python字符串操作

拼接字符串

• 使用“+”运算符可完成对多个字符串的拼接，“+”运算符可以连接多个字符串并产生一个字符串对象。
• 字符串不允许直接与其他类型数据拼接。
• 如果要用来和其他类型拼接，先用str（）函数转换成字符串类型。

str1 = 'Hello World'
str2 = '你好，世界'
print(str1+str2)
num = 2021
print(str1+str2+str(num))

计算字符串长度

由于不同的字符所占字节数不同，所以要计算字符串长度，需先了解字符所占字节数。在python中，数字、英文、小数点、下划线和空格占一个字节：一个汉字可能占2-4个字节，具体根据采用的编码决定。汉子在GBK/GB2312编码中占2个字节，UTF-8/Unicode编码中一般占用3或4个字节。python默认为UTF-8编码，一般一个汉字占3个字节。

str1 = '人生苦短，我用python!'
print(len(str1))             #结果为14

默认情况下，len函数计算字符串长度，不区分英文、数字和汉字，所有字符按一个字符计算。

注：
在实际开发中，有时需要获取字符串实际所占字节数，这时可以使用encode()方法进行编码后获取。

str1 = '人生苦短，我用python!'
print(len(str1.encode()))      #UTF-8结果为28
print(len(str1.encode('gbk'))) #gbk结果为21

截取字符串

语法格式：string[start : end : step]

string:表示截取的字符串;
start:表示要截取的第一个索引（包括该字符），没用默认为0;
end:表示要截取的最好一个字符的索引（不包括该字符），没有默认字符串长度;
step:表示切片的步长，如果省略，默认为1;
进行截取时，如果指定索引不存在，则会抛出异常。

programer_1 = '你知道我的生日吗？'		# 程序员甲问程序员乙的台词
print('程序员甲说：',programer_1)		# 输出程序员甲的台词
programer_2 = '输入你的身份证号码。'	# 程序员乙的台词
print('程序员乙说：',programer_2)		# 输出程序员乙的台词
idcard = '123456199006277890'		# 定义保存身份证号码的字符串
print('程序员甲说：',idcard)		# 程序员乙说出身份证号码
birthday = idcard[6:10] + '年' + idcard[10:12] + '月' + idcard[12:14] + '日'   # 截取生日
print('程序员乙说：','你是' + birthday + '出生的，所以你的生日是' + birthday[5:]) # 输出程序员乙的生日

分割字符串

语法格式：string.split(sep,maxsplit)

string:指定要分割的字符串；
sep:指定分隔符，可以包含多个字符，默认为None，即空字符（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，则分割次数没用限制，否则返回结果的元素个数，个数最多为maxsplit+1；
返回值是字符串列表；

str1 = '分割一个字符串 >>> http://www.baidu.com'
print('原字符串：',str1)
list1 = str1.split()
list2 = str1.split('>>>')
list3 = str1.split('.')
list4 = str1.split(' ',4)		#用空格进行分割，只分割前4个空格
print(str(list1)+'\n'+str(list2)+'\n'str(list3)+'\n'str(list4))
list5 = str1.split('>')
print(list5)

合并字符串

语法格式：strnew = string.join(iterable)

strnew：表示合并生成的新字符串；
string：字符串类型，用于指定合并时的分隔符；
iterable: 可迭代对象，比如列表，字符串，元组等。

list_friend = ['扎克伯格','俞敏洪','马云','马化腾']  # 好友列表
str_friend = ' @'.join(list_friend)  # 用空格+@符号进行连接
at = '@'+str_friend  # 由于使用join()方法合并时，第一个元素前不加分隔符，所以需要在前面加上@符号
print('您要@的好友：',at)

检索字符串

语法格式：str.count(sub[,start[,end]])
用于检索指定字符串在另一个字符串中出现的次数

str：表示原字符串；
sub：表示要检索的子字符串；
start:可选参数，表示检索范围的起始位置的索引，如果不指定，则从头开始检索；
end：可选参数，表示检索范围的结束位置的索引，如果不指定，则一直检索打末尾。

find()方法

语法格式：str.find(sub[,start[,end]])
用于检索是否包含指定的子字符串。

str：表示原字符串；
sub：表示要检索的子字符串；
start:可选参数，表示检索范围的起始位置的索引，如果不指定，则从头开始检索；
end：可选参数，表示检索范围的结束位置的索引，如果不指定，则一直检索打末尾。

补充：
如果只需要判断存在可以不用find用in，如果没找到则会返回-1，如果想从右边往左边找，可以用rfind()方法。

index()方法

语法格式：str.index(sub[,start[,end]])
index()方法和find()方法类似，用于检索是否包含指定的子字符串，区别是如果不存在会抛出

str：表示原字符串;
sub：表示要检索的子字符串;
start:可选参数，表示检索范围的起始位置的索引，如果不指定，则从头开始检索;
end：可选参数，表示检索范围的结束位置的索引，如果不指定，则一直检索打末尾。

startswith()方法

语法格式：str.startswith(sub[,start[,end]])
用于检索字符串是否是以指定子字符串开头，是返回True，不是返回False

str：表示原字符串;
sub：表示要检索的子字符串;
start:可选参数，表示检索范围的起始位置的索引，如果不指定，则从头开始检索;
end：可选参数，表示检索范围的结束位置的索引，如果不指定，则一直检索打末尾索打末尾。

endswith()方法

语法格式：str.endswith(sub[,start[,end]])
用于检索字符串是否是以指定子字符串结尾，是返回True，不是返回False

str：表示原字符串;
sub：表示要检索的子字符串;
start:可选参数，表示检索范围的起始位置的索引，如果不指定，则从头开始检索;
end：可选参数，表示检索范围的结束位置的索引，如果不指定，则一直检索打末尾。

去除字符串中空格和特殊字符

strip()方法
用于去除字符串两侧的空格和特殊字符。

lstrip()方法
用于去除字符串左侧的空格和特殊字符。

rstrip()方法
用于去除字符串右侧的空格和特殊字符。
特殊字符指：
制表符\t，回车符 \r 、 换行符\n等。

格式化字符串格式一

格式化字符串是指先指定一个模板，在这个模板中预留几个空位，然后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（也称为站位符），而这些符号还不会显示出来。

• 使用“%”操作符
  语法格式：'%[-][+][0][m][.n]格式化字符'%exp (注意别漏了单引号)

-：可选参数，用于指定左对齐，正数前方无符号，负数前面加负号；
+：可选参数，用于指定右对齐，正数前方加正号，负数前面加负号；
0：可选参数，表示右对齐，正数前方无符号，负数前方加负号，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；
exp：要转换的项，如果要指定多个，需要通过元组，但不能用列表。

• 常用格式化字符串
  

实例

template = '编号：%09d\t公司名称： %s\t官网：http://www.%s.com' 
context1 = (7,'百度','baidu')
context2 = (8,'新浪','sina')
print(template%context1)
print(template%context2)

格式化字符串格式二（常用）

现在大部分不怎么使用%方法，而是使用第二种format对象来实现格式化。

• 使用字符串对象的format()方法
  语法格式：template.format(args)

template:用于指定字符串的显示样式（即模板）的字符串
args:用于指定要转换的项，如果有多项，则用逗号进行分割。

• 创建模板时，需要使用“{}”和“:”指定占位符
  语法格式：{[index][:[[fill]align][sign][#][width][.precision][type]]}

index:可选参数，用于指定要设置格式对象在参数列表中的索引位置
fill:可选参数，指定空白处填充的字符
align:可选参数，用于指定对齐方式（“<”:左对齐，“>”:右对齐，“=”：右对齐，只对数字有效，“^”:表示居中和width一起使用。）
sign:可选参数，用于指定有无符号数（正数，负数）
#:可选参数，对二进制数，八进制数，和十六进制数，加上#会显示0b/0o/0x前缀
width:可选参数，用于指定宽度
.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

实例

import math  						# 导入Python的数学模块
print('1251+3950的结果是（以货币形式显示）：￥{:,.2f}元'.format(1251+3950))	# 以货币形式显示
print('{0:.1f}用科学计数法表示：{0:E}'.format(120000.1))  		# 用科学计数法表示
print('π取5位小数：{:.5f}'.format(math.pi))  			# 输出小数点后五位
print('{0:d}的16进制结果是：{0:#x}'.format(100))  			# 输出十六进制数
print('天才是由 {:.0%} 的灵感，加上 {:.0%} 的汗水 。'.format(0.01,0.99))  	# 输出百分比，并且不带小数

字符串编码转换

最早的字符串编码时美国标准信息交换吗，即ASCII码。它仅有10个数字，26个大小写字母，26个小写英文字母及一些其他符号进行编码。ASCII码最多只能表示256个符号，每个字符占一个字节。GBK和GB2312是我国制定的中文编码规则，使用一个字节表示英文字母，2个字节表示中文。UTF-8是国际通用编码，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，3个字节表示中文。

在python中，有两种常用的字符串类型，分别问str和bytes。其中str表示Unicode字符即ASCII；bytes表示二进制数据。这两种类型的字符串不能拼接在一起使用。通常情况下，str在内存中以Unicode表示，一个字符对应若干个字节。但是如果在网络传输，或者保存到硬盘，就需要str转换成字节类型即bytes。

• bytes类型的数据是带有b前缀的字符串（用单引号或双引号）
  例如：b’\xd2\xb0 和b’mr’都是bytes类型
• str类型和bytes类型可以用encode()和decode()方法相互转换

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”。

语法格式：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gb2312。当只有这一个参数时，也可以省略前面的“encoding=”，直接写编码;
• errors = “strict”：可选参数，用于指定错误处理方式，其可选择值可以是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，默认值为strict。

实例

verse = '野渡无人舟自横' 			
byte = verse.encode('GBK')		# 采用GBK编码转换为二进制，不处理异常
print('原字符串：',verse)  		# 输出原字符串（没有改变）
print('转换后：',byte)  		# 输出转换后的二进制数据，如果用UTF-8来转换呢？

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，即将使用encode()方法转换的结果在转换为字符串，也称为“解码”

语法格式：bytes.decode([encoding= “utf-8”][,errors= “strict”]

• bytes:表示要进行转换的二进制数据，通常是encode()方法转换的结果
• 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gb2312。当只有这一个参数时，也可以省略前面的“encoding=”，直接写编码。
• errors = “strict”：可选参数，用于指定错误处理方式，其可选择值可以是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，默认值为strict。

实例

verse = '野渡无人舟自横' 			
byte = verse.encode('GBK')		# 采用GBK编码转换为二进制，不处理异常
print('原字符串：',verse)  		# 输出原字符串（没有改变）
print('转换后：',byte)  		# 输出转换后的二进制数据，如果用UTF-8来转换呢？
print('解码后：',byte.decode('GBK')) 	# 对二进制数据进行解码