python字符串类型

python中的字符串

python中的字符串类型为str，也是平时操作的类型。但除了str类型，还有一个专门的名为"string"的模块(导入即可知)，是很早以前没有str类型的时候用的，现在几乎不用。

在python 3.x中，字符串的类型str是Unicode的。除此之外还有byte类型、bytearray类型。关于byte和bytearray，参考bytes和bytearray、编码和解码。

一些和字符相关的官方手册：

1. string模块
2. str类型详细说明
3. 字面常量
4. byte和bytearray
5. byte和bytearray操作

字符串常量

下面是几个字符串：

'malong'
'malong\'s girl friend'  # 包含了单引号
'malong\n'               # \n换行了
"malong\n"               # 换行了
'malong
girl friend'             # 换行了
'malong\\n'              # 没换行
'''malong's girl'''      # 包含了单引号
"""malong
shuai"""                 # 换行了

python中可以使用单引号、双引号、三引号包围字符串，并可以使用反斜线转义特殊字符：

• 单、双引号是完全一致的，不像其他语言一样有强、弱引用之分
• 三引号('''xxx'''或"""xxx""")包围的字符完全是字面符号，包围什么就得到什么，包括换行，且不会进行任何转义、替换等
  • 使用这种块字符串的方式，在输入需要换行的字符串时非常方便
  • 而且可以作为块注释符注释一段代码。这表示这段被包围的代码解释为字符串，但因为没有赋值给变量，所以直接丢弃了
• 反斜线\可以转义特殊字符，例如在字符串中保留单引号"a\'b"

但是python在输出字符串的时候，总是倾向于使用单引号，除非字符串中包含了单引号。对于那些非打印字符，将总是使用十六进制的方式输出。

例如：

>>> "aaa",'aaa'
('aaa', 'aaa')

>>> print("aa\na")
aa
a
>>> print('aa\na')
aa
a

>>> '''aaaa
... aaa
... '''
'aaaa\naaa\n'

>>> '\001'    # 二进制字符，十六进制格式输出
'\x01'

raw字符串

虽然可以通过反斜线\转义去调整字符串，但带上反斜线有时候会严重影响可读性。如果不想使用反斜线转义，可以考虑使用三引号包围，也可以使用r来声明后面的字符串是raw字符串，这里面的所有字符都是字面意义的，不会进行任何转义。

例如：

>>> 'abc\nd'
'abc\nd'
>>> len('abc\nd')
5

>>> r'abc\nd'
'abc\\nd'
>>> len(r'abc\nd')
6

经常在open()函数打开Windows文件的时候会使用raw字符串。例如下面三种方式：

open('d:\new\test.txt')   # (1)
open('d:\\new\\test.txt') # (2)
open(r'd:\new\test.txt')  # (3)

(1)中解释字符串的时候，发现里面有\n和\t，它们会分别解释为换行符和制表符，这显然不可能是想要打开的文件。所以，在(2)中，使用反斜线将反斜线自身进行了转义。而(3)中使用r声明这是一个raw字符串，里面的转义序列不会进行转义，而是作为普通字符，所以这里的\表示的是路径的分隔符号。

当然，考虑到可移植性的问题，open()函数中直接使用斜线也可以表示windows中的路径分隔符。所以下面是有效的：

open('d:/new/test.txt')

注意，raw字符串不能以反斜线结尾，除非对其转义。例如r'abc\ndef\'是错误语法，但r'abc\ndef\\'是正确的语法，它表示后面有两个反斜线字符。

>>> r'abc\nd\a\\'
'abc\\nd\\a\\\\'

>>> print(r'abc\nd\a\\')
abc\nd\a\\

>>> r'abc\nd\a\'
  File "<stdin>", line 1
    r'abc\nd\a\'
               ^
SyntaxError: EOL while scanning string literal

字符串转换

数值和字符串类型不能直接放在一起操作，例如9 + "9"是错误的。要将一个数值类型转换成字符串类型，可以使用str()方法或repr()方法。

>>> str(8)
'8'
>>> repr(8)
'8'

它们都表示返回字符串类型的数据。

当使用print()输出str()或repr()转换的内容，它们的结果会不一样：

>>> print(str('a'))
a
>>> print(repr('a'))
'a'

一般来说使用str()即可，在学习到__str__()和__repr__()之前，没必要去区分str()和repr()。

操作字符串

在python中，操作字符串的方式有多种，大概概括有：

1. 字符串是一个序列，且是不可变序列，所以序列的通用操作和不可变序列的操作都能应用在str上
2. string对象自身实现了很多方法，比如大小写转换、子串搜索、截断等等
3. 字符串连接，如"abc" "def"或"abc" + "def"是等价的，都是"abcdef"，"a" * 3得到"aaa"
4. 字符串格式化(本文不介绍，因为内容太长，见后面的文章)

例如：

>>> len("abc")
3

>>> 'abc' 'def'
'abcdef'
>>> 'abc' + 'def'
'abcdef'

>>> 'abc' * 3
'abcabcabc'
>>> 3 * 'abc'
'abcabcabc'

通过字符串的乘法"*"操作，可以轻松地重复给定数量的字符。例如：

>>> print("-" * 20)
--------------------
>>> print("-" * 20)
--------------------

轻松地就能得到长度一样的分割线。

注意，这两个符号不能操作数值、字符串的混合表达式，因为python不会自动转换隐式转换数据类型。

>>> "3" + 3
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: must be str, not int

因为python中的字符串是一种序列类型，所以可以使用in来测试字符串中是否包含某个字符或子串。

>>> 'o' in "hello"
True
>>> 'a' in "hello"
False
>>> 'll' in "hello"
True

同样，因为是序列类型，可以使用for来遍历整个字符串：

>>> str = "longshuai"

>>> for i in str:
...     print(i, end=",")
...
l,o,n,g,s,h,u,a,i,

在for遍历字符串的过程中，控制变量i会取得字符串中的每个字符。

字符串的索引和分片操作

字符串是一种序列，可以应用序列的一种非常方便的分片操作。关于序列的相关操作(包括分片)，详细内容见python序列操作，此处介绍一些基本的操作。

必须注意，因为字符串是不可变对象，无法原处修改，所以无论是索引取值还是分片操作，都会创建新字符串对象。

索引取单个元素

例如，通过索引从字符串中取元素：

>>> str = "malong"
>>> str[0]
'm'
>>> str[1]
'a'

索引位可以是负数，表示从尾部开始取元素，-1表示倒数第一个元素，-2表示倒数第二个元素。

>>> str[-1]
'g'
>>> str[-2]
'n'

所以，-i的索引位等价于len() - i的索引位。

>>> str[-1]
'g'
>>> str[len(str) - 1]
'g'

分片取多个元素

分片的方式是使用[i:j]或[i:j:k]的方式，表示从索引位i开始取到索引位j(不包含j)，i或j都可以省略。如果指定了k，则表示每隔k个元素取一次，也就是取一次元素之后跳过(k-1)一个元素。i、j、k都可以使用负数。

例如：

>>> str = 'malong'
>>> str[1:3] 
'al'

[1:3]表示从索引位1取到索引位3，不包括3的元素。

可以使用负数的索引位。下面的表示从第3个元素取到倒数第2个元素，但不包含倒数第二个。

>>> str[2:-2]
'lo'

i和j都可以使用负数。

>>> str[-4:-2]
'lo'

可以省略i或j，或都省略。[:j]表示从头取到索引位为j的元素(不包含j)，[i:]表示从索引位i开始取到结尾，[:]表示从头取到尾，也就是拷贝一份字符串。

>>> str[:3]
'mal'
>>> str[:-1]
'malon'

>>> str[1:]
'along'
>>> str[-4:]
'long'

>>> str[:]
'malong'

指定k时，可以跳过指定间隔的元素。默认为1，表示每隔一个元素取一次，也就是不跳过任何元素。指定为2时表示取1次跳过一个元素。

>>> str
'malong'

>>> str[::1]
'malong'

>>> str[::2]
'mln'

所以，取奇数位的字符和偶数位的字符就很简单了。

>>> str[::2]   # 取奇数位
'mln'
>>> str[1::2]  # 取偶数位
'aog'

如果k为负数，则表示反序取元素。例如：

>>> 'abcde'[::-1]
'edcba'
>>> 'abcde'[::-2]
'eca'

再看下面反序输出的例子。

>>> 'abcdefgh'[5:0:-1]
'fedcb'

表示反序0-5的元素abcdef，但不包含0位，即得到fedcb。也就是说得到索引位1-5的反序结果。

所以：

>>> 'abcdefgh'[5:0:-2]
'fdb'

字符串方法

因为内容较多，本人已从官方手册翻译并整理成单独的文章，见python字符串方法整理

修改字符串

字符串是不可变数据类型，要修改字符串，只能通过分片新建字符串对象并进行合并，或者直接使用字符串方法。

例如：

>>> s = "hello"
>>> s[0] = "H"
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment

要修改第一个元素，可以从原始字符串中切片取出后面的字符，并结合修改的目标字符构建一个新的字符串，并赋值给原始变量。

>>> s = "hello"
>>> s = "H" + s[1:]
>>> s
'Hello'

再例如，将一个新字符串追加到源字符串的尾部：

>>> s = "hello"
>>> s = s + " world"
>>> s
'hello world'

>>> s = "hello world"
>>> s = s[:6] + "your " + s[6:]
>>> s
'hello your world'

>>> s = "hello world"
>>> where = s.find("world")
>>> where
6
>>> s = s[:where] + "your " + s[where:]
>>> s
'hello your world'

因为会创建新对象，所以会创建新内存空间。但这并不一定意味着效率会有多差，python对于不使用的内存空间会自动回收，在有可能的情况下python会立即重用这段空间。