Python 字符串

作者：billy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

字符串编码转换

说起字符串，不得不提的就是字符编码，让我们先简单回顾一下字符串编码的发展史。

• 最早的字符串编码，是美国的标准信息交换码，即 ASCII 码。它仅对 10 个数字、26 个大写英文字母、26 个小写英文字母，以及一些其他符号进行了编码。ASCII 码最多只能表示 256 个字符，每个字符占一个字节。
• 随着信息技术的发展，各国的文字都需要进行编码，于是出现了 GBK、GB2313、UTF-8 等编码。其中 GBK 和 GB2313 是我国制定的中文编码标准，使用一个字节表示英文字母，2 个字节表示中文字符。
• 而 UTF-8 是国际通用的编码，对全世界所有国家需要用到的字符都进行了编码。UTF-8 采用一个字节表示英文字符，3 个字节表示中文。在 Python 3.x 中，默认采用的编码格式是 UTF-8，采用这种编码有效的解决了中文乱码的问题。

1. 使用 encode() 方法编码
   encode() 方法为 str 对象的方法，用于将字符串转换为二进制数据（即 bytes），也称为 “编码”，其语法格式如下：
   str.encode([encoding="utf-8"][,errors="strict"])
   str：表示要进行转换的字符串；
   encoding=“utf-8”：可选参数，用于指定进行转码时采用的字符编码，默认为 UTF-8。如果想使用简体中文，也可以设置为 GB2313。当只有这一个参数时，也可以省略前面的 “encoding=”，直接写编码；
   error=“strict”：可选参数，用于指定错误处理方式。可以选择的值有：strict（遇到非法字符就抛出异常）、ignore（忽略非法字符）、replace（用 “?” 替换非法字符）或 xmlcharrefreplace（使用XML的字符引用）等，默认是 strict；

示例：

verse = "野渡无人舟自横"
byte1 = verse.encode("GBK")
byte2 = verse.encode("UTF-8")
print("原字符串为：", verse)
print("转换 GBK 后：", byte1)
print("转换 UTF-8 后：", byte2)

上述例子的运行结果为：

原字符串为： 野渡无人舟自横
转换 GBK 后： b'\xd2\xb0\xb6\xc9\xce\xde\xc8\xcb\xd6\xdb\xd7\xd4\xba\xe1'
转换 UTF-8 后： b'\xe9\x87\x8e\xe6\xb8\xa1\xe6\x97\xa0\xe4\xba\xba\xe8\x88\x9f\xe8\x87\xaa\xe6\xa8\xaa'

bytes 类型的数据是带有 b 前缀的字符串（用单引号或双引号表示）

2. 使用 decode() 方法解码
   decode() 方法为 bytes 对象的方法，用于将二进制数据转换为字符串，即把使用 encode() 方法转换的结果再转换为字符串，也称为 “解码”，其语法格式如下：
   bytes.decode([encoding="utf-8"][,errors=""strict])

示例：

byte = b'\xd2\xb0\xb6\xc9\xce\xde\xc8\xcb\xd6\xdb\xd7\xd4\xba\xe1'
verse = byte.decode("GBK")
print("解码后：", verse)

上述例子的运行结果为：解码后： 野渡无人舟自横

字符串常规操作

1. 拼接字符串
   使用 ‘+’ 运算符对多个字符串进行拼接，产生一个字符串对象。字符串不允许直接与其他类型的数据拼接，需要先使用 str() 函数转换为字符串。

示例：

str1 = "我今天一共走了 "
num = 12500
str2 = " 步"
print(str1 + str(num) + str2)

上述例子的运行结果为：我今天一共走了 12500 步

2. 计算字符串长度
   Python 中提供了 len() 函数获取字符串的长度。

示例：

str = "人生苦短，我用 Python"
length1 = len(str)
length2 = len(str.encode("UTF-8"))
print("字符串长度为：", length1)
print("UTF-8 编码的字符串长度为：", length2)

上述例子的运行结果为：

字符串长度为： 14
UTF-8 编码的字符串长度为： 28

使用 len() 函数计算长度时，不区分英文、数字和汉字，所有字符都认为是一个长度。如果需要获取实际的字符串长度，需要使用 encode() 编码后再获取

3. 截取字符串
   由于字符串也属于序列，所以要截取字符串，可以采用切片的方法来实现。

示例：

str = "人生苦短，我用 Python"  # 定义字符串
substr1 = str[1]            # 截取第 2 个字符
substr2 = str[5:]           # 从第 6 个字符开始截取
substr3 = str[:5]           # 从左边开始截取 5 个字符
substr4 = str[2:8]          # 截取第 3 个到第 8 个字符
print(substr1)
print(substr2)
print(substr3)
print(substr4)

上述例子的运行结果为：

生
我用 Python
人生苦短，
苦短，我用 

在截取字符串时，如果指定索引不存在，则会抛出异常。可以使用 try…except 语句捕获异常

4. 分割、合并字符串
   字符串对象的 split() 方法可是实现字符串的分割。即把一个字符串按照指定的分隔符切分为字符串列表。该列表的元素中，不包括分隔符，语法格式如下：
   str.split(sep, maxsplit)
   str：表示要进行分割的字符串；
   sep：用于指定分隔符，可以包含多个字符串，默认为 None，即所有空字符（包括空格、换行 “\n”、制表符 “\t” 等）；
   maxsplit：可选参数，用于指定分割的次数，如果不指定或者为 -1，则分割次数没有限制，否则返回结果列表的元素个数最多为 maxsplit + 1；
   返回值：分割后的字符串列表；

示例：

str = "我 要 上 百 度 >>> www.baidu.com 看 电 影 ！"  # 定义字符串
list1 = str.split()
list2 = str.split('>')
list3 = str.split('.')
list4 = str.split(' ', 4)
list5 = str.split('<')
print(str)
print(list1)
print(list2)
print(list3)
print(list4)
print(list5)

上述例子的运行结果为：

我 要 上 百 度 >>> www.baidu.com 看 电 影 ！
['我', '要', '上', '百', '度', '>>>', 'www.baidu.com', '看', '电', '影', '！']
['我 要 上 百 度 ', '', '', ' www.baidu.com 看 电 影 ！']
['我 要 上 百 度 >>> www', 'baidu', 'com 看 电 影 ！']
['我', '要', '上', '百', '度 >>> www.baidu.com 看 电 影 ！']
['我 要 上 百 度 >>> www.baidu.com 看 电 影 ！']

注意：在 split() 方法中，如果不指定 sep 参数，那么也不能指定 maxsplit 参数

合并字符串与拼接字符串不同，它会将多个字符串采用固定的分隔符连接在一起。合并字符串可以使用字符串对象的 join() 方法实现，其语法格式如下：
strnew = string.join(iterable)
strnew：表示合并后生成的新字符串；
string：字符串类型，用于指定合并时的分隔符；
iterable：可迭代对象。该迭代对象中所有的元素（字符串表示）将被合并为一个新的字符串，string 作为边界点分割出来；

示例：

list = ["马云", "马化腾", "马三立", "马克思", "马屁精"]
str = ' @'.join(list)
print("您要@的好友：" + '@' + str)

上述例子的运行结果为：您要@的好友：@马云 @马化腾 @马三立 @马克思 @马屁精

5. 检索字符串
   Python 中提供的一些检索字符串的方法

函数	功能说明
count()	用于检索指定字符串在另一个字符串中出现的次数，不存在返回 0
find()	用于检索是否包含指定的子字符串，不存在返回 -1
index()	也是用于检索是否包含子字符串，不存在是抛出异常
startswith()	用于检索字符串是否以指定字符串开头，是返回 True，否则返回 False
endswith()	用于检索字符串是否以指定字符串结尾，是返回 True，否则返回 False

示例：

str = "马云改变了我的购物方式，马化腾改变了我的交流方式，马三立提高了我的幽默感，" \
      "马蓉颠覆了我三观，马屁精永远是照亮仕途的一盏明灯，马赛克阻挡了我对人类文明的探索，总之姓马的都很厉害！"
test_count = str.count("马")
test_find = str.find("幽默感")
test_index = str.index("马化腾")
test_startswith = str.startswith("马")
test_endswith = str.endswith("马")
print(test_count)
print(test_find)
print(test_index)
print(test_startswith)
print(test_endswith)

上述例子的运行结果为：

7
33
12
True
False

6. 字母的大小写转换
   字符串对象的 lower() 方法用于将字符串中的全部大写字母转换为小写字母。而 upper() 方法用于将字符串中的全部小写字母转换为大写字母。

示例：

str = "Python - The Great Devil"
test_lower = str.lower()
print(str)
print(test_lower)

test_upper = str.upper()
print(str)
print(test_upper)

上述例子的运行结果为：

Python - The Great Devil
python - the great devil
Python - The Great Devil
PYTHON - THE GREAT DEVIL

根据上述结果我们可以得知：lower() 和 upper() 不会改变原字符串

7. 去除字符串中的空格和特殊字符
   用户在输入的时候，可能会无意中输入多余的空格，或在一些情况下，字符串前后不允许出现空格和特殊字符，此时就需要去除字符串中的空格和特殊字符。
   这里的特殊字符是指制表符 \t、回车符 \r、换行符 \n 等

函数	功能说明
strip()	用于去除字符串左右两侧的空格和特殊字符
lstrip()	用于去除字符串左侧的空格和特殊字符
rstrip()	用于去除字符串右边的空格和特殊字符

示例：

str = "   人生苦短，我用 Python  \t\n\r"
test_strip = str.strip()
test_lstrip = str.lstrip()
test_rstrip = str.rstrip()
print(str)
print(test_strip)
print(test_lstrip)
print(test_rstrip)

上述例子的运行结果为：

   人生苦短，我用 Python   

人生苦短，我用 Python
人生苦短，我用 Python 

   人生苦短，我用 Python

8. 格式化字符串
   格式化字符串的意思是先制定一个模板，在这个模板中预留几个空位，然后再根据需要填上相应的内容。这些空位需要通过指定的符号标记（也称为占位符），而这些符号不会显示出来。

可以使用 “%” 操作符实现格式化字符串，语法格式如下：
'%[-][+][0][m][.n]格式化字符'%exp
-：可选参数，用于指定左对齐，正数前面无符号，负数前面加负号；
+：可选参数，用于指定右对齐，正数前面加正号，负数前面加负号；
0：可选参数，表示右对齐，正数前面无符号，负数前面加负号，用 0 填充空白处（一般与 m 参数一起使用）
m：可选参数，表示占有宽度；
.n：可选参数，表示小数点后保留的位数；
格式化字符：用于指定类型，其值如下表：

格式字符	说明	格式字符	说明
%s	字符串（采用 str() 显示）	%r	字符串（采用 repr() 显示）
%c	单个字符	%o	八进制整数
%d 或者 %i	十进制整数	%e	指数（基底写为 e）
%x	十六进制整数	%E	指数（基底写为 E）
%f 或者%F	浮点数	%%	字符%

exp：要转换的项。如果要指定的项有多个，需要通过元组的形式进行指定，不能使用列表；

示例：

template = "编号: %09d\t 公司名称: %s\t 官网: http://www.%s.com"
context1 = (7, "百度", "baidu")
context2 = (8, "谷歌", "google")
print(template % context1)
print(template % context2)

上述例子的运行结果为：

编号: 000000007  公司名称: 百度  官网: http://www.baidu.com
编号: 000000008  公司名称: 谷歌  官网: http://www.google.com

“%” 操作符是早期 Python 中提供的方法，自从 Python 2.6 版本开始，字符串对象提供了 format() 方法对字符串进行格式化，其语法格式如下：
str.format(args)

下面重点介绍如何创建模板，在创建模板时，需要使用 “{}” 和 “:” 指定占位符，语法如下：
{[index][ :[[fill]align][sign][#][width][.precision][type] ]}
index：可选参数，用于指定要设置格式的对象在参数列表中的索引位置，索引值从 0 开始。如果省略，则根据值得先后顺序自动分配；
fill：可选参数，用于指定空白处填充的字符；
align：可选参数，用于指定对齐方式（值为 ‘<’ 表示内容左对齐、值为 ‘>’ 表示内容右对齐、值为 ‘=’ 表示内容右对齐，将符号放在填充内容的最左侧，且只对数字类型有效、值为 ‘^’ 表示内容居中），需要配合 width 一起使用；
sign：可选参数，用于指定有无符号数（值为 ‘+’ 表示正数加正号，负数加负号、值为 ‘-’ 表示正数不变，负数加负号、值为空格表示正数加空格，负数加负号）；
#：可选参数，对于二进制、八进制和十六进制，如果加上 ‘#’，表示会显示 0b/0o/0x 前缀，否则不显示前缀；
width：可选参数，用于指定所占宽度；
.precision：可选参数，用于指定保留的小数位数；
type：可选参数，用于指定类型，其值如下表：

格式符号	说明	格式符号	说明
S	对字符串类型格式化	b	将十进制整数自动转换为二进制表示再格式化
D	十进制整数	o	将十进制整数自动转换为八进制表示再格式化
C	将十进制整数自动转换成对应的 Unicode 字符	x 或者 X	将十进制整数自动转换为十六进制表示再格式化
e 或者 E	转换为科学计数法表示再格式化	f 或者 F	转换为浮点数（默认小数点后保留 6 位）再格式化
g 或者 G	自动在 e 和 f 或者 E 和 F 中切换	%	显示百分比（默认显示小数点后 6 位）

示例：

template = '编号: {:0>9s}\t 公司名称: {:s}\t 官网: http://www.{:s}.com'
context1 = template.format('7', "百度", "baidu")
context2 = template.format('8', "谷歌", "google")
print(context1)
print(context2)

上述例子的运行结果为：

编号: 000000007  公司名称: 百度  官网: http://www.baidu.com
编号: 000000008  公司名称: 谷歌  官网: http://www.google.com

在实际开发中，数值类型有多种显示方式，比如货币形式、百分比形式等，使用 format() 方法可以将数值格式化为不同的形式

示例：

import math
print('1251 + 3950 的结果是（以货币形式显示）：¥{:,.2f}元'.format(1251 + 3950))
print('{0:.1f} 用科学计数法表示是：{0:E}'.format(120000.1))
print('π 取 8 位小数点：{:.8f}'.format(math.pi))
print('{0:d} 的 16 进制结果是：{0:#x}'.format(100))
print('天才是由 {:.0%} 的灵感，加上 {:.0%} 的汗水'.format(0.01, 0.99))

上述例子的运行结果为：

1251 + 3950 的结果是（以货币形式显示）：¥5,201.00元
120000.1 用科学计数法表示是：1.200001E+05
π 取 8 位小数点：3.14159265
100 的 16 进制结果是：0x64
天才是由 1% 的灵感，加上 99% 的汗水

更多请参考

• Python 进阶之路