python字符串类型 - 好文

python中的字符串

python中的字符串类型为str，也是平时操作的类型。但除了str类型，还有一个专门的名为"string"的模块(导入即可知)，是很早以前没有str类型的时候用的，现在几乎不用。

在python 3.x中，字符串的类型str是Unicode的。除此之外还有byte类型、bytearray类型。关于byte和bytearray，参考
bytes和bytearray、编码和解码 <https://www.cnblogs.com/f-ck-need-u/p/10185965.html>。

一些和字符相关的官方手册：

* string模块 <https://docs.python.org/3.7/library/string.html>

* str类型详细说明 <https://docs.python.org/3.7/library/stdtypes.html#textseq>

* 字面常量 <https://docs.python.org/3.7/reference/lexical_analysis.html#literals>

* byte和bytearray
<https://docs.python.org/3.7/library/stdtypes.html#binary-sequence-types-bytes-bytearray-memoryview>

* byte和bytearray操作
<https://docs.python.org/3.7/library/stdtypes.html#bytes-and-bytearray-operations>
字符串常量

下面是几个字符串：
'malong' 'malong\'s girl friend' # 包含了单引号 'malong\n' # \n换行了 "malong\n" # 换行了
'malong girl friend' # 换行了 'malong\\n' # 没换行 '''malong's girl''' # 包含了单引号
"""malong shuai""" # 换行了
python中可以使用单引号、双引号、三引号包围字符串，并可以使用反斜线转义特殊字符：

* 单、双引号是完全一致的，不像其他语言一样有强、弱引用之分

* 三引号('''xxx'''或"""xxx""")包围的字符完全是字面符号，包围什么就得到什么，包括换行，且不会进行任何转义、替换等
* 使用这种块字符串的方式，在输入需要换行的字符串时非常方便

* 而且可以作为块注释符注释一段代码。这表示这段被包围的代码解释为字符串，但因为没有赋值给变量，所以直接丢弃了

* 反斜线\可以转义特殊字符，例如在字符串中保留单引号"a\'b"
但是python在输出字符串的时候，总是倾向于使用单引号，除非字符串中包含了单引号。对于那些非打印字符，将总是使用十六进制的方式输出。

例如：
>>> "aaa",'aaa' ('aaa', 'aaa') >>> print("aa\na") aa a >>> print('aa\na') aa a
>>> '''aaaa ... aaa ... ''' 'aaaa\naaa\n' >>> '\001' # 二进制字符，十六进制格式输出 '\x01'
raw字符串

虽然可以通过反斜线\转义去调整字符串，但带上反斜线有时候会严重影响可读性。如果不想使用反斜线转义，可以考虑使用三引号包围，也可以使用r
来声明后面的字符串是raw字符串，这里面的所有字符都是字面意义的，不会进行任何转义。

例如：
>>> 'abc\nd' 'abc\nd' >>> len('abc\nd') 5 >>> r'abc\nd' 'abc\\nd' >>>
len(r'abc\nd') 6
经常在open()函数打开Windows文件的时候会使用raw字符串。例如下面三种方式：
open('d:\new\test.txt') # (1) open('d:\\new\\test.txt') # (2)
open(r'd:\new\test.txt') # (3)
(1)中解释字符串的时候，发现里面有\n和\t
，它们会分别解释为换行符和制表符，这显然不可能是想要打开的文件。所以，在(2)中，使用反斜线将反斜线自身进行了转义。而(3)中使用r声明这是一个raw字符串，里面的转义序列不会进行转义，而是作为普通字符，所以这里的
\表示的是路径的分隔符号。

当然，考虑到可移植性的问题，open()函数中直接使用斜线也可以表示windows中的路径分隔符。所以下面是有效的：
open('d:/new/test.txt')
注意，raw字符串不能以反斜线结尾，除非对其转义。例如r'abc\ndef\'是错误语法，但r'abc\ndef\\'
是正确的语法，它表示后面有两个反斜线字符。
>>> r'abc\nd\a\\' 'abc\\nd\\a\\\\' >>> print(r'abc\nd\a\\') abc\nd\a\\ >>>
r'abc\nd\a\' File "<stdin>", line 1 r'abc\nd\a\' ^ SyntaxError: EOL while
scanning string literal
字符串转换

数值和字符串类型不能直接放在一起操作，例如9 + "9"是错误的。要将一个数值类型转换成字符串类型，可以使用str()方法或repr()方法。
>>> str(8) '8' >>> repr(8) '8'
它们都表示返回字符串类型的数据。

当使用print()输出str()或repr()转换的内容，它们的结果会不一样：
>>> print(str('a')) a >>> print(repr('a')) 'a'
一般来说使用str()即可，在学习到__str__()和__repr__()之前，没必要去区分str()和repr()。

操作字符串

在python中，操作字符串的方式有多种，大概概括有：

* 字符串是一个序列，且是不可变序列，所以序列的通用操作和不可变序列的操作都能应用在str上

* string对象自身实现了很多方法，比如大小写转换、子串搜索、截断等等

* 字符串连接，如"abc" "def"或"abc" + "def"是等价的，都是"abcdef"，"a" * 3得到"aaa"

* 字符串格式化(本文不介绍，因为内容太长，见后面的文章)
例如：
>>> len("abc") 3 >>> 'abc' 'def' 'abcdef' >>> 'abc' + 'def' 'abcdef' >>> 'abc'
* 3 'abcabcabc' >>> 3 * 'abc' 'abcabcabc'
通过字符串的乘法"*"操作，可以轻松地重复给定数量的字符。例如：
>>> print("-" * 20) -------------------- >>> print("-" * 20)
--------------------
轻松地就能得到长度一样的分割线。

注意，这两个符号不能操作数值、字符串的混合表达式，因为python不会自动转换隐式转换数据类型。
>>> "3" + 3 Traceback (most recent call last): File "<stdin>", line 1, in
<module> TypeError: must be str, not int
因为python中的字符串是一种序列类型，所以可以使用in来测试字符串中是否包含某个字符或子串。
>>> 'o' in "hello" True >>> 'a' in "hello" False >>> 'll' in "hello" True
同样，因为是序列类型，可以使用for来遍历整个字符串：
>>> str = "longshuai" >>> for i in str: ... print(i, end=",") ...
l,o,n,g,s,h,u,a,i,
在for遍历字符串的过程中，控制变量i会取得字符串中的每个字符。

字符串的索引和分片操作

字符串是一种序列，可以应用序列的一种非常方便的分片操作。关于序列的相关操作(包括分片)，详细内容见python序列操作
<https://www.cnblogs.com/f-ck-need-u/p/10139315.html>，此处介绍一些基本的操作。

必须注意，因为字符串是不可变对象，无法原处修改，所以无论是索引取值还是分片操作，都会创建新字符串对象。

索引取单个元素

例如，通过索引从字符串中取元素：
>>> str = "malong" >>> str[0] 'm' >>> str[1] 'a'
索引位可以是负数，表示从尾部开始取元素，-1表示倒数第一个元素，-2表示倒数第二个元素。
>>> str[-1] 'g' >>> str[-2] 'n'
所以，-i的索引位等价于len() - i的索引位。
>>> str[-1] 'g' >>> str[len(str) - 1] 'g'
分片取多个元素

分片的方式是使用[i:j]或[i:j:k]
的方式，表示从索引位i开始取到索引位j(不包含j)，i或j都可以省略。如果指定了k，则表示每隔k个元素取一次，也就是取一次元素之后跳过(k-1)一个元素。i、j、k都可以使用负数。

例如：
>>> str = 'malong' >>> str[1:3] 'al'
[1:3]表示从索引位1取到索引位3，不包括3的元素。

可以使用负数的索引位。下面的表示从第3个元素取到倒数第2个元素，但不包含倒数第二个。
>>> str[2:-2] 'lo'
i和j都可以使用负数。
>>> str[-4:-2] 'lo'
可以省略i或j，或都省略。[:j]表示从头取到索引位为j的元素(不包含j)，[i:]表示从索引位i开始取到结尾，[:]表示从头取到尾，也就是拷贝一份字符串。
>>> str[:3] 'mal' >>> str[:-1] 'malon' >>> str[1:] 'along' >>> str[-4:] 'long'
>>> str[:] 'malong'
指定k时，可以跳过指定间隔的元素。默认为1，表示每隔一个元素取一次，也就是不跳过任何元素。指定为2时表示取1次跳过一个元素。
>>> str 'malong' >>> str[::1] 'malong' >>> str[::2] 'mln'
所以，取奇数位的字符和偶数位的字符就很简单了。
>>> str[::2] # 取奇数位 'mln' >>> str[1::2] # 取偶数位 'aog'
如果k为负数，则表示反序取元素。例如：
>>> 'abcde'[::-1] 'edcba' >>> 'abcde'[::-2] 'eca'
再看下面反序输出的例子。
>>> 'abcdefgh'[5:0:-1] 'fedcb'
表示反序0-5的元素abcdef，但不包含0位，即得到fedcb。也就是说得到索引位1-5的反序结果。

所以：
>>> 'abcdefgh'[5:0:-2] 'fdb'
字符串方法

因为内容较多，本人已从官方手册翻译并整理成单独的文章，见python字符串方法整理
<https://www.cnblogs.com/f-ck-need-u/p/9127699.html>

修改字符串

字符串是不可变数据类型，要修改字符串，只能通过分片新建字符串对象并进行合并，或者直接使用字符串方法。

例如：
>>> s = "hello" >>> s[0] = "H" Traceback (most recent call last): File
"<stdin>", line 1, in <module> TypeError: 'str' object does not support item
assignment
要修改第一个元素，可以从原始字符串中切片取出后面的字符，并结合修改的目标字符构建一个新的字符串，并赋值给原始变量。
>>> s = "hello" >>> s = "H" + s[1:] >>> s 'Hello'
再例如，将一个新字符串追加到源字符串的尾部：
>>> s = "hello" >>> s = s + " world" >>> s 'hello world' >>> s = "hello world"
>>> s = s[:6] + "your " + s[6:] >>> s 'hello your world' >>> s = "hello world"
>>> where = s.find("world") >>> where 6 >>> s = s[:where] + "your " + s[where:]
>>> s 'hello your world'

因为会创建新对象，所以会创建新内存空间。但这并不一定意味着效率会有多差，python对于不使用的内存空间会自动回收，在有可能的情况下python会立即重用这段空间。

热门工具换一换