378 lines
8.9 KiB
Markdown
378 lines
8.9 KiB
Markdown
---
|
||
doc_type: short
|
||
full_text: sources/04_Strings.md
|
||
---
|
||
|
||
# 04_Strings 总结
|
||
|
||
本文介绍 Python 中用于处理文本的核心类型 `str`，涵盖字符串字面量、转义字符、Unicode 表示、索引与切片、常用操作和方法、不可变性、类型转换、字节串、原始字符串、f-string，以及与正则表达式的初步衔接。相关主题可延伸到 Python字符串、Unicode与编码、Python不可变对象、Python格式化字符串、[[concepts/正则表达式]]。
|
||
|
||
## 字符串字面量
|
||
|
||
Python 字符串可以用单引号、双引号或三引号表示：
|
||
|
||
```python
|
||
a = 'Yeah but no but yeah but...'
|
||
b = "computer says no"
|
||
c = '''
|
||
多行文本
|
||
会保留换行和格式
|
||
'''
|
||
```
|
||
|
||
要点：
|
||
|
||
- 单引号和双引号没有语义差别。
|
||
- 字符串必须用相同类型的引号开始和结束。
|
||
- 普通字符串通常只能写在一行。
|
||
- 三引号字符串可以跨多行，并保留其中的格式。
|
||
|
||
## 转义字符
|
||
|
||
转义序列用于表示不方便直接输入的字符或控制字符：
|
||
|
||
```python
|
||
'\n' # 换行
|
||
'\r' # 回车
|
||
'\t' # 制表符
|
||
'\'' # 单引号
|
||
'\"' # 双引号
|
||
'\\' # 反斜杠
|
||
```
|
||
|
||
这与 Python字符串 和 文本表示 有关。
|
||
|
||
## Unicode 字符表示
|
||
|
||
Python 字符串中的字符在内部以 Unicode code point 表示。可以通过不同形式的转义指定具体字符：
|
||
|
||
```python
|
||
a = '\xf1' # 'ñ'
|
||
b = '\u2200' # '∀'
|
||
c = '\U0001D122' # '𝄢'
|
||
d = '\N{FOR ALL}' # '∀'
|
||
```
|
||
|
||
Unicode 字符数据库可用于查询字符编码。该部分与 Unicode与编码 密切相关。
|
||
|
||
## 字符串索引与切片
|
||
|
||
字符串可以像数组一样按位置访问字符，索引从 `0` 开始：
|
||
|
||
```python
|
||
a = 'Hello world'
|
||
a[0] # 'H'
|
||
a[4] # 'o'
|
||
a[-1] # 'd'
|
||
```
|
||
|
||
负索引从字符串末尾开始计算。
|
||
|
||
切片使用 `:` 选择子串：
|
||
|
||
```python
|
||
a[:5] # 'Hello'
|
||
a[6:] # 'world'
|
||
a[3:8] # 'lo wo'
|
||
a[-5:] # 'world'
|
||
```
|
||
|
||
切片规则：
|
||
|
||
- 结束索引位置的字符不包含在结果中。
|
||
- 省略起始索引表示从开头开始。
|
||
- 省略结束索引表示一直到末尾。
|
||
|
||
这与 Python序列、索引与切片 相关。
|
||
|
||
## 字符串基本操作
|
||
|
||
常见字符串操作包括拼接、求长度、成员测试和重复：
|
||
|
||
```python
|
||
'Hello' + 'World' # 拼接
|
||
len('Hello') # 长度：5
|
||
'e' in 'Hello' # True
|
||
'x' in 'Hello' # False
|
||
'hi' not in 'Hello' # True
|
||
'Hello' * 5 # 重复
|
||
```
|
||
|
||
`in` 判断的是子串是否存在，而不仅仅是完整单词或独立符号。例如 `'AA' in 'AAPL,...'` 会返回 `True`，因为 `AA` 是 `AAPL` 的前两个字符。
|
||
|
||
## 字符串方法
|
||
|
||
字符串对象提供大量方法用于测试和处理文本。
|
||
|
||
### 去除空白
|
||
|
||
```python
|
||
s = ' Hello '
|
||
s.strip() # 'Hello'
|
||
```
|
||
|
||
### 大小写转换
|
||
|
||
```python
|
||
s = 'Hello'
|
||
s.lower() # 'hello'
|
||
s.upper() # 'HELLO'
|
||
```
|
||
|
||
### 文本替换
|
||
|
||
```python
|
||
s = 'Hello world'
|
||
s.replace('Hello', 'Hallo') # 'Hallo world'
|
||
```
|
||
|
||
### 常见方法列表
|
||
|
||
```python
|
||
s.endswith(suffix)
|
||
s.find(t)
|
||
s.index(t)
|
||
s.isalpha()
|
||
s.isdigit()
|
||
s.islower()
|
||
s.isupper()
|
||
s.join(slist)
|
||
s.lower()
|
||
s.replace(old, new)
|
||
s.rfind(t)
|
||
s.rindex(t)
|
||
s.split([delim])
|
||
s.startswith(prefix)
|
||
s.strip()
|
||
s.upper()
|
||
```
|
||
|
||
这些方法体现了 Python 对文本处理的内建支持，可归入 Python字符串方法。
|
||
|
||
## 字符串不可变性
|
||
|
||
字符串是不可变对象，创建后不能原地修改：
|
||
|
||
```python
|
||
s = 'Hello World'
|
||
s[1] = 'a' # TypeError
|
||
```
|
||
|
||
所有看似修改字符串的操作，实际上都会创建一个新字符串。例如：
|
||
|
||
```python
|
||
symbols = symbols + ',GOOG'
|
||
symbols = symbols.replace('SCO', 'DOA')
|
||
```
|
||
|
||
变量名只是重新绑定到新字符串，原来的字符串没有被修改。这个概念与 Python不可变对象 和 变量绑定 相关。
|
||
|
||
## 字符串转换
|
||
|
||
`str()` 可以把任意值转换成字符串，结果通常与 `print()` 输出的文本一致：
|
||
|
||
```python
|
||
x = 42
|
||
str(x) # '42'
|
||
```
|
||
|
||
这部分与 Python类型转换 相关。
|
||
|
||
## 字节串 bytes
|
||
|
||
字节串表示 8 位字节序列，常见于底层 I/O 或网络数据：
|
||
|
||
```python
|
||
data = b'Hello World\r\n'
|
||
```
|
||
|
||
常见字符串操作也可用于字节串：
|
||
|
||
```python
|
||
len(data) # 13
|
||
data[0:5] # b'Hello'
|
||
data.replace(b'Hello', b'Cruel') # b'Cruel World\r\n'
|
||
```
|
||
|
||
但字节串索引返回整数：
|
||
|
||
```python
|
||
data[0] # 72，即字符 'H' 的 ASCII 码
|
||
```
|
||
|
||
文本字符串和字节串之间需要通过编码转换：
|
||
|
||
```python
|
||
text = data.decode('utf-8') # bytes -> str
|
||
data = text.encode('utf-8') # str -> bytes
|
||
```
|
||
|
||
常见编码包括 `'utf-8'`、`'ascii'`、`'latin1'`。这与 Unicode与编码、Python字节串 相关。
|
||
|
||
## 原始字符串 raw string
|
||
|
||
原始字符串使用前缀 `r`，其中的反斜杠不会被解释为转义序列：
|
||
|
||
```python
|
||
rs = r'c:\newdata\test'
|
||
```
|
||
|
||
实际内容按字面形式处理，常用于：
|
||
|
||
- Windows 文件路径
|
||
- 正则表达式
|
||
- 其他大量使用反斜杠的文本场景
|
||
|
||
这与 [[concepts/正则表达式]] 有直接联系。
|
||
|
||
## f-string 格式化字符串
|
||
|
||
f-string 用于在字符串中嵌入表达式，并支持格式控制：
|
||
|
||
```python
|
||
name = 'IBM'
|
||
shares = 100
|
||
price = 91.1
|
||
|
||
f'{name:>10s} {shares:10d} {price:10.2f}'
|
||
# ' IBM 100 91.10'
|
||
|
||
f'Cost = ${shares*price:0.2f}'
|
||
# 'Cost = $9110.00'
|
||
```
|
||
|
||
要点：
|
||
|
||
- f-string 需要 Python 3.6 或更高版本。
|
||
- `{}` 中可以放变量或表达式。
|
||
- 冒号后可写格式说明，如宽度、对齐、小数位数等。
|
||
|
||
相关主题：Python格式化字符串、Python输出格式化。
|
||
|
||
## 练习内容概览
|
||
|
||
本文练习围绕交互式解释器展开，主要目标是熟悉字符串行为。
|
||
|
||
### Exercise 1.13：字符和子串提取
|
||
|
||
使用如下字符串：
|
||
|
||
```python
|
||
symbols = 'AAPL,IBM,MSFT,YHOO,SCO'
|
||
```
|
||
|
||
练习内容：
|
||
|
||
- 用正索引提取字符。
|
||
- 用负索引提取末尾字符。
|
||
- 尝试修改字符并观察 `TypeError`，理解字符串不可变性。
|
||
|
||
### Exercise 1.14：字符串拼接
|
||
|
||
练习将 `'GOOG'` 添加到字符串末尾，以及将 `'HPQ'` 添加到开头。
|
||
|
||
重点是理解：
|
||
|
||
- 拼接产生新字符串。
|
||
- 变量重新绑定到新字符串。
|
||
- 原字符串没有被原地修改。
|
||
|
||
### Exercise 1.15：成员测试
|
||
|
||
通过 `in` 判断子串是否存在：
|
||
|
||
```python
|
||
'IBM' in symbols
|
||
'AA' in symbols
|
||
'CAT' in symbols
|
||
```
|
||
|
||
重点是理解 `in` 检查的是任意子串匹配，而不是按逗号分隔后的完整股票代码匹配。
|
||
|
||
### Exercise 1.16：字符串方法
|
||
|
||
练习：
|
||
|
||
- `lower()`：转换为小写。
|
||
- `find()`：查找子串位置。
|
||
- 切片提取子串。
|
||
- `replace()`：替换文本。
|
||
- `strip()`：去除首尾空白。
|
||
|
||
并再次强调：字符串方法返回新字符串，不修改原字符串。
|
||
|
||
### Exercise 1.17：f-string
|
||
|
||
要求修改前一节的 `mortgage.py` 程序，使用 f-string 生成格式整齐的输出。
|
||
|
||
该练习将字符串格式化与数值计算输出结合起来，连接到 [[summaries/03_Numbers]] 和 Python格式化字符串。
|
||
|
||
### Exercise 1.18：正则表达式
|
||
|
||
基础字符串方法不支持高级模式匹配。复杂文本搜索与替换需要使用 `re` 模块：
|
||
|
||
```python
|
||
import re
|
||
text = 'Today is 3/27/2018. Tomorrow is 3/28/2018.'
|
||
|
||
re.findall(r'\d+/\d+/\d+', text)
|
||
# ['3/27/2018', '3/28/2018']
|
||
|
||
re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)
|
||
# 'Today is 2018-3-27. Tomorrow is 2018-3-28.'
|
||
```
|
||
|
||
这里展示了两个核心操作：
|
||
|
||
- `re.findall()`：查找所有匹配。
|
||
- `re.sub()`：按模式替换文本。
|
||
|
||
相关主题：[[concepts/正则表达式]]、Python文本处理。
|
||
|
||
## 使用 dir() 和 help() 探索对象方法
|
||
|
||
当需要查看字符串支持哪些操作时，可以使用：
|
||
|
||
```python
|
||
dir(s)
|
||
```
|
||
|
||
它会列出对象可用的方法和属性。
|
||
|
||
若要查看某个方法的说明，可使用：
|
||
|
||
```python
|
||
help(s.upper)
|
||
```
|
||
|
||
这体现了 Python 交互式探索和自省能力，相关主题包括 Python交互式解释器、Python自省。
|
||
|
||
## 核心结论
|
||
|
||
- Python 字符串是用于处理文本的基本类型。
|
||
- 字符串可以通过单引号、双引号、三引号表示。
|
||
- 转义字符用于表示换行、制表符、引号、反斜杠等特殊字符。
|
||
- 字符串内部基于 Unicode code point。
|
||
- 字符串支持索引、负索引和切片。
|
||
- 常用操作包括拼接、长度、成员测试和重复。
|
||
- 字符串方法返回新字符串，不会修改原字符串。
|
||
- 字符串是不可变对象。
|
||
- `str()` 可将对象转换为字符串。
|
||
- `bytes` 表示字节序列，需要通过 `encode()` 和 `decode()` 与文本互转。
|
||
- 原始字符串适合路径和正则表达式。
|
||
- f-string 是现代 Python 中推荐的字符串格式化方式。
|
||
- 更复杂的模式匹配应使用 `re` 模块。
|
||
|
||
## Related Concepts
|
||
- [[concepts/Unicode-与编码]]
|
||
- [[concepts/Python-不可变对象]]
|
||
- [[concepts/字符串处理]]
|
||
- [[concepts/Python-输入输出]]
|
||
- [[concepts/Python-文档与帮助系统]]
|
||
- [[concepts/变量与数据类型]]
|
||
- [[concepts/Python-交互式解释器]]
|
||
- [[concepts/列表与序列]]
|
||
- [[concepts/Python-运算符与表达式]]
|
||
- [[concepts/文件读写]]
|
||
- [[concepts/模块与-import]]
|