Python 的程序中充滿了字符串（string）愕够，在平常閱讀代碼時(shí)也屢見(jiàn)不鮮过咬。字符串同樣是 Python 中很常見(jiàn)的一種數(shù)據(jù)類(lèi)型浦箱，比如日志的打印吸耿、程序中函數(shù)的注釋、數(shù)據(jù)庫(kù)的訪問(wèn)酷窥、變量的基本操作等等咽安，都用到了字符串。當(dāng)然蓬推，我相信你本身對(duì)字符串已經(jīng)有所了解妆棒。這節(jié)，主要回顧一下字符串的常用操作沸伏，并對(duì)其中的一些小 tricks 詳細(xì)地加以解釋糕珊。

字符串基礎(chǔ)
什么是字符串呢？字符串是由獨(dú)立字符組成的一個(gè)序列毅糟，通常包含在單引號(hào)（''）雙引號(hào)（""）或者三引號(hào)之中（''' '''或""" """红选，兩者一樣），比如下面幾種寫(xiě)法姆另。

name = 'jason'
city = 'beijing'
text = "welcome to jike shijian"

這里定義了 name喇肋、city 和 text 三個(gè)變量坟乾，都是字符串類(lèi)型。我們知道蝶防，Python 中單引號(hào)甚侣、雙引號(hào)和三引號(hào)的字符串是一模一樣的，沒(méi)有區(qū)別间学，比如下面這個(gè)例子中的 s1殷费、s2、s3 完全一樣菱鸥。

s1 = 'hello'
s2 = "hello"
s3 = """hello"""
s1 == s2 == s3
True

Python 同時(shí)支持這三種表達(dá)方式宗兼，很重要的一個(gè)原因就是躏鱼，這樣方便你在字符串中氮采，內(nèi)嵌帶引號(hào)的字符串。比如：

"I'm a student"

Python 的三引號(hào)字符串染苛，則主要應(yīng)用于多行字符串的情境鹊漠，比如函數(shù)的注釋等等。

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

同時(shí)茶行，Python 也支持轉(zhuǎn)義字符躯概。所謂的轉(zhuǎn)義字符，就是用反斜杠開(kāi)頭的字符串畔师，來(lái)表示一些特定意義的字符娶靡。我把常見(jiàn)的的轉(zhuǎn)義字符，總結(jié)成了下面這張表格看锉。

b7a296ab8d26664e03a076fa50d5b152.png

為了方便你理解姿锭，我舉一個(gè)例子來(lái)說(shuō)明。

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

這段代碼中的'\n'伯铣，表示一個(gè)字符——換行符呻此；'\t'也表示一個(gè)字符——橫向制表符。所以腔寡，最后打印出來(lái)的輸出焚鲜，就是字符 a，換行放前，字符 b忿磅，然后制表符，最后打印字符 c凭语。不過(guò)要注意葱她，雖然最后打印的輸出橫跨了兩行，但是整個(gè)字符串 s 仍然只有 5 個(gè)元素叽粹。

len(s)
5

在轉(zhuǎn)義字符的應(yīng)用中却舀，最常見(jiàn)的就是換行符'\n'的使用。比如文件讀取锤灿，如果我們一行行地讀取挽拔，那么每一行字符串的末尾，都會(huì)包含換行符'\n'但校。而最后做數(shù)據(jù)處理時(shí)螃诅，我們往往會(huì)丟掉每一行的換行符。

字符串的常用操作
講完了字符串的基本原理状囱，下面我們一起來(lái)看看字符串的常用操作术裸。你可以把字符串想象成一個(gè)由單個(gè)字符組成的數(shù)組，所以亭枷，Python 的字符串同樣支持索引袭艺，切片和遍歷等等操作。

name = 'jason'
name[0]
'j'
name[1:3]
'as'

和其他數(shù)據(jù)結(jié)構(gòu)叨粘，如列表猾编、元組一樣，字符串的索引同樣從 0 開(kāi)始升敲，index=0 表示第一個(gè)元素（字符）答倡，[index:index+2]則表示第 index 個(gè)元素到 index+1 個(gè)元素組成的子字符串。
遍歷字符串同樣很簡(jiǎn)單驴党，相當(dāng)于遍歷字符串中的每個(gè)字符瘪撇。

for char in name:
    print(char)   
j
a
s
o
n

特別要注意，Python 的字符串是不可變的（immutable）港庄。因此倔既，用下面的操作，來(lái)改變一個(gè)字符串內(nèi)部的字符是錯(cuò)誤的攘轩，不允許的叉存。

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 中字符串的改變，通常只能通過(guò)創(chuàng)建新的字符串來(lái)完成度帮。比如上述例子中歼捏，想把'hello'的第一個(gè)字符'h'，改為大寫(xiě)的'H'笨篷，我們可以采用下面的做法：

s = 'H' + s[1:]
s = s.replace('h', 'H')

• 第一種方法瞳秽，是直接用大寫(xiě)的'H'，通過(guò)加號(hào)'+'操作符率翅，與原字符串切片操作的子字符串拼接而成新的字符串练俐。
• 第二種方法，是直接掃描原字符串冕臭，把小寫(xiě)的'h'替換成大寫(xiě)的'H'腺晾，得到新的字符串燕锥。
  你可能了解到，在其他語(yǔ)言中悯蝉，如 Java归形，有可變的字符串類(lèi)型，比如 StringBuilder鼻由，每次添加暇榴、改變或刪除字符（串），無(wú)需創(chuàng)建新的字符串蕉世，時(shí)間復(fù)雜度僅為 O(1)蔼紧。這樣就大大提高了程序的運(yùn)行效率。
  但可惜的是狠轻，Python 中并沒(méi)有相關(guān)的數(shù)據(jù)類(lèi)型奸例，我們還是得老老實(shí)實(shí)創(chuàng)建新的字符串。因此哈误，每次想要改變字符串哩至，往往需要 O(n) 的時(shí)間復(fù)雜度躏嚎，其中蜜自，n 為新字符串的長(zhǎng)度。
  你可能注意到了卢佣，上述例子的說(shuō)明中重荠，我用的是“往往”、“通承椴瑁”這樣的字眼戈鲁，并沒(méi)有說(shuō)“一定”。這是為什么呢嘹叫？顯然婆殿，隨著版本的更新，Python 也越來(lái)越聰明罩扇，性能優(yōu)化得越來(lái)越好了婆芦。
  這里，我著重講解一下喂饥，使用加法操作符'+='的字符串拼接方法消约。因?yàn)樗且粋€(gè)例外，打破了字符串不可變的特性员帮。操作方法如下所示：

str1 += str2  # 表示str1 = str1 + str2

我們來(lái)看下面這個(gè)例子：

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

你覺(jué)得這個(gè)例子的時(shí)間復(fù)雜度是多少呢或粮？
每次循環(huán)，似乎都得創(chuàng)建一個(gè)新的字符串捞高；而每次創(chuàng)建一個(gè)新的字符串氯材，都需要 O(n) 的時(shí)間復(fù)雜度渣锦。因此，總的時(shí)間復(fù)雜度就為 O(1) + O(2) + … + O(n) = O(n^2)氢哮。這樣到底對(duì)不對(duì)呢泡挺？
乍一看，這樣分析確實(shí)很有道理命浴，但是必須說(shuō)明娄猫，這個(gè)結(jié)論只適用于老版本的 Python 了。自從 Python2.5 開(kāi)始生闲，每次處理字符串的拼接操作時(shí)（str1 += str2）媳溺，Python 首先會(huì)檢測(cè) str1 還有沒(méi)有其他的引用。如果沒(méi)有的話碍讯，就會(huì)嘗試原地?cái)U(kuò)充字符串 buffer 的大小悬蔽，而不是重新分配一塊內(nèi)存來(lái)創(chuàng)建新的字符串并拷貝。這樣的話捉兴，上述例子中的時(shí)間復(fù)雜度就僅為 O(n) 了蝎困。
因此，以后你在寫(xiě)程序遇到字符串拼接時(shí)倍啥，如果使用’+='更方便禾乘，就放心地去用吧，不用過(guò)分擔(dān)心效率問(wèn)題了虽缕。
另外始藕，對(duì)于字符串拼接問(wèn)題，除了使用加法操作符氮趋，我們還可以使用字符串內(nèi)置的 join 函數(shù)伍派。string.join(iterable)，表示把每個(gè)元素都按照指定的格式連接起來(lái)剩胁。

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

由于列表的 append 操作是 O(1) 復(fù)雜度诉植，字符串同理。因此昵观，這個(gè)含有 for 循環(huán)例子的時(shí)間復(fù)雜度為 n*O(1)=O(n)晾腔。
接下來(lái)，我們看一下字符串的分割函數(shù) split()索昂。string.split(separator)建车，表示把字符串按照 separator 分割成子字符串，并返回一個(gè)分割后子字符串組合的列表椒惨。它常常應(yīng)用于對(duì)數(shù)據(jù)的解析處理缤至，比如我們讀取了某個(gè)文件的路徑，想要調(diào)用數(shù)據(jù)庫(kù)的 API，去讀取對(duì)應(yīng)的數(shù)據(jù)领斥，我們通常會(huì)寫(xiě)成下面這樣：

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) 

此外嫉到，常見(jiàn)的函數(shù)還有：

• string.strip(str)，表示去掉首尾的 str 字符串月洛；
• string.lstrip(str)何恶，表示只去掉開(kāi)頭的 str 字符串；
• string.rstrip(str)嚼黔，表示只去掉尾部的 str 字符串细层。

這些在數(shù)據(jù)的解析處理中同樣很常見(jiàn)。比如很多時(shí)候唬涧，從文件讀進(jìn)來(lái)的字符串中疫赎，開(kāi)頭和結(jié)尾都含有空字符，我們需要去掉它們碎节，就可以用 strip() 函數(shù)：

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

當(dāng)然捧搞，Python 中字符串還有很多常用操作，比如狮荔，string.find(sub, start, end)胎撇，表示從 start 到 end 查找字符串中子字符串 sub 的位置等等。這里殖氏，我只強(qiáng)調(diào)了最常用并且容易出錯(cuò)的幾個(gè)函數(shù)晚树，其他內(nèi)容你可以自行查找相應(yīng)的文檔、范例加以了解受葛，我就不一一贅述了题涨。

字符串的格式化
最后，我們一起來(lái)看看字符串的格式化总滩。什么是字符串的格式化呢？

通常巡雨，我們使用一個(gè)字符串作為模板闰渔，模板中會(huì)有格式符。這些格式符為后續(xù)真實(shí)值預(yù)留位置铐望，以呈現(xiàn)出真實(shí)值應(yīng)該呈現(xiàn)的格式冈涧。字符串的格式化，通常會(huì)用在程序的輸出正蛙、logging 等場(chǎng)景督弓。

舉一個(gè)常見(jiàn)的例子。比如我們有一個(gè)任務(wù)乒验，給定一個(gè)用戶的 userid愚隧，要去數(shù)據(jù)庫(kù)中查詢?cè)撚脩舻囊恍┬畔ⅲ⒎祷囟腿６绻麛?shù)據(jù)庫(kù)中沒(méi)有此人的信息狂塘，我們通常會(huì)記錄下來(lái)录煤，這樣有利于往后的日志分析，或者是線上 bug 的調(diào)試等等荞胡。
我們通常會(huì)用下面的方法來(lái)表示：

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

其中的 string.format()妈踊，就是所謂的格式化函數(shù)；而大括號(hào){}就是所謂的格式符泪漂，用來(lái)為后面的真實(shí)值——變量 name 預(yù)留位置廊营。如果id = '123'、name='jason'萝勤，那么輸出便是：

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

這樣看來(lái)赘风，是不是非常簡(jiǎn)單呢？

不過(guò)要注意纵刘，string.format() 是最新的字符串格式函數(shù)與規(guī)范邀窃。自然，我們還有其他的表示方法假哎，比如在 Python 之前版本中瞬捕，字符串格式化通常用 % 來(lái)表示，那么上述的例子舵抹，就可以寫(xiě)成下面這樣：

print('no data available for person with id: %s, name: %s' % (id, name))

其中 %s 表示字符串型肪虎，%d 表示整型等等，這些屬于常識(shí)惧蛹，你應(yīng)該都了解扇救。
當(dāng)然，現(xiàn)在你寫(xiě)程序時(shí)香嗓，我還是推薦使用 format 函數(shù)迅腔，畢竟這是最新規(guī)范，也是官方文檔推薦的規(guī)范靠娱。
也許有人會(huì)問(wèn)沧烈，為什么非要使用格式化函數(shù)，上述例子用字符串的拼接不也能完成嗎像云？沒(méi)錯(cuò)锌雀，在很多情況下，字符串拼接確實(shí)能滿足格式化函數(shù)的需求迅诬。但是使用格式化函數(shù)腋逆，更加清晰、易讀侈贷，并且更加規(guī)范惩歉，不易出錯(cuò)。

總結(jié)
這節(jié)課，我們主要學(xué)習(xí)了 Python 字符串的一些基本知識(shí)和常用操作柬泽，并且結(jié)合具體的例子與場(chǎng)景加以說(shuō)明慎菲，特別需要注意下面幾點(diǎn)。

• Python 中字符串使用單引號(hào)锨并、雙引號(hào)或三引號(hào)表示露该，三者意義相同，并沒(méi)有什么區(qū)別第煮。其中解幼，三引號(hào)的字符串通常用在多行字符串的場(chǎng)景。
• Python 中字符串是不可變的（前面所講的新版本 Python 中拼接操作’+='是個(gè)例外）包警。因此撵摆，隨意改變字符串中字符的值，是不被允許的害晦。
• Python 新版本（2.5+）中特铝，字符串的拼接變得比以前高效了許多，你可以放心使用壹瘟。
• Python 中字符串的格式化（string.format）常常用在輸出鲫剿、日志的記錄等場(chǎng)景。