python 字符串操作

/article/7092300.html

在python有各种各样的string操作函数。在历史上string类在python中经历了一段轮回的历史。在最开始的时候，python有一个专门的string的module，要使用string的方法要先import，但后来由于众多的python使用者的建议，从python2.0开始，
string方法改为用S.method()的形式调用，只要S是一个字符串对象就可以这样使用，而不用import。同时为了保持向后兼容，现在的
python中仍然保留了一个string的module，其中定义的方法与S.method()是相同的，这些方法都最后都指向了用S.method ()调用的函数。要注意，S.method()能调用的方法比string的module中的多，比如isdigit()、istitle()等就只能用 S.method()的方式调用。

对一个字符串对象，首先想到的操作可能就是计算它有多少个字符组成，很容易想到用S.len()，但这是错的，应该是len(S)。因为len()是内置函数，包括在__builtin__模块中。python不把len()包含在string类型中，乍看起来好像有点不可理解，其实一切有其合理的逻辑在里头。len()不仅可以计算字符串中的字符数，还可以计算list的成员数，tuple的成员数等等，因此单单把len()算在string里是不合适，因此一是可以把len()作为通用函数，用重载实现对不同类型的操作，还有就是可以在每种有len()运算的类型中都要包含一个len()函数。python选择的是第一种解决办法。类似的还有str(arg)函数，它把arg用string类型表示出来。

字符串中字符大小写的变换：

S.lower() #小写

S.upper() #大写

S.swapcase() #大小写互换

S.capitalize() #首字母大写

String.capwords(S)

#这是模块中的方法。它把S用split()函数分开，然后用capitalize()把首字母变成大写，最后用join()合并到一起

S.title() #只有首字母大写，其余为小写，模块中没有这个方法

字符串在输出时的对齐：

S.ljust(width,[fillchar])

#输出width个字符，S左对齐，不足部分用fillchar填充，默认的为空格。

S.rjust(width,[fillchar]) #右对齐

S.center(width, [fillchar]) #中间对齐

S.zfill(width) #把S变成width长，并在右对齐，不足部分用0补足

字符串中的搜索和替换：

S.find(substr, [start, [end]])

#返回S中出现substr的第一个字母的标号，如果S中没有substr则返回-1。start和end作用就相当于在S[start:end]中搜索

S.index(substr, [start, [end]])

#与find()相同，只是在S中没有substr时，会返回一个运行时错误

S.rfind(substr, [start, [end]])

#返回S中最后出现的substr的第一个字母的标号，如果S中没有substr则返回-1，也就是说从右边算起的第一次出现的substr的首字母标号

S.rindex(substr, [start, [end]])

S.count(substr, [start, [end]]) #计算substr在S中出现的次数

S.replace(oldstr, newstr, [count])

#把S中的oldstar替换为newstr，count为替换次数。这是替换的通用形式，还有一些函数进行特殊字符的替换

S.strip([chars])

#把S中前后chars中有的字符全部去掉，可以理解为把S前后chars替换为None

S.lstrip([chars])

S.rstrip([chars])

S.expandtabs([tabsize])

#把S中的tab字符替换没空格，每个tab替换为tabsize个空格，默认是8个

字符串的分割和组合：

S.split([sep, [maxsplit]])

#以sep为分隔符，把S分成一个list。maxsplit表示分割的次数。默认的分割符为空白字符

S.rsplit([sep, [maxsplit]])

S.splitlines([keepends])

#把S按照行分割符分为一个list，keepends是一个bool值，如果为真每行后而会保留行分割符。

S.join(seq) #把seq代表的序列──字符串序列，用S连接起来

另一种字符串连接方法：

使用 + 进行字符串连接

print "1" + "2"

字符串的mapping，这一功能包含两个函数：

String.maketrans(from, to)

#返回一个256个字符组成的翻译表，其中from中的字符被一一对应地转换成to，所以from和to必须是等长的。

S.translate(table[,deletechars])

# 使用上面的函数产后的翻译表，把S进行翻译，并把deletechars中有的字符删掉。需要注意的是，如果S为unicode字符串，那么就不支持 deletechars参数，可以使用把某个字符翻译为None的方式实现相同的功能。此外还可以使用codecs模块的功能来创建更加功能强大的翻译表。

字符串还有一对编码和解码的函数：

S.encode([encoding,[errors]])

# 其中encoding可以有多种值，比如gb2312 gbk gb18030 bz2 zlib big5 bzse64等都支持。errors默认值为"strict"，意思是UnicodeError。可能的值还有'ignore', 'replace', 'xmlcharrefreplace', 'backslashreplace' 和所有的通过codecs.register_error注册的值。这一部分内容涉及codecs模块，不是特明白

S.decode([encoding,[errors]])

字符串的测试函数，这一类函数在string模块中没有，这些函数返回的都是bool值：

S.startwith(prefix[,start[,end]])

#是否以prefix开头

S.endwith(suffix[,start[,end]])

#以suffix结尾

S.isalnum()

#是否全是字母和数字，并至少有一个字符

S.isalpha() #是否全是字母，并至少有一个字符

S.isdigit() #是否全是数字，并至少有一个字符

S.isspace() #是否全是空白字符，并至少有一个字符

S.islower() #S中的字母是否全是小写

S.isupper() #S中的字母是否便是大写

S.istitle() #S是否是首字母大写的

字符串类型转换函数，这几个函数只在string模块中有：

string.atoi(s[,base])

#base默认为10，如果为0,那么s就可以是012或0x23这种形式的字符串，如果是16那么s就只能是0x23或0X12这种形式的字符串

string.atol(s[,base]) #转成long

string.atof(s[,base]) #转成float

这里再强调一次，字符串对象是不可改变的，也就是说在python创建一个字符串后，你不能把这个字符中的某一部分改变。任何上面的函数改变了字符串后，都会返回一个新的字符串，原字串并没有变。其实这也是有变通的办法的，可以用S=list(S)这个函数把S变为由单个字符为成员的list，这样的话就可以使用S[3]='a'的方式改变值，然后再使用S="
".join(S)还原成字符串

---------------------------------------------------------------------------------------------------------------------------------------------------------

Python字符串–一个有序的字符的集合，用来存储和表现基于文本的信息。

常见字符串常量和表达式

操作 解释

s1 = ” 空字符串

s2 = “spam’s” 双引号

block = “”"…”"” 三重引号块

s3 = r’\temp\spam’ Raw字符串

s4 = u’spam’ Unicode字符串

s1 + s2

s2 * 3 合并，重复

s2[i]

s2[i:j]

len(s2) 索引，分片，求长度

“a %s parrot” % type 字符串格式化

s2.find(‘pa’)

s2.rstrip()

s2.replace(‘pa’, ‘xx’)

s1.split(‘,’)

s1.isdigit() 字符串方法调用：搜索、移除空格、替换、用展位符分隔、内容测试、短信息转换等

s1.lower()

for x in s2

‘spam’ in s2 迭代，成员关系

1 字符串常量

例如：

* 单引号：’spa”m’。

* 双引号：”spa’m”。

* 三引号：”’…spam…”’,”"”…spam…”"”。

* 转义字符：”s\tp\na\0m”

* Raw字符串：r”C:\new\test.spm”。

* Unicode字符串：u’eggs\ spam’。

单双引号字符串是一样的：

>>>’knight”s’,”knight’s” 等效于 >>>’knight\’s',”knight\”s”

>>>title = “Meaning ” ‘of ‘ “Life” 等效于 >>>title = “Meaning ” + ‘of ‘ + “Life”

用转义序列代表特殊字节：

>>>s = ‘a\nb\tc’

>>> print (s) # print会将特殊字符解析

a

b c

字符串反斜线字符

转义 意义 转义 意义

/newline 忽视（连续） \t 水平制表符

\\ 反斜线（保留\） \v 垂直制表符

\’ 单引号（保留’） \N{id} Unicode数据库ID

\” 双引号（保留”） \uhhhh Unicode 16位的十六进制值

\a 响铃 \Uhhhh Unicode 32位的十六进制值

\b 倒退 \xhh 十六进制值

\f 换页 \ooo 八进制值

\n 新行（换行） \0 Null（不是字符串结尾）

\r 返回 \other 不转义（保留）

字符串抑制转义：

>>>myfile = open(‘C:\new\text.dat’,'w’) # error \n \t

>>>myfile = open(r’C:\new\text.dat’,'w’) # right

>>>myfile = open(‘C:\\new\\text.dat’,'w’) # right

三重引号编写多行字符串块：

Python还有一种三重引号内的字符串常量格式，有时候称作块字符串。

如果希望让一些行的代码不工作，之后再次运行代码，可以简单地在这几行前、后加入三重引号。

>>>x = “”"

import os

print os.getcwd()

“”"

字符串编码更大的字符集：

Unicode字符串有时称为“宽”字符串。因为每个字符也许在内存中会占用大于一个字节的空间。

>>> s = “熊正理”

>>> s

‘\xd0\xdc\xd5\xfd\xc0\xed’

>>> print (s)

熊正理

>>> s = u”熊正理”

>>> s

u’\xd0\xdc\xd5\xfd\xc0\xed’

>>> print (s)

?????í

2 实际应用中的字符串

基本操作：

>>> myname = ‘libear’

>>> for c in myname: print (c)

l

i

b

e

a

r

>>> “l” in myname

True

>>> “m” in myname

False

索引和分片：

* 索引（s[i]）获取特定偏移的元素。

* 分片（s[i:j]）提取对应的部分（两个序号之间的部分）。

* 扩展分片（s[i:j:k]）分片表达式增加了一个可选的第三个索引，用作步进（或称为stride）。

s = "libear"
print s[::2]
print s[::-1]
print s[4:0:-1]
print s[4:4]
print s[4:5]

结果：

lba

raebil

aebi

a

# File echo.py

import sys

print (sys.argv)

% python echo.py -a -b -c

['echo.py', '-a', '-b', '-c']

这里，sys.argv[1:]返回所期待的列表['-a', '-b', '-c']

字符串转换工具：

Python的设计座右铭之一就是拒绝猜的诱惑。

>>>int(“42″) 等效于 >>>eval(’42′) # eval()的效率不如int()

42

>>>str(42) 等效于 >>>repr(’42′) 或 `42`

’42′

字符串代码转换：

>>>ord(‘s’) # 字符转换为ASCII码

115

>>>chr(115) # ASCII码转换为字符

‘s’

修改字符串：

>>>s = ‘splot’

>>>s = s.replace(‘pl’, ‘pamal’)

>>>s

‘spamalot’

3 字符串格式化

* 在%操作符的左侧放置一个需要进行格式化的字符串，这个字符串带有一个或多个嵌入的转换目标，都以%开头（例如，%d）。

* 在%操作符右侧放置一个对象（或多个，在括号内），这些对象将会插入到左侧想让Python进行格式化字符串的（或多个）转换目标的位置上去。

>>> “%d %s %d you” % (1, ‘spam’, 4)

’1 spam 4 you’

>>> “%-6.2f | %04.3f | %+09.1f” % (x, x, x)

’1.23 | 1.235 | +000001.2′

字符串格式化代码

代码 意义 代码 意义

%s 字符串（或任何对象） %e 浮点指数

%r s,但使用repr，而不是str %E e,但打印大写

%c 字符 %f 浮点十进制

%d 十进制（整数） %g 浮点e或f

%i 整数 %G 浮点E或f

%u 无号（整数） %% 常量%

%o 八进位整数 %X x,但打印大写

%x 十六进制整数

基于字典的字符串格式化：

>>> “%(1)d s you” % {’1′:1, ’2′:’s'}

’1 s you’

补充：常与内置函数vars联起来一同使用。

>>> vars()

{‘test1′: <module ‘test1′ from ‘D:\pyserver\Python25\test1.py’>, ‘a’: {‘a’: 1}, ‘c’: ‘r’, ‘string’: <module ‘string’ from ‘D:\pyserver\Python25\lib\string.pyc’>, ‘f’: <closed file ‘G:\Python\SourceCode\test1.py’, mode ‘r’ at 0x01C8C800>, ‘__builtins__’: <module
‘__builtin__’ (built-in)>, ‘s1′: ‘libear,xzl’, ‘myname’: ‘libear’, ‘s’: ‘libear’, ‘x’: 1.2345678899999999, ‘__name__’: ‘__main__’, ‘__doc__’: None}

>>> “%(test1)s” % vars()

“<module ‘test1′ from ‘D:\\pyserver\\Python25\\test1.py’>”

4 字符串方法

>>> dir(s)

['__add__', '__class__', '__contains__', '__delattr__', '__doc__', '__eq__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__getslice__', '__gt__', '__hash__', '__init__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__',
'__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__str__', 'capitalize', 'center', 'count', 'decode', 'encode', 'endswith', 'expandtabs', 'find', 'index', 'isalnum', 'isalpha', 'isdigit', 'islower', 'isspace', 'istitle', 'isupper',
'join', 'ljust', 'lower', 'lstrip', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']