Python中字符串和文本数据的分析

1. 学习目标

• 掌握取子字符串的方法
• 掌握字符串方法

2. 字符串

首先，创建两个字符串，如下所示：

#coding:utf-8

word1,word2 = 'Python','Java'   #创建两个字符串
#打印上面创建的两个字符串
print(word1)
print(word2)

2.1 取子字符串和字符串切片

字符串其实可以看做一个“水杯”，只不过里面装的不是水，而是字符。为了说明，上面创建的两个字符串的内部关系，下面的表给出了两个字符串的索引。

表1 字符串Python的索引

索引	0	1	2	3	4	5
字符串	P	y	t	h	o	n
负数索引	-6	-5	-4	-3	-2	-1

表2 字符串Java的索引

索引	0	1	2	3
字符串	J	a	v	a
负数索引	-4	-3	-2	-1

现在思考以下问题：

• 取出Python中的P字符
• 取出Java中的最后一个字符
• 取出Python中的第2个到第5个字符（结合字符串切片）

其实，理解了表1、表2中字符串的索引，上面三个问题就很简单了。需要注意的是，索引编号是从0开始；负数索引是从容器尾部开始从右往左为各元素编号，起始编号为-1。代码如下：

print(word1[0])      #取出Python中的P字符
print(word2[-1])     #取出Java中的最后一个字符
print(word1[1:5])    #取出Python中的第2个到第5个字符（结合字符串切片）

负数索引中也可以使用切片，但是无法得到字符串的最后一个字母。如：

print(word1[1:-1])   #在切片中使用负数索引无法得到字符串的最后一个字母，此语句表示取出从第二个到倒数第二个字符，输出结果为：ytho

2.2 增量切片

现在，再思考一个问题，如何取word1中排在奇数位置上的字符 ？这里面，有一个叫做增量切片的概念，以增量的方式获取元素，不过需要再多使用一个冒号。代码如下所示：

print(word1[::2])    #取Python中排列在奇数位置的字符，输出结果为：Pto

3. 字符串方法

3.1 Python中的常用、简单方法

表3 Python中常用字符串方法

方法名称	含义
capitalize	将首字母转换为大写
count	计算指定字符或者字符串出现的次数
isalpha	判断字符串中所有的字符是否均为字母，如是，则返回True
isdecimal	判断字符串中的所有字符是否均为十进制数，如是，则返回True
isalnum	判断字符串中的所有字符是否为字母或者数字，如是，则返回True
lower	将字符串中的所有字母均替换为小写
upper	将字符串中的所有字母均替换为大写
strip	删除字符串头尾指定的字符，默认为删除头尾的空格
split	使用指定分隔符分割字符串，并返回一个由分割片段组成的列表

部分方法使用结果如下：

3.2 join方法

join方法带有一个参数，该参数是可迭代的容器（如列表），返回通过指定字符连接容器元素后生成的新字符串。
例如，现在为2020年12月20日，给定year=2020，month=12，day=20，让使用’-'将year-month-day连接起来。代码如下所示：

year='2020'
month='12'
day='20'
datetime='-'.join([year,month,day])
print(datetime)    #输出结果为2020-12-20

这里千万要注意一个点，即year/month/day均需为字符串类型，应写’2020’而不是2020，对于不是字符串类型的应先转换为字符串类型。

3.3 splitlines方法

splitlines方法和split方法类似。通常用于处理跨行的字符串，返回的是一个列表，其中每个元素是该跨行字符串的一行。如：

multi_str="""name:zhanjianjun
sex:male
ID:28"""
print(multi_str)

multi_str_split=multi_str.splitlines()
print()
print(multi_str_split)

输出结果为：
name:zhanjianjun
sex:male
ID:28

[‘name:zhanjianjun’, ‘sex:male’, ‘ID:28’]

4. 格式化字符串

格式化字符串的好处是：可以为字符串指定一个通用模块，并向该模块插入变量，省去了重复性工作。

4.1 格式化字符串

要实现格式化字符串，需要编写一个带有特殊占位符的字符串，并在该字符串上调用format方法，往占位符中插入变量。例如，It’s a orange; It’s a apple; It’s a tomato; It’s a banana. 发现这些字符串中均有It’s a，那么是否可以将It’s a指定为一个模块，然后往里面输入orange/apple//tomato等？实现代码如下：

#格式化字符串
fruits=['orange','apple','tomato','banana']
S=[]     #创建一个空列表，用于容纳生成的字符串
s='It\'s a {}.'    #创建一个带有特殊占位符的模块
for i in range(len(fruits)):
    S.append(s.format(fruits[i]))
print(S)

运行结果为：
[“It’s a orange.”, “It’s a apple.”, “It’s a tomato.”, “It’s a banana.”]

4.2 Python3.6以后版本的格式化字符串

f-strings是Python的新特性，与前面格式化字符串明显区别是：字符串须以f开头，这也就是用特殊方式告诉Python此处有格式化字符串；然后，直接在特殊占位符中使用变量就可以了。为了实现上面同样的问题，此处代码如下所示：

#Python3.6版本后的格式化字符串
fruits=['orange','apple','tomato','banana']
S=[]     #创建一个空列表，用于容纳生成的字符串
for i in range(len(fruits)):
    S.append(f'It\'s a {fruits[i]}.')
print(S)

运行结果为：
[“It’s a orange.”, “It’s a apple.”, “It’s a tomato.”, “It’s a banana.”]

对比4.1和4.2的结果，单从结果来看，完全一致。因此，可以根据特定环境的需要，选择合适的格式化字符串方法。

以上内容主要是归纳、总结、分析了Python中字符串和文本数据的一些属性、方法，属于基本知识，难度较小；其中格式化字符串部分可以着重学习，用途广泛。笔者水平有限，难免出现纰漏，欢迎各位看官前来交流与讨论，大家一起学习、一起进步。

5. 完整代码

#coding:utf-8

word1,word2 = 'Python','Java'   #创建两个字符串
#打印上面创建的两个字符串
print(word1)
print(word2)

print(word1[0])      #取出Python中的P字符
print(word2[-1])     #取出Java中的最后一个字符
print(word1[1:5])    #取出Python中的第2个到第5个字符（结合字符串切片）

print(word1[1:-1])   #在切片中使用负数索引无法得到字符串的最后一个字母，此语句表示取出从第二个到倒数第二个字符

print(word1[::2])    #取Python中排列在奇数位置的字符，输出结果为：Pto

year='2020'
month='12'
day='20'
datetime='-'.join([year,month,day])
print(datetime)    #输出结果为2020-12-20

multi_str="""name:zhanjianjun
sex:male
ID:28"""
print(multi_str)

multi_str_split=multi_str.splitlines()
print()
print(multi_str_split)
print()

#格式化字符串
fruits=['orange','apple','tomato','banana']
S=[]     #创建一个空列表，用于容纳生成的字符串
s='It\'s a {}.'    #创建一个带有特殊占位符的模块
for i in range(len(fruits)):
    S.append(s.format(fruits[i]))
print(S)

print()
#Python3.6版本后的格式化字符串
fruits=['orange','apple','tomato','banana']
S=[]     #创建一个空列表，用于容纳生成的字符串
for i in range(len(fruits)):
    S.append(f'It\'s a {fruits[i]}.')
print(S)