Python核心技术与实战学习笔记（三）：深入浅出字符串

3.1 字符串基础

字符串是python中常见的数据类型，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，需要注意的就是引号间的匹配和冲突问题：

"I'm a student"

python的三引号字符串，则主要用于多行字符串的情景，比如函数的注释等：

def calculate_similarity(item1, item2):
    """
    Calculate similarity between two items
    Args:
        item1: 1st item
        item2: 2nd item
    Returns:
      similarity score between item1 and item2
    """

python的常见转义字符：

以下面的代码为例：

s = 'a\nb\tc'
print(s)
================
a
b	c

虽然s的打印输出横跨两行，但是整个字符串s依旧只有5个元素

len(s)
=============
5

python最常用的转义字符是‘\n’，如逐行读取某个文件，则每一行字符的末尾都会包含‘\n’，而最后做数据处理时，我们往往会丢掉最后的换行符

3.2 字符串的常用操作

字符串可以看做是由一些单个字符组成的数组，故同样可以执行索引、切片和遍历等操作。

字符串的常用操作和内置函数有很多，这里只讲了一些。

字符串修改

要特别注意的是，字符串是不可变的(immutable)，因此，不能直接按下面的方式修改字符串：

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

python中字符串的修改，通常只能通过创建新字符串来完成（同Java），如要将字符串s=‘hello’修改为’Hello’，可用下面两种不同的方法：

1. s = 'H' + s[1:]      #对原字符串进行切片操作
2. s = s.replace('h', 'H')        #使用字符串的内置函数replace()

对于Java，我们可以使用可变的字符串类型如StringBuilder，每次增删改无需创建新的字符串，时间复杂度为O(1)。这样大大提高了程序运行的效率。

那么，是否python的字符串每次更改都需要新建字符串呢？答案是否定的。

字符串连接

使用“+=”进行字符串的拼接方法是一个例外，它打破了字符串不可变的特性。

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

上面的代码的时间复杂度是O(n)，而不是O(n^2)，因为使用“+=”的字符串拼接操作为O(1)

另外，对于字符串的拼接问题，还可以用字符串内置的join函数。
string.join(iterable)，表示把每个元素都按照指定的格式连接起来

l = []
for n in range(0, 100000):
    l.append(str(n))
l = ' '.join(l) 

字符串分割

字符串分割常用其内置函数split()。string.split(sparator)指把string以sparator为截断点将其划分为各个部分并存储在列表里。

string.split(sparator)常常用于对数据的解析处理。如我们读取了某个文件的路径，想要调用数据库的API去读取数据库的数据，我们常常会这样写：

def query_data(namespace, table):
    """
    given namespace and table, query database to get corresponding
    data         
    """

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

字符串去除左右指定字符

• string.lstrip(str)：去掉开头的str字符串
• string.rstrip(str)：去掉结尾的str字符串
• string.strip(str)：去掉两边的str字符串

如读进来的字符串首尾有空格，想要去除掉：

s = ' my name is jason '
s.strip()
'my name is jason'

字符串查找子串位置：

string.find(sub, start, end)：表示从 start 到 end 查找字符串中子字符串 sub的位置

3.3 字符串的格式化

字符串的格式化通常会用在程序输出、logging等场景。一个常见的例子是：有一个任务，给定一个用户的userid，要去数据库查询该用户的一些信息，并返回。若数据库中没有该用户的信息，我们通常会记录下来，这样有利于往后的日志分析，或者线上bug的调试等

这里主要记录两种格式化函数：string.format()和f"string"：

• string.format()是以前python最常用的格式化函数，string里面的大括号{}是给format()里面传递的真值预留位置

print('no data available for person with id: {}, name: {}'.format(id, name))
=================================
'no data available for person with id: 123, name: jason'

• f-"string"是最新的也更高效的格式化方法。f-string 格式化就是在字符串模板前面加上f，然后占位符使用{} ,里面直接放入对应的变量

这里着重讲一下f-string的常用操作：

1. f-string格式化

id = 123
name = jason
print(f"no data available for person with id: {id}, name: {name}")

2. 指定输出字符的长度：为了输出对齐，我们通常需要指定输出的字符串的长度。

右对齐：直接在传入的变量后面加上 :length即可。这样，若字符串本身长度不足时，则会在输出字符串开头加上若干个空格补足到指定长度

def calcTax(salary):
 tax = int(salary) *25/100
 aftertax = int(salary) *75/100
 print(f'税前薪资是：{salary:8}元， 缴税：{tax:8}元， 税后薪资是：{aftertax:8}元')
 
 calcTax(8000)
 calcTax(15000)
 calcTax(100000)

输出：

左对齐：使用"<"符号

def calcTax(salary):
 tax = int(salary) *25/100
 aftertax = int(salary) *75/100
 print(f'税前薪资是：{salary:<8}元， 缴税：{tax:<8}元， 税后薪资是：{aftertax:<8}元')

for n in [8000,15000,10000]:
    calcTax(n)

输出：

3. 小数点后位数
   若要指定输出小数点后面的位数，直接在括号里:后使用.nf即可。
   例如：{salary:.1f}，{salary:8.1f}，{salary:<8.1f}

4. 不足补零
   在括号里:后的指定长度数前直接加0即可
   例如：{salary:08.1f}
   

除了使用格式化函数之外，我们还可以像C语言一样使用%通配符，不过不推荐。使用格式化函数会使得程序更清晰易读，规范不易出错

如果字符串拼接的次数较少，比如range(100)，那么方法一更优，因为时间复杂度精确的来说第一种是O(n)，第二种是O(2n)，如果拼接的次数较多，比如range(1000000)，方法二稍快一些，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的开销要比字符串+=小一些

对于方法二，可以有更高效更pythonic的写法，即利用map(func,iterable)函数：

s =''.join(map(str,range(0, 100000)))