4.6. 字符串

字符串也是一种数据类型，比如 "abc" 、 "~!@#$" 、 "我是好人" 等用来表示人类语言，在编程过程中我们会经常和字符串打交道，python提供了很多处理字符串的方法，如 replace 、 find 、 lower 等等，后面会一一介绍

4.6.1. 编码

在介绍字符串之前，我们先来了解一下编码，大家都知道在计算机中数据都是以二进制保存的，也就是 01101111001010 这样子，那我们如何保存字符串呢？因为最开始计算机在美国比较流行，美国讲英语，也就26个字母，算上大小写再加上数字标点符号也不够127个，所以美国人把他们用到的字符集用一个字节就可以完全表示了，如B可以用66表示，即 01000010，美国人把这种编码规则叫做 ASCII 码。

Note

在计算机中一位二进制叫做一位，即1 bit，8位叫一个字节

再后来呢，计算机开始在全世界流行了，但是其它国家并不全使用英文字母语言，比如欧洲很多国家（如德国、法国、瑞典、俄罗斯、波兰等）的字母就和英文字母不一样，其它国家就更不用说了，中国就有几万个汉字，日本也有一万多汉字还有平假名、片假名，所以这些国家也开始制定自己国家语言的字符集，如中国的字符集 gbk 即 GB2312 、 gbk 编码是兼容 ASCII 编码的，但是因为汉字太多了，所以使用了两个字节表示，两个字节16位，也就是最多可以表示65536个字符，足够用了。同时其它国家也制定了类似 gbk 这样的字符集，好吧，这下子乱了套了，比如在中国字符集中用 0b1100111011010010 来表示 我 ，但翻译成日文字符集（Shift_JIS）却就成了 ﾎﾒ ，假如一个字符串中同时包括中文和日文，这叫计算机怎么解码呢？按中文编码解是错的，按日文也是错的，好纠结。。。

In [54]: wo = u'我'

In [55]: wo_gbk = wo.encode('gbk')

In [56]: wo_gbk
Out[56]: '\xce\xd2'

In [57]: print(wo_gbk.decode('Shift_JIS'))
ﾎﾒ

In [58]:

于是乎，编码这个问题成了计算机的一个大问题，为了解决这个问题，ISO制定了一个宏大的计算，把全世界的字符都包含进来，全名为 unicode 也叫 统一码 、万国码 ，unicode一般占用2个字节，下面我们显示一下在python里定义unicode字符

In [1]: ustr = u"我是好人"

In [2]: ustr
Out[2]: u'\u6211\u662f\u597d\u4eba'

In [3]: ustr2 = u'\u6211\u662f\u597d\u4eba'

In [4]: ustr2
Out[4]: u'\u6211\u662f\u597d\u4eba'

In [5]: print(ustr2)
我是好人

好，现在世界的字符编码统一了，但又有问题了，欧美那些国家因为是使用字母，以前1个字节就搞定了，现在为了照顾其他国家，竟然要多用1个字节，这要浪费多少硬盘、内存和网络带宽啊，不公平，抵制~！！！于是乎，又出现了 UTF-8 编码，这个字符集的特点是兼容 ASCII ，即 ASCII 是它的一个字集，它把原先的 ASCII 字符仍编码为1个字节，另外一些常用的其它国家字符编码为2个字节，一些生僻字编码为3-6个字节，于是即照了欧美众国的程序员情绪、兼容了之前用ASCII编码的代码，还节省了存储空间，节约了传输带宽，具体的编码格式如下所示:

Unicode编码(十六进制)

UTF-8 字节流(二进制)

000000-00007F

0xxxxxxx

000080-0007FF

110xxxxx 10xxxxxx

000800-00FFFF

1110xxxx 10xxxxxx 10xxxxxx

010000-10FFFF

11110xxx10xxxxxx10xxxxxx10xxxxxx

也就是说UTF-8编码的字符没有固定长度，是变长的，来我们看一下unicode和utf-8的转换:

In [11]: unicode_str = u"我"

In [12]: utf8_str = unicode_str.encode('utf-8') #  使用encode(翻译成中文是编码)方法、utf-8来编码unicode字符

In [13]: utf8_str
Out[13]: '\xe6\x88\x91'

In [14]: utf8_str.decode('utf-8') #  使用decode(翻译成中文是解)方法、utf-8来解码unicode字符
Out[14]: u'\u6211'

In [15]:

大家试一下，体会一下，讲到这里，大家是不是有点感觉了？其它unicode和utf-8还有很多非常细的知识点，不过我们掌握这些基础的一般就够用了，下面我们来试一下unicode和其它编码的转换:

In [6]: unicode_wo = u"我"

In [7]: gbk_wo = unicode_wo.encode('gbk')

In [8]: gbk_wo
Out[8]: '\xce\xd2'

In [9]: Shift_JIS_wo = unicode_wo.encode('Shift_JIS')

In [10]: Shift_JIS_wo
Out[10]: '\x89\xe4'

4.6.2. 字符串方法

学习完编码这么烧脑的概念后，我们来看点轻松的，怎么在python中处理字符串，首先字符串是一个不可变对象，也就是说不能修改它的内容，但可以修改后再存到另一个变量里

4.6.2.1. # coding=utf-8是什么鬼？

这个注释声明放在python脚本文件第一行，意思是声明该文件的编码方式，也就是说脚本里的字符串是使用什么编码，如下示范，我们使用utf-8编码，然后就可以使用utf-8编码去解码，需要注意的是在python3中，默认使用了utf-8的编码，使用在python3可以不用添加这行声明:

# coding=utf-8

s = '我'
print(s.decode('utf-8'))

4.6.2.2. 定义一个unicode字符串

在python2.7中，字符串编码默认是跟文件编码走的，但是我们可以显式的指定字符为unicode格式:

# coding=utf-8

s = u'我'

print(s)

print(s.encode('utf-8'))

4.6.2.3. 计算其中某一个字符的数量

In [21]: s = 'abbcccdddd'

In [22]: s.count('a')
Out[22]: 1

In [23]: s.count('b')
Out[23]: 2

In [24]: s.count('d')
Out[24]: 4

4.6.2.4. 是否以指定字符串开头/结尾

In [25]: s = 'abbcccdddd'

In [26]: s.startswith('ab')
Out[26]: True

In [27]: s.startswith('abc')
Out[27]: False

In [28]: s.endswith('ddd')
Out[28]: True

In [29]: s.endswith('ddde')
Out[29]: False

4.6.2.5. 转换大小写

In [39]: s = 'aBcD'

In [40]: s.lower()
Out[40]: 'abcd'

In [41]: s.upper()
Out[41]: 'ABCD'

4.6.2.6. 查找字符

find 方法可以从字符串左边开始查找字符，找到后返回字符位置，否则返回-1， rfind 可以从右边开始查找

In [48]: s = 'abccba'

In [49]: s.find('a')
Out[49]: 0

In [50]: s.find('b')
Out[50]: 1

In [51]: s.find('d')
Out[51]: -1

In [52]: s.rfind('a')
Out[52]: 5

4.6.2.7. 替换字符

replace可以传入两个参数，第一个是要替换内容，第二个是替换内容，替换之后返回替换后的字符串

In [53]: s = 'abcdefg'

In [54]: s.replace('a', '1')
Out[54]: '1bcdefg'

4.6.2.8. 去除字符串头尾的字符串

strip 这个方法是非常有用的，可以去除字符串头尾指定的字符串，默认是空格、换行符、制表符等，rstrip 是只去除右边的， lstrip 是只去除左边的，除了默认的字符串，也可以指定值:

In [59]: s = '\n\t abc  \n\t'

In [60]: s.strip()
Out[60]: 'abc'

In [61]: s.lstrip()
Out[61]: 'abc  \n\t'

In [62]: s.rstrip()
Out[62]: '\n\t abc'

In [65]: s.strip('\t')
Out[65]: '\n\t abc  \n'

# 注意下面这个例子
In [66]: s.strip('\n')
Out[66]: '\t abc  \n\t'

4.6.2.9. 格式化字符串

目前比较常用的有两种方式，第一种是在字符串内容使用 % 占位，然后在字符串后跟数据

In [70]: s = '我是%s人' % '好'

In [71]: print(s)
我是好人

In [72]: s1 = '我是%s人%s' % ('我', '吗')

In [73]: print(s1)
我是我人吗

第二种是使用字符串的format函数:

In [74]: s = '我是{what}人'.format(what='好')

In [75]: print(s)
我是好人

4.6.2.10. 拼接字符串

在python中可以直接使用 + 来拼接字符串，但是两边的python字符串编码要兼容

In [79]: s1 = 'abc'

In [80]: s2 = '123'

In [81]: s1 + s2
Out[81]: 'abc123'

除此之外，还有一个 join 方法去把字符/字符串列表（或者可迭代对象均可）拼接起来:

In [83]: s1 = ['ab', 'cd', 'ef']

In [84]: ''.join(s1)
Out[84]: 'abcdef'

In [85]: '.'.join(s1)
Out[85]: 'ab.cd.ef'

In [86]: s2 = 'abcdefg'

In [88]: '.'.join(s2)
Out[88]: 'a.b.c.d.e.f.g'

4.6.2.11. Python字符串转义字符

在需要在字符中使用特殊字符时，python用反斜杠()转义字符。如下：

转义字符 描述

  1. (在行尾时) 续行符 反斜杠符号

  2. ‘ 单引号

  3. ” 双引号

  4. \a 响铃

  5. \b 退格(Backspace)

  6. \e 转义

  7. \000 空

  8. \n 换行

  9. \v 纵向制表符

  10. \t 横向制表符

  11. \r 回车

  12. \f 换页

  13. \oyy 八进制数，yy代表的字符，例如：o12代表换行 xyy 十六进制数，yy代表的字符，例如：x0a代表换行 other 其它的字符以普通格式输出

4.6.2.12. 其他常用内置函数整理

string.capitalize() #把字符串的第一个字符大写

string.center(width) #返回内容是原字符串居中,并使用空格填充至长度为 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.expandtabs(tabsize=8) #把字符串 string 中的 tab 符号转为空格，tab 符号默认的空格数是 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.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.maketrans(intab, outtab]) maketrans() #方法用于创建字符映射的转换表，对于接受两个参数的最简单的调用方式，第一个参数是字符串，表示需要转换的字符，第二个参数也是字符串表示转换的目标。

max(str) #返回字符串 str 中最大的字母

min(str) #返回字符串 str 中最小的字母

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('')) #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() 即改为驼峰展示)

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