegibles. No se recomienda utilizar el tipo str si desea manejar correctamente los caracteres unicode.

'cadena sin procesar' significa que se almacena tal como aparece. por ejemplo, ' \ ' es solo una barra invertida en lugar de un escape.

Un prefijo "u" denota el valor tiene tipo unicode en lugar de str.

Los literales de cadena sin procesar, con un prefijo "r", escapan cualquier secuencia de escape dentro de ellos, por lo que len(r"\n") es 2. Debido a que escapan secuencias de escape, no puede terminar un literal de cadena con una sola barra invertida: esa no es una secuencia de escape válida (por ejemplo, r"\").

"Raw" no es parte del tipo, es simplemente una forma de representar el valor. Por ejemplo, "\\n" y r"\n" son valores idénticos, al igual que 32, 0x20, y 0b100000 son idénticos.

Puedes tener literales de cadena raw unicode:

>>> u = ur"\n"
>>> print type(u), len(u)
<type 'unicode'> 2

La codificación del archivo de origen solo determina cómo interpretar el archivo de origen, no afecta a expresiones o tipos de otro modo. Sin embargo, se recomienda evitar el código donde una codificación distinta a ASCII cambiaría el significado:

Los archivos que usan ASCII (o UTF-8, para Python 3.0) no deben tener una cookie de codificación. Latin-1 (o UTF-8) solo debe usarse cuando un comentario o docstring necesita mencionar un nombre de autor que requiere Latin-1; de lo contrario, usar \x, \u o \U escapes es la forma preferida de incluir datos no ASCII en literales de cadena.

Déjame explicarlo simplemente: En python 2, puede almacenar cadenas en 2 tipos diferentes.

La primera es ASCII que es str tipo en python, utiliza 1 byte de memoria. (256 caracteres, almacenará principalmente alfabetos en inglés y símbolos simples)

El 2do tipo es UNICODE que es unicode tipo en python, utiliza 2 bytes de memoria. (65536 caracteres, por lo que esto incluye todos los caracteres de todos los idiomas en la tierra)

De forma predeterminada, python prefieren str tipo, pero si desea almacenar una cadena en unicode tipo puede poner u delante del texto como u'text' o usted puede hacer esto llamando a unicode('texto')

Así que ues solo una forma corta de llamar a una función para convertir stra unicode. ¡Eso es!

Ahora la parte r, la pones delante del texto para decirle a la computadora que el texto es texto sin procesar, la barra invertida no debe ser un carácter de escape. r'\n' no creará un nuevo carácter de línea. Es solo texto plano que contiene 2 caracteres.

Si desea convertir str a unicode y también poner texto sin procesar allí, use ur porque ru generará un error.

AHORA, la parte importante:

No puede almacenar una barra invertida usando r, es la única excepción. Así que este código producirá error: r'\'

Para almacenar una barra invertida (solo una) es necesario uso '\\'

Si desea almacenar más de 1 caracteres, todavía puede usar r como r'\\' producirá 2 barras invertidas como esperaba.

No se la razón por la que r no funciona con un almacenamiento de barra invertida, pero la razón aún no ha sido descrita por nadie. Espero que sea un error.

Tal vez esto sea obvio, tal vez no, pero puede hacer que la cadena '\' llamando a x = chr(92)

x=chr(92)
print type(x), len(x) # <type 'str'> 1
y='\\'
print type(y), len(y) # <type 'str'> 1
x==y   # True
x is y # False