深入淺出字符串
寫在前面
滴滴~~ 打卡第三天！
Python 的程序中充滿了字符串（string），在平常閱讀代碼時也屢見不鮮。字符串同樣是 Python 中很常見的一種數據類型，比如日誌的打印、程序中函數的註釋、數據庫的訪問、變量的基本操作等等，都用到了字符串。當然，我相信你本身對字符串已經有所瞭解。今天，主要一起回顧一下字符串的常用操作，並對其中的一些小 tricks 詳細地加以解釋。
字符串基礎
什麼是字符串呢？字符串是由獨立字符組成的一個序列，通常包含在單引號（’’）雙引號（""）或者三引號之中（’’’ ‘’'或""" “”"，兩者一樣），比如下面幾種寫法。
name = 'jason'
city = 'beijing'
text = "welcome to jike shijian"
這裏定義了 name、city 和 text 三個變量，都是字符串類型。我們知道，Python 中單引號、雙引號和三引號的字符串是一模一樣的，沒有區別，比如下面這個例子中的 s1、s2、s3 完全一樣。
s1 = 'hello'
s2 = "hello"
s3 = """hello"""
s1 == s2 == s3
True
Python 同時支持這三種表達方式，很重要的一個原因就是，這樣方便你在字符串中，內嵌帶引號的字符串。比如：
“I’m a student”
Python 的三引號字符串，則主要應用於多行字符串的情境，比如函數的註釋等等。
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，Python 也支持轉義字符。所謂的轉義字符，就是用反斜槓開頭的字符串，來表示一些特定意義的字符。我把常見的的轉義字符，總結成了下面這張表格。
爲了方便你理解，我舉一個例子來說明。
s = ‘a\nb\tc’
print(s)
a
b c
這段代碼中的’\n’，表示一個字符——換行符；’\t’也表示一個字符——橫向製表符。所以，最後打印出來的輸出，就是字符 a，換行，字符 b，然後製表符，最後打印字符 c。不過要注意，雖然最後打印的輸出橫跨了兩行，但是整個字符串 s 仍然只有 5 個元素。
len(s)
5
在轉義字符的應用中，最常見的就是換行符’\n’的使用。比如文件讀取，如果我們一行行地讀取，那麼每一行字符串的末尾，都會包含換行符’\n’。而最後做數據處理時，我們往往會丟掉每一行的換行符。
常用操作
看完了字符串的基本原理，下面我們一起來看看字符串的常用操作。你可以把字符串想象成一個由單個字符組成的數組，所以，Python 的字符串同樣支持索引，切片和遍歷等等操作。
name = 'jason'
name[0]
'j'
name[1:3]
'as'
和其他數據結構，如列表、元組一樣，字符串的索引同樣從 0 開始，index=0 表示第一個元素（字符），[index:index+2]則表示第 index 個元素到 index+1 個元素組成的子字符串。
遍歷字符串同樣很簡單，相當於遍歷字符串中的每個字符。
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）。因此，用下面的操作，來改變一個字符串內部的字符是錯誤的，不允許的。
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，通常只能通過創建新的字符串來完成。比如上述例子中，想把’hello’的第一個字符’h’，改爲大寫的’H’，我們可以採用下面的做法：
s = 'H' + s[1:]
s = s.replace('h', 'H')
- 第一種方法，是直接用大寫的’H’，通過加號’+'操作符，與原字符串切片操作的子字符串拼接而成新的字符串。
- 第二種方法，是直接掃描原字符串，把小寫的’h’替換成大寫的’H’，得到新的字符串。
你可能瞭解到，在其他語言中，如 Java，有可變的字符串類型，比如 StringBuilder，每次添加、改變或刪除字符（串），無需創建新的字符串，時間複雜度僅爲 O(1)。這樣就大大提高了程序的運行效率。
但可惜的是，Python 中並沒有相關的數據類型，我們還是得老老實實創建新的字符串。因此，每次想要改變字符串，往往需要 O(n) 的時間複雜度，其中，n 爲新字符串的長度。
你可能注意到了，上述例子的說明中，我用的是“往往”、“通常”這樣的字眼，並沒有說“一定”。這是爲什麼呢？顯然，隨着版本的更新，Python 也越來越聰明，性能優化得越來越好了。
這裏，我着重講解一下，使用加法操作符’+='的字符串拼接方法。因爲它是一個例外，打破了字符串不可變的特性。
操作方法如下所示：
str1 += str2 # 表示str1 = str1 + str2
我們來看下面這個例子：
s = ''
for n in range(0, 100000):
s += str(n)
你覺得這個例子的時間複雜度是多少呢？
每次循環，似乎都得創建一個新的字符串；而每次創建一個新的字符串，都需要 O(n) 的時間複雜度。因此，總的時間複雜度就爲 O(1) + O(2) + … + O(n) = O(n^2)。這樣到底對不對呢？
乍一看，這樣分析確實很有道理，但是必須說明，這個結論只適用於老版本的 Python 了。自從 Python2.5 開始，每次處理字符串的拼接操作時（str1 += str2），Python 首先會檢測 str1 還有沒有其他的引用。如果沒有的話，就會嘗試原地擴充字符串 buffer 的大小，而不是重新分配一塊內存來創建新的字符串並拷貝。這樣的話，上述例子中的時間複雜度就僅爲 O(n) 了。
因此，以後你在寫程序遇到字符串拼接時，如果使用’+='更方便，就放心地去用吧，不用過分擔心效率問題了。
另外，對於字符串拼接問題，除了使用加法操作符，我們還可以使用字符串內置的 join 函數。string.join(iterable)，表示把每個元素都按照指定的格式連接起來。
l = []
for n in range(0, 100000):
l.append(str(n))
l = ' '.join(l)
由於列表的 append 操作是 O(1) 複雜度，字符串同理。因此，這個含有 for 循環例子的時間複雜度爲 n*O(1)=O(n)。
接下來，我們看一下字符串的分割函數 split()。string.split(separator)，表示把字符串按照 separator 分割成子字符串，並返回一個分割後子字符串組合的列表。它常常應用於對數據的解析處理，比如我們讀取了某個文件的路徑，想要調用數據庫的 API，去讀取對應的數據，我們通常會寫成下面這樣：
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，常見的函數還有：
- string.strip(str)，表示去掉首尾的 str 字符串；
- string.lstrip(str)，表示只去掉開頭的 str 字符串；
- string.rstrip(str)，表示只去掉尾部的 str 字符串。
這些在數據的解析處理中同樣很常見。比如很多時候，從文件讀進來的字符串中，開頭和結尾都含有空字符，我們需要去掉它們，就可以用 strip() 函數：s = ’ my name is jason ’
s = ’ my name is jason ’
s.strip()
‘my name is jason’
當然，Python 中字符串還有很多常用操作，比如，string.find(sub, start, end)，表示從 start 到 end 查找字符串中子字符串 sub 的位置等等。這裏，我只強調了最常用並且容易出錯的幾個函數，其他內容你可以自行查找相應的文檔、範例加以瞭解，我就不一一贅述了。
字符串格式化
最後，我們一起來看看字符串的格式化。什麼是字符串的格式化呢？
通常，我們使用一個字符串作爲模板，模板中會有格式符。這些格式符爲後續真實值預留位置，以呈現出真實值應該呈現的格式。字符串的格式化，通常會用在程序的輸出、logging 等場景。
舉一個常見的例子。比如我們有一個任務，給定一個用戶的 userid，要去數據庫中查詢該用戶的一些信息，並返回。而如果數據庫中沒有此人的信息，我們通常會記錄下來，這樣有利於往後的日誌分析，或者是線上 bug 的調試等等。
我們通常會用下面的方法來表示：
print(‘no data available for person with id: {}, name: {}’.format(id, name))
其中的 string.format()，就是所謂的格式化函數；而大括號{}就是所謂的格式符，用來爲後面的真實值——變量 name 預留位置。如果id = ‘123’、name=‘jason’，那麼輸出便是：
‘no data available for person with id: 123, name: jason’
這樣看來，是不是非常簡單呢？
不過要注意，string.format() 是最新的字符串格式函數與規範。自然，我們還有其他的表示方法，比如在 Python 之前版本中，字符串格式化通常用 % 來表示，那麼上述的例子，就可以寫成下面這樣：
print(‘no data available for person with id: %s, name: %s’ % (id, name))
其中 %s 表示字符串型，%d 表示整型等等，這些屬於常識，你應該都瞭解。
當然，現在你寫程序時，我還是推薦使用 format 函數，畢竟這是最新規範，也是官方文檔推薦的規範。
也許有人會問，爲什麼非要使用格式化函數，上述例子用字符串的拼接不也能完成嗎？沒錯，在很多情況下，字符串拼接確實能滿足格式化函數的需求。但是使用格式化函數，更加清晰、易讀，並且更加規範，不易出錯。
寫在後面
哈哈哈，第三天了，繼續堅持！
s 表示字符串型，%d 表示整型等等，這些屬於常識，你應該都瞭解。
當然，現在你寫程序時，我還是推薦使用 format 函數，畢竟這是最新規範，也是官方文檔推薦的規範。
也許有人會問，爲什麼非要使用格式化函數，上述例子用字符串的拼接不也能完成嗎？沒錯，在很多情況下，字符串拼接確實能滿足格式化函數的需求。但是使用格式化函數，更加清晰、易讀，並且更加規範，不易出錯。
寫在後面
哈哈哈，第三天了，繼續堅持！
大家多多支持哈，自我感覺良好，寫的挺良心的。
站住，別跑！點了贊再走！
CSDN：禪墨雲
知乎： 禪墨雲
公衆號：興趣路人甲
