python中字符串实现原理_53、2-Python之字符串原理

不开口，没有人知道你想要什么；不去做，任何想法都只在脑海里游泳；不迈出脚步，永远找不到你前进的方向。其实你很强，只是懒惰帮了你倒忙。

字符串处理最重要的库是正则表达式库(re)，必须掌握

python链式编程思想："abc".upper().lower().split().append()

1.Python3 字符串都是Unicode 类型；(UTF-8)

Python2的字符串有两种：str和Unicode；

Python3的字符串也有两种：str和Bytes；

Python2的str相当于Python3的Bytes，而Unicode相当于Python3的Bytes。

Python2里面的str和Unicode是可以混用的，在都是英文字母的时候str和unicode没有区别。

Python3里面的str是在内存中对文本数据进行使用的，Bytes是对二进制数据使用的。

str可以encode为Bytes，但是Bytes不一定可以decode为str。实际上Bytes.decode(‘latin1’)可以称为str，也就是说decode使用的编码决定了decode()的成败，同样的，UTF-8编码的Bytes字符串用GBK去decode()也会出错。

Bytes一般来自网络读取的数据、从二进制文件(图片等)读取的数据、以二进制模式读取的文本文件(.txt, .html, .py, .cpp等)。

总结：

1、python中一切皆对象，字符对象分为两种，一种是unicode对象,一种是str对象。

2、python中字符是unicode为基础的，所以平时我们的字符串，也就是str在python内存中其实是以unicode编码存储的。

3、所以我们平时print一个字符串的时候，看到的是中文，但是如果你把这个字符串放在list里(就是外面加上[ ])，再print，就能看到原生的编码了。因为前面说了，在python内存存储中都是以unicode存储的，所以放在List里面，打印就能看见原生的存储模式。

4、str是字符串对象，但是可以有很多不同的编码，utf-8,gbk,ascii,都是编码。

5、不同编码的str对象，互相不能直接转换，也就是说utf-8编码的不能直接转换成gbk的。

6、但是不同编码的str对象都可以解码成unicode对象，因为一切数据在Python都是以unicode存储的，str.decode(编码类型)

7、unicode对象也可以编码成任意一种编码的str对象。 unicode.encode('编码类型')

8、所以不同编码的str对象可以先解码(decode)成unicode 再编码(encode)成其他编码的str对象。

9、utf-8包含国际上所有字符的编码,GBK主要包含全部中文字符，所以说我们大家爱用utf-8，因为全。

10、所以说utf-8中有一些字符，gbk没有，所以有一些Utf-8解码后再编码成gbk后会报错，因为gbk没有那种字符。

11、有一些str中可能混着有gbk,utf-8等好几种编码，所以有时候decode的时候会报错，因为你按照gbk解码，可能里面又包含了一种不识别的utf-8码得到。

12、以上两条，有没有只编码或者解码对的啊，错误的字符就跳过？

13、有，decode('utf-8','ignore'),encode('utf-8','ignore') 加一个'ignore'参数 就会忽略错误。

14、在python中可以使用chardet.detect(str)来检测一个str是什么编码的：

15、print str 或者 unicode 都会显示出正常的文字，但是python中直接显示 str是'\xe3\xbd'这种字符，unicode是 u'\u4f60' 这种的；

字符串方法

2. 字符串连接 join()方法

str_list = ['Hello', 'world']

str_join1 = ' '.join(str_list)

str_join2 = '-'.join(str_list)

print(str_join1) >>>Hello world

print(str_join2) >>>Hello-world

print("\n".join(lst)) # 字符换行；

lst=['1',['a','b','c'],'3']

print("\n".join(lst)) #lst不能打印，join对象必须为字符串；

map()高阶函数

# map(str,lst) #lst元素全部转换为字符s't'r类型；11转换

内建数据类型可以用str来转；

str对象自带的join()方法，接受一个序列参数，可以实现拼接。拼接时，元素若不是字符串，需要先转换一下。可以看出，这种方法比较适用于连接序列对象中(例如列表)的元素，并设置统一的间隔符。

当拼接长度超过20时，这种方式基本上是首选。不过，它的缺点就是，不适合进行零散片段的、不处于序列集合的元素拼接。

2.1 字符串连接 + / *( lst 加法乘法)

str_1 = 'Hello world！ '

str_2 = 'My name is Python猫.'

print(str_1 + str_2)

>>>Hello world！ My name is Python猫.

print(str_1)

>>>Hello world！

(两个难点)

1. 新入门编程的同学容易犯错，他们不知道字符串是不可变类型，新的字符串会独占一块新的内存，而原来的字符串保持不变。上例中，拼接前有两段字符串，拼接后实际有三段字符串。

2. 其次，一些有经验的老程序员也容易犯错，他们以为当拼接次数不超过3时，使用+号连接符就会比其它方式快(ps：不少Python教程都是如此建议)，但这没有任何合理根据。

事实上，在拼接短的字面值时，由于CPython中的 常数折叠 (constant folding)功能，这些字面值会被转换成更短的形式，例如'a'+'b'+'c' 被转换成'abc'，'hello'+'world'也会被转换成'hello world'。这种转换是在编译期完成的，而到了运行期时就不会再发生任何拼接操作，因此会加快整体计算的速度。

常数折叠优化有一个限度，它要求拼接结果的长度不超过20。所以，当拼接的最终字符串长度不超过20时，+号操作符的方式，会比后面提到的join等方式快得多，这与+号的使用次数无关。

3.字符串分割 split 与 partition

split系：(一刀多断)

将字符串按照分隔符分割成若干字符串，并返回列表；

partition系：(一刀两断)

将字符串按照分隔符分割成2段，返回这2段和分割符的元组；

3.1 split(sep=None, maxsplit=-1) ->list[] (一刀两断，切多刀)

1.从左到右边；

2.sep 制定分割字符串，缺省的情况下空白字符串作为分割符；(空白与空格的区别)

3.maxsplit 制定分割的次数，-1表示遍历整个字符串；

字符串分割split() 默认把空格整体当作一个分隔符来处理

>>> b'1 2 3'.split()

[b'1', b'2', b'3']

>>> b'1 2 3'.split(maxsplit=1)

[b'1', b'2 3']

>>> b' 1 2 3 '.split()

[b'1', b'2', b'3']

(','.join('abc').split(',')) ['a', 'b', 'c'] #各种方法灵活运用；

"---".join(','.join('abc').split(',')) 'a---b---c' #

1. 字符串分割split() 默认把空白字符整体当作一个分隔符来处理，返回列表；

2. 指定字符，见到字符就分割；

3.2 split、rsplit、splitiness

split()从左向右寻找，以某个元素为中心将左右分割成两个元素并放入列表中

rsplit()从右向左寻找，以某个元素为中心将左右分割成两个元素并放入列表中 #右边right

splitlines()根据换行符(\n)分割并将元素放入列表中，True/False保留分隔符；

'a,b,c,d'.rsplit(',',1)[0]

'ab c\n\nde fg\rkl\r\n123'.splitlines() #\r算一个；\n\n算两个 \r\n算一个；

--------------------------------------------

'a,b,c'

['ab c', '', 'de fg', 'kl', '123']

总结：

1.split与re.split 不是同一个东西；

3.3 partition()方法 与 rpartition ->() (切一刀)

partition() 指定分隔符，切一刀，保留分隔符,返回 元组；

"a,b,c,d".partition(',')

"a,b,c,d".partition('c')

"a,b,c,d".partition(',c,')

"a,b,c,d".rpartition(',')

---------------------------------------------------------

('a', ',', 'b,c,d')

('a,b,', 'c', ',d')

('a,b', ',c,', 'd')

('a,b,c', ',', 'd')

4.字符串大小写

python链式编程思想："abc".upper().lower().split().append()

append() ->None

split() ->[]

upper() ->str # 返回s中所有字母字符转换为大写的副本

swapcase() ->str #返回一个s中大写字母字符转换为小写，小写字母转化为大写的副本：

title() #返回s的一个副本，其中每个单词的第一个字母转换为大写，其余字母为小写

capitalize() #返回一个s的副本，第一个字符转换为大写，所有其他字符转换为小写

center() #居中宽度，填充字符

zfill() #打印宽度，居右；左边用0填充；

ljust() #左对齐；

rjust() #右对齐；

5. 字符串修改； replace(old,new[,count]) ->str

不可变类型字符串可以修改吗？

不管这个数据可不可以修改，尽量的查询，读取，少修改；

f='www.magedu.com'

f.replace('w','p')

f.replace('w','p',2)

strip 、lstrip 、rstrip(三个内建函数)

lstrip 去除字符串左边的空格；

rstrip 去除字符串右边的空格；

strip 去除字符串左右两边的空格，即把lstrip和rstrip都执行一遍；

' a b b c \td\re\n123\n\n'.strip() | 'a b b c \td\re\n123'

6.字符串查找find / rfind / index / rindex /count

find(sub[.start,end]) ->int

rfind(sub[, start[, end]]) ->int

count(sub[.start,end]) ->int

index(sub[, start[, end]]) ->indexerror

rindex(sub[, start[, end]]) ->indexerror

string6 = '我是一名Python用户，Python给我的工作带来了很多便捷。'

print(string6.index('Python')) | 4

print(string6.find('Python')) |4

index()与find()的比较：

1.index返回没找到会报错indexerror , 异常值处理毕竟有值比较好用(-1)；推荐用index方法；

2.时间复杂度：index和count方法都是O(n);随着列表数据规模的增大，效率下降；

7.字符串判断endswith startswith

endswith(suffix[,satrt[,end]]) ->bool

startswith(suffix[,satrt[,end]]) ->bool

字符串判断is系列

list(enumerate(s)) # enumerate函数

[(0, ' '),

(1, 'I'),

(2, ' '),

(3, 'a'),

(4, 'm'),

(5, ' '),

(6, 'v'),

(7, 'e'),

(8, 'r'),

(9, 'y'),

(10, ' '),

(11, ' ')]