【Python基础】字符串的一些小 tricks

字符串同样是 Python 中很常见的一种数据类型，比如日志的打印、程序中函数的注释、数据库的访问、变量的基本操作等等，都用到了字符串。

字符串基础

字符串是由独立字符组成的一个序列，通常包含在单引号（’’）双引号（" “）或者三引号之中（’’’ ‘’'或”"" “”"，两者一样），Python 中单引号、双引号和三引号的字符串是一模一样的，没有区别，同时支持这三种表达方式很重要的一个原因就是，方便在字符串中内嵌带引号的字符串。另外，Python 的三引号字符串，主要应用于多行字符串的情境，比如函数的注释等等。

Python 也支持转义字符。所谓的转义字符，就是用反斜杠开头的字符串，来表示一些特定意义的字符。常见的的转义字符如下：

在转义字符的应用中，最常见的就是换行符 \n 的使用。比如文件读取，如果我们一行行地读取，那么每一行字符串的末尾，都会包含换行符 \n。而最后做数据处理时，我们往往会丢掉每一行的换行符。

字符串的常用操作

字符串可以想象成一个由单个字符组成的数组，所以，Python 的字符串同样支持索引，切片和遍历等等操作。如列表、元组一样，字符串的索引同样从 0 开始，[0 : index+1]则表示第 0 个元素到第 index 个元素组成的子字符串。而遍历字符串同样很简单，相当于遍历字符串中的每个字符。

要注意的是，Python 的字符串是不可变的（immutable）。因此，Python 中字符串的改变，通常只能通过创建新的字符串来完成。举个例子，如果要把 ‘hello’ 的第一个字符 ‘h’，改为大写的 ‘H’，可以采用以下做法：

• 第一种方法，直接用大写的 ‘H’，通过加号 ‘+’ 操作符，与原字符串切片操作的子字符串拼接而成新的字符串。

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

• 第二种方法，直接扫描原字符串，把小写的 ‘h’ 替换成大写的 ‘H’，得到新的字符串。

s = 'hello'
s = s.replace('h', 'H')
s
'Hello'

因此，在Python 中，每次想要改变字符串，往往需要 O(n) 的时间复杂度，其中，n 为新字符串的长度。不过，随着版本的更新，Python 也越来越聪明，字符串操作的性能优化得越来越好了。比如，使用加等于操作符 ‘+=’ 的字符串拼接方法就是一个例外，打破了字符串不可变的特性。我们来分析一下下面这个例子的时间复杂度：

s = ''
for n in range(0, 100000):
    s += str(n)

每次循环，由于要改变字符串 s，似乎都得创建一个新的字符串；而每次创建一个新的字符串，都需要 O(n) 的时间复杂度。因此，总的时间复杂度就为 O(1) + O(2) + … + O(n) = O(n²)。这样到底对不对呢？
乍一看，这样分析好像很有道理，但是必须说明一下，这个结论只适用于老版本的 Python 了。自从 Python2.5 开始，每次处理字符串的拼接操作时（str1 += str2），Python 首先会检测 str1 还有没有其他的引用。如果没有的话，就会尝试原地扩充字符串 buffer 的大小，而不是重新分配一块内存来创建新的字符串并拷贝。这样的话，上述例子中的时间复杂度就仅为 O(n) 了。

另外，对于字符串拼接问题，除了使用 ‘+=’ 操作符，我们还可以使用字符串内置的 join 函数。Python str.join() 方法用于将序列中的元素以指定的字符连接生成一个新的字符串。这个字符串的操作类似列表中的 append 操作，时间复杂度是 O(1)。

s = "-";
seq = ("a", "b", "c"); # 字符串序列
s.join( seq )
'a-b-c'

# 上面的例子将 '+='操作符换成 str.join() 方法
l = []
for n in range(0, 100000):
    l.append(str(n))    
s = ''.join(l)

比较上述两种字符串拼接方式，如果字符串拼接的次数较少，比如range(100)，那么方法一（使用 ‘+=’ 操作符）更优，因为时间复杂度精确的来说第一种是O(n)，第二种是O(2n)；但如果拼接的次数较多，比如range(1000000)，方法二（使用字符串内置的 join 函数）稍快一些，虽然方法二会遍历两次，但是join的速度其实很快，列表append和join的总开销要比字符串 ‘+=’ 操作小一些。此外，这里再提一个更加高效的改进：

s = " ".join(map(str, range(0, 10000))) # 采用map()映射函数替换 for循环

此外，常见的函数还有：

• string.split(separator)，表示把字符串按照 separator 分割成子字符串，并返回一个分割后子字符串组合的列表。它常常应用于对数据的解析处理。比如我们读取了某个文件的路径，想要调用数据库的 API，去读取对应的数据，通常会写成下面这样：

path = 'hive://ads/training_table'
namespace = path.split('//')[1].split('/')[0] # 返回'ads'
table = path.split('//')[1].split('/')[1] # 返回 'training_table'

• string.strip(str)，表示去掉首尾的 str 字符串，比如很多时候，从文件读进来的字符串中，开头和结尾都含有空字符，我们需要去掉它们，就可以用 strip() 函数；
• string.lstrip(str)，表示只去掉开头的 str 字符串；
• string.rstrip(str)，表示只去掉尾部的 str 字符串。
• string.find(sub, start, end)，表示从 start 到 end 查找字符串中指定范围内某个子字符串 sub 的位置，如果包含该子字符串，返回开始的索引值，否则返回-1。

字符串的格式化

通常，我们使用一个字符串作为模板，模板中会有格式符。这些格式符为后续真实值预留位置，以呈现出真实值应该呈现的格式。字符串的格式化，通常会用在程序的输出、logging 等场景。

举一个常见的例子。比如我们有一个任务，给定一个用户的 userid，要去数据库中查询该用户的一些信息，并返回。而如果数据库中没有此人的信息，我们通常会记录下来，这样有利于往后的日志分析，或者是线上 bug 的调试等等。通常会用下面的方法来打印输出：

print('no data available for person with id: {}, name: {}'.format(user_id, user_name))

这里的 string.format() 就是所谓的格式化函数，而大括号 {} 就是所谓的格式符，用来为后面的真实值——变量 name 预留位置。如果 user_id = ‘123’、user_name = ‘jason’，那么输出便是：

'no data available for person with id: 123, name: jason'

string.format() 是 Python 中最新的字符串格式函数与规范。在 Python 之前的版本中，字符串格式化通常是用 % 来表示，那么上述的例子也可以写成下面这样：

print('no data available for person with id: %s, name: %s' % (user_id, user_name))
#  %s 表示字符串型，%d 表示整型，%f 表示浮点型

当然，现在写 python 程序时还是推荐使用 format 函数，毕竟这是最新规范，也是官方文档推荐的规范。此外，在很多情况下，字符串拼接也能满足格式化函数的需求。但是使用格式化函数，更加清晰、易读，并且更加规范，不易出错。

参考

《Python核心技术与实战》