2015/8/31 Python基础(5):字符串
字符串是Python最常见的一种类型。通过在引号间包含字符的方式创建它。Python里单双引号的作用是一致的。Python的对象类型里不存在字符型，一般用单个字符的字符串来使用。
Python的字符串是一种直接量或者说标量，Python解释器在处理字符串时把它作为单一值并且不会包含其他Python类型的。Python的字符串也是不可改变类型。字符串里的字符可以通过切片操作访问。
Python有3类字符串，通常意义字符串(str)，Unicode字符串(unicode)和抽象类字符串(basestring)。实际上前两者是最后一个的子类。而basestring是不能实例化的，如果试图实例化，会得到以下的报错信息。
>>> basestring('foo') Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: The basestring type cannot be instantiated
字符串的创建和赋值
创建一个字符串很简单，可以直接创建，也可以用str()这样的工厂函数创建。
>>> string1 = 'Pyhton' >>> string2 = "easy" #单双引号等价 >>> string3 = str(123) >>> string4 = str(range(4)) >>> string1 'Pyhton' >>> string2 'easy' >>> string3 '123' >>> string4 '[0, 1, 2, 3]'
访问字符串的字符和子串用直接索引或切片运算符
>>> aString = 'Hello World!' >>> aString[0] 'H' >>> aString[1:5] 'ello' >>> aString[6:] 'World!'
改变字符串，用赋值的方式“更新”字符串。
跟数字类型一样，字符串类型也是不可变的，每次更新都是创建新串。
删除字符和字符串
因为字符串是不可变的，要删除字符只能通过创建新串的方式实现。
>>> aString = 'Hello World!' >>> aString = aString[:3] + aString[4:] >>> aString 'Helo World!'
而删除字符串可以通过赋值一个空字符串或者del语句来清空或删除一个字符串。
在大部分应用程序里，没有必要显示删除字符串
字符串的大部分操作符是序列操作符部分，参看之前笔记。
下面是字符串和成员操作符的例子
Python的string模块里有如下预定义的字符串
>>> import string >>> string.ascii_uppercase 'ABCDEFGHIJKLMNOPQRSTUVWXYZ' >>> string.ascii_lowercase 'abcdefghijklmnopqrstuvwxyz' >>> string.ascii_letters 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ' >>> string.digits '0123456789'
我们将用这些东西来做一个Python有效标识符的小脚本
import string alphas = string.letters + '_' nums = string.digits print 'Welcome to the Identifier Checker v1.0' print 'Testees must be at least 2 chars long.' inp = raw_input('Indentifier to test?') if len(inp) > 1: if inp[0] not in alphas: print 'invalid: first symbol must be alphabetic' else: for otherChar in inp[1:]: if otherChar not in alphas + nums: print 'invalid: remaining symbols must be alphanumeric' break else: print 'okay as an identifier'
核心提示：性能
一般来说，从性能来考虑，把重复操作作为参数放到循环里是低效的
while i < len(myString): print 'character %d is:', myString[i]
这里把大部分操作浪费到重复计算myString上。如果保存这个值就可以更高效地循环。
length = len(myString) while i < length: print 'character %d is:', myString[i]
而上述例子中也存在重复的问题：
for otherChar in inp[1:]: if otherChar not in alphas + nums: ...
每次都进行一次合并操作是低效的。可以如下操作：
alphnums = alphas + nums for otherChar in inp[1:]: if otherChar not in alphas + nums:
这个脚本是课本上的例程，并不完美，一是需要让标识符的长度大于1，而是没有考虑Python的关键字。所以为了解决这两个问题，我写了如下的脚本：
#! usr/bin/env python import string import keyword alphas = string.letters + '_' nums = string.digits print 'Welcome to the Identifier Checker v2.0' inp = raw_input('Indentifier to test:') if inp in keyword.kwlist: print 'It can''t be a keyword.' elif len(inp) > 0: if inp[0] not in alphas: print 'invalid: first symbol must be alphabetic' else: for otherChar in inp[1:]: if otherChar not in alphas + nums: print 'invalid: remaining symbols must be alphanumeric' break else: print 'okay as an identifier' else: print 'It can''t be None.'
Python可以用 + 连接字符串，除此以外还有一种习惯用法。
>>> abc = 'Hello''World' >>> abc 'HelloWorld'
这种写法可以将字符串分成几部分来写，可以在换行时使用。
这个写法一样可以混用两种引号。
将普通字符串和Unicode字符串连接时，会转换成Unicode字符串
只适用于字符串的操作符
1、格式化操作符 %
| 格式化字符 | 转换方式 |
| %c | 转换成字符(ASCII 码值，或者长度为一的字符串) |
| %r | 优先用repr()函数进行字符串转换 |
| %s | 优先用str()函数进行字符串转换 |
| %d / %i | 转成有符号十进制数 |
| %u | 转成无符号十进制数 |
| %o | 转成无符号八进制数 |
| %x/%X | (Unsigned)转成无符号十六进制数(x/X 代表转换后的十六进制字符的大小写) |
| %e/%E | 转成科学计数法(e/E 控制输出e/E) |
| %f/%F | 转成浮点数(小数部分自然截断) |
| %g/%G | %e 和%f/%E 和%F 的简写 |
| %% | 输出% |
这是只适用于字符串类型的操作符，和C语言中printf()的字符串格式化非常相似，包括符号都一致。
还有如下的格式化操作符辅助指令
| 符号 | 作用 |
| * | 定义宽度或者小数点精度 |
| - | 用做左对齐 |
| + | 在正数前面显示加号( + ) |
| <sp> | 在正数前面显示空格 |
| # | 在八进制数前面显示零('0')，在十六进制前面显示'0x'或者'0X'(取决于用的是'x'还是'X') |
| % | '%%'输出一个单一的'%' |
| (var) | 映射变量(字典参数) |
| m.n | m 是显示的最小总宽度,n 是小数点后的位数(如果可用的话) |
如下使用示例
>>> '%x'%108 '6c' >>> '%X' %108 '6C' >>> '%#X' % 108 '0X6C' >>> '%f' % 1234.567890 '1234.567890' >>> '%.2f' % 1234.567890 '1234.57' >>> '%E' % 1234.567890 '1.234568E+03' >>> '%e' % 1234.567890 '1.234568e+03' >>> '%g' % 1234.567890 '1234.57' >>> '%G' % 1234.567890 '1234.57' >>> '%e' %(1111111111111) '1.111111e+12' >>> '%+d' % 4 '+4' >>> '%+d' % -4 '-4' >>> 'we are at %d%%' % 100 'we are at 100%' >>> 'Your host is: %s' %'earth' 'Your host is: earth' >>> 'Host: %s\tPort: %d' % ('mars', 80) 'Host: mars\tPort: 80' >>> num = 13 >>> 'dec: %d/oct: %#o/hex: %#X' % (num, num, num) 'dec: 13/oct: 015/hex: 0XD' >>> "MM/DD/YY = %02d/%02d/%d" % (2, 15, 67) 'MM/DD/YY = 02/15/67' >>> w, p = 'Web', 'page' >>> 'http://xxx.yyy.zzz/%s/%s.html' % (w, p) 'http://xxx.yyy.zzz/Web/page.html'
字符串格式化操作符还是个调试工具。所有的Python对象都有一个字符串表示形式
print语句自动为每个对象调用str()
2、字符串模板
字符串的缺点是它不是那么直观，比如说用字典形式转换出现遗漏转换类型符号的错误。为了保证转换正确，必须记住转换类型参数。
新式的字符串模板的优势是不用去记住所有的相关细节。而是用美元符号($)
Template对象有两个方法，substitue()和safe_substitue().前者严谨，在key缺少的情况下它会报一个KeyError的异常，后者在缺少时，直接原封不动地显示字符串。
>>> from string import Template >>> s = Template('There are ${howmany} ${lang} Quotation Symbols') >>> print s.substitute(lang='Python', howmany=3) There are 3 Python Quotation Symbols >>> print s.substiture(lang='Python') Traceback (most recent call last): File "<pyshell#3>", line 1, in <module> print s.substiture(lang='Python') AttributeError: 'Template' object has no attribute 'substiture' >>> print s.safe_substitute(lang='Python') There are ${howmany} Python Quotation Symbols
3、原始字符串操作符(r/R)
有些字符是特殊字符转义字符，我们需要直接打印它们时会很麻烦。
所以Python提供了原始字符串，在原始字符串中，所有的字符只是字面意思，没有其他意义。
>>> '\n' '\n' >>> print '\n' >>> r'\n' '\\n' >>> print r'\n' \n
4、Unicode字符串操作符(u/U)
使用方法和原始字符操作符一致，将标准字符串对象转成Unicode字符串对象。
内建函数
标准内建函数的cmp()不赘述
序列类型函数
len()
max()和min()
enumerate()
zip()
除了zip()函数以外，都在之前博文中讲到了。zip()的作用如下：
>>> s, t = 'foa', 'obr' >>> zip(s, t) [('f', 'o'), ('o', 'b'), ('a', 'r')]
字符串类型函数
raw_input()
用给定字符串提示用户输入并将输入返回。
str()和unicode()
不赘述
chr(),unichr()和ord()
chr()是输入一个范围在0到255的整数参数，返回一个对应的字符串。
unichr()是返回Unicode字符，范围也更大。
ord()是chr()的配对函数，给字符返回ascii参数
|
方法 |
描述 |
|
string.capitalize() |
把字符串的第一个字符大写 |
|
string.center(width) |
返回一个原字符串居中,并使用空格填充至长度 width 的新字符串 |
|
string.count(str, beg=0, end=len(string)) |
返回 str 在 string 里面出现的次数，如果 beg 或者 end 指定则返回指定范围内 str 出现的次数 |
|
string.decode(encoding='UTF-8', errors='strict') |
以 encoding 指定的编码格式解码 string，如果出错默认报一个 ValueError 的 异 常 ， 除 非 errors 指 定 的 是 'ignore' 或 者'replace' |
|
string.encode(encoding='UTF-8', errors='strict') |
以 encoding 指定的编码格式编码 string，如果出错默认报一个ValueError 的异常，除非 errors 指定的是'ignore'或者'replace' |
|
string.endswith(obj, beg=0, end=len(string)) |
检查字符串是否以 obj 结束，如果beg 或者 end 指定则检查指定的范围内是否以 obj 结束，如果是，返回 True,否则返回 False. |
|
string.expandtabs(tabsize=8) |
把字符串 string 中的 tab 符号转为空格，默认的空格数 tabsize 是 8. |
|
string.find(str, beg=0, end=len(string)) |
检测 str 是否包含在 string 中，如果 beg 和 end 指定范围，则检查是否包含在指定范围内，如果是返回开始的索引值，否则返回-1 |
|
string.index(str, beg=0, end=len(string)) |
跟find()方法一样，只不过如果str不在 string中会报一个异常. |
|
string.isalnum() |
如果 string 至少有一个字符并且所有字符都是字母或数字则返 回 True,否则返回 False |
|
string.isalpha() |
如果 string 至少有一个字符并且所有字符都是字母则返回 True, 否则返回 False |
|
string.isdecimal() |
如果 string 只包含十进制数字则返回 True 否则返回 False. |
|
string.isdigit() |
如果 string 只包含数字则返回 True 否则返回 False. |
|
string.islower() |
如果 string 中包含至少一个区分大小写的字符，并且所有这些(区分大小写的)字符都是小写，则返回 True，否则返回 False |
|
string.isnumeric() |
如果 string 中只包含数字字符，则返回 True，否则返回 False |
|
string.isspace() |
如果 string 中只包含空格，则返回 True，否则返回 False. |
|
string.istitle() |
如果 string 是标题化的(见 title())则返回 True，否则返回 False |
|
string.isupper() |
如果 string 中包含至少一个区分大小写的字符，并且所有这些(区分大小写的)字符都是大写，则返回 True，否则返回 False |
|
string.join(seq) |
Merges (concatenates)以 string 作为分隔符，将 seq 中所有的元素(的字符串表示)合并为一个新的字符串 |
|
string.ljust(width) |
返回一个原字符串左对齐,并使用空格填充至长度 width 的新字符串 |
|
string.lower() |
转换 string 中所有大写字符为小写. |
|
string.lstrip() |
截掉 string 左边的空格 |
|
string.partition(str) |
有点像 find()和 split()的结合体,从 str 出现的第一个位置起,把 字 符 串 string 分 成 一 个 3 元 素 的 元 组 (string_pre_str,str,string_post_str),如果 string 中不包含str 则 string_pre_str == string. |
|
string.replace(str1, str2, num=string.count(str1)) |
把 string 中的 str1 替换成 str2,如果 num 指定，则替换不超过 num 次. |
|
string.rfind(str, beg=0,end=len(string) ) |
类似于 find()函数，不过是从右边开始查找. |
|
string.rindex( str, beg=0,end=len(string)) |
类似于 index()，不过是从右边开始. |
|
string.rjust(width) |
返回一个原字符串右对齐,并使用空格填充至长度 width 的新字符串 |
|
string.rpartition(str) |
类似于 partition()函数,不过是从右边开始查找. |
|
string.rstrip() |
删除 string 字符串末尾的空格. |
|
string.split(str="", num=string.count(str)) |
以 str 为分隔符切片 string，如果 num有指定值，则仅分隔 num 个子字符串 |
|
string.splitlines(num=string.count('\n')) |
按照行分隔，返回一个包含各行作为元素的列表，如果 num 指定则仅切片 num 个行. |
|
string.startswith(obj, beg=0,end=len(string)) |
检查字符串是否是以 obj 开头，是则返回 True，否则返回 False。如果beg 和 end 指定值，则在指定范围内检查. |
|
string.strip([obj]) |
在 string 上执行 lstrip()和 rstrip() |
|
string.swapcase() |
翻转 string 中的大小写 |
|
string.title() |
返回"标题化"的 string,就是说所有单词都是以大写开始，其余字母均为小写(见 istitle()) |
|
string.translate(str, del="") |
根据 str 给出的表(包含 256 个字符)转换 string 的字符, 要过滤掉的字符放到 del 参数中 |
|
string.upper() |
转换 string 中的小写字母为大写 |
|
string.zfill(width) |
返回长度为 width 的字符串，原字符串 string 右对齐，前面填充0 |
以上的函数不写使用例程了。数量很多，很多很有用。
字符串的独特特性
特殊字符串和控制字符
特殊字符串大多是反斜杠转义的，像普通字符串一样存储到Python的字符串中。
因为Python和C语言不同，结束并不是NUL(\000)，NUL和其他反斜杠转义符没有区别，所以一个字符串中可以在任意位置出现NUL
三引号控制字符串。用三引号括起来的字符串可以跨越多行，使控制简单：
>>> foo = '''abcd efg''' >>> foo 'abcd\n efg' >>> print foo abcd efg
字符串关键点总结
引号分隔的一些字符（单双三引号）
不可分字符类型
字符串格式化操作符(%)提供类似printf()的功能
三引号
原始字符串操作符（r/R）
Python字符串不以NUL或者'\0'结束
