Python 教程 8 — 字符串-Python 实用宝典

Table of Contents

1.字符串是一个序列
2.len
3.使用for循环遍历
4.字符串切片
5.字符串是不可变的
6.搜索
7.循环和计数
8.字符串方法
9.in运算符
10.字符串比较
11.调试
12.术语表
13.练习题

字符串不像整数、浮点数和布尔型。字符串是一个 序列(sequence) ，这就意味着它是其他值的一个有序的集合。在这章中，你将学习怎么去访问字符串里的字符，同时你也会学习到字符串提供的一些方法。

1.字符串是一个序列 #

字符串是由字符组成的序列。你可以用括号运算符一次访问一个字符：

>>> fruit = 'banana'
>>> letter = fruit[1]

第2条语句从 fruit 中选择索引为1的字符并将它赋给 letter 。

括号中的表达式被称作 索引(index) 。索引指出在序列中你想要哪个字符(因此而得名)。

但是你可能不会获得你期望的东西：

>>> letter
'a'

对于大多数人，'banana' 的第一个字母是b而不是a。但是对于计算机科学家，索引是从字符串起点开始的位移量F(offset)，第一个字母的位移量就是0。

>>> letter = fruit[0]
>>> letter
'b'

所以b是 'banana' 的第0个字母(“zero-eth”)， a是第一个字母(“one-eth”)，n是第二个字母(“two-eth”)。

你可以使用一个包含变量名和运算符的表达式作为索引：

>>> i = 1
>>> fruit[i]
'a'
>>> fruit[i+1]
'n'

索引值必须使用整数。否则你会得到:

>>> letter = fruit[1.5]
TypeError: string indices must be integers

2.len #

len是一个内建函数，其返回字符串中的字符数量：

>>> fruit = 'banana'
>>> len(fruit)
6

为了获得一个字符串的最后一个字符，你可能会尝试像这样操作：

>>> length = len(fruit)
>>> last = fruit[length]
IndexError: string index out of range

出现IndexError的原因，是在 'banana' 中没有索引为6的字母。由于我们从0开始计数，六个字母的编号是0到5。为了获得最后一个字符，你必须将 length 减一：

>>> last = fruit[length-1]
>>> last
'a'

或者你可以使用负索引，即从字符串的结尾往后数。表达式 fruit[-1] 返回最后一个字母， fruit[-2] 返回倒数第二个字母，以此类推。

3.使用for循环遍历 #

许多计算中需要一个字符一个字符地处理字符串。通常计算从字符串的头部开始，依次选择每个字符，对其做一些处理，然后继续直到结束。这种处理模式被称作 遍历(traversal) 。编写遍历的方法之一是使用 while循环：

index = 0
while index < len(fruit):
    letter = fruit[index]
    print(letter)
    index = index + 1

该循环遍历字符串并在每行显示一个字符串。该循环的条件是 index < len(fruit) ，所以当 index 和字符串的长度相等时，条件为假，循环体不被执行。被访问的最后一个字符的索引为 len(fruit)-1 ，这也是字符串的最后一个字符。

我们做个练习，编写一个函数，接受一个字符串作为实参，按照从后向前的顺序显示字符，每行只显示一个。

编写遍历的另一种方法是使用for循环：

for letter in fruit:
    print(letter)

每次循环时，字符串中的下一个字符被赋值给变量 letter 。循环继续，直到没有剩余的字符串了。

下面的例子演示了如何使用拼接（字符串相加）和for循环生成一个字母表序列（即按照字母表顺序排列）。在Robert McCloskey的书 《Make Way for Ducklings》 中，小鸭子的名字是 Jack、Kack、Lack、Mack、Nack、Ouack、Pack和Quack。此循环按顺序输出这些名字：

prefixes = 'JKLMNOPQ'
suffix = 'ack'

for letter in prefixes:
    print(letter + suffix)

输出是：

Jack
Kack
Lack
Mack
Nack
Oack
Pack
Qack

当然，输出并不完全正确，因为“Ouack”和“Quack”拼写错了。我们做个练习，修改这个程序，解决这个问题。

4.字符串切片 #

字符串的一个片段被称作 切片(slice) 。选择一个切片的操作类似于选择一个字符：

>>> s = 'Monty Python'
>>> s[0:5]
'Monty'
>>> s[6:12]
'Python'

[n:m]操作符返回从第n个字符到第m个字符的字符串片段，包括第一个，但是不包括最后一个。这个行为违反直觉，但是将指向两个字符之间的索引，想象成图8-1：切片索引中那样或许有帮助。

图8-1：切片索引

如果你省略第一个索引(冒号前面的值)，切片起始于字符串头部。如果你省略第二个索引，切片一直到字符串结尾：

>>> fruit = 'banana'
>>> fruit[:3]
'ban'
>>> fruit[3:]
'ana'

如果第一个索引大于或等于第二个，结果是空字符串（empty string），用两个引号表示：

>>> fruit = 'banana'
>>> fruit[3:3]
''

一个空字符串不包括字符而且长度为0，但除此之外，它和其它任何字符串一样。

继续这个例子，你认为 fruit[:] 的结果是什么？尝试运行看看。

5.字符串是不可变的 #

你会很想在赋值语句的左边使用 []，来改变字符串的一个字符。例如:

>>> greeting = 'Hello， world!'
>>> greeting[0] = 'J'
TypeError: 'str' object does not support item assignment

错误信息中的“object（对象）”是那个字符串，“item(元素)”是你要赋值的字符。目前，我们认为对象(object)和值是同一样的东西，但是我们后面将改进此定义（详见“对象与值”一节）。

出现此错误的原因是字符串是 不可变的(immutable) ，这意味着你不能改变一个已存在的字符串。你最多只能创建一个新的字符串，在原有字符串的基础上略有变化：

>>> greeting = 'Hello， world!'
>>> new_greeting = 'J' + greeting[1:]
>>> new_greeting
'Jello， world!'

上面的示例中，我们将一个新的首字母拼接到 greeting 的一个切片上。它不影响原字符串。

6.搜索 #

下面的函数起什么作用?

def find(word， letter):
    index = 0
    while index < len(word):
        if word[index] == letter:
            return index
        index = index + 1
    return -1

在某种意义上，find 和 [] 运算符相反。与接受一个索引并提取相应的字符不同，它接受一个字符并找到该字符所在的索引。如果没有找到该字符，函数返回 -1。

这是我们第一次在循环内部看见 return 语句。如果 word[index] == letter ，函数停止循环并马上返回。

如果字符没出现在字符串中，那么程序正常退出循环并返回 -1。

这种计算模式——遍历一个序列并在找到寻找的东西时返回——被称作 搜索(search) 。

我们做个练习，修改 ``find``函数使得它接受第三个参数，即从何处开始搜索的索引。

7.循环和计数 #

下面的程序计算字母a在字符串中出现的次数：

word = 'banana'
count = 0
for letter in word:
    if letter == 'a':
        count = count + 1
print(count)

此程序演示了另一种被称作**计数器(counter)**的计算模式。变量 count 初始化为0，然后每次出现a时递增。当循环结束时，count 包含了字母a出现的总次数。

我们做一个练习，将这段代码封装在一个名为 count 的函数中，并泛化该函数，使其接受字符串和字母作为实参。

然后重写这个函数，不再使用字符串遍历，而是使用上一节中三参数版本的 find 函数。

8.字符串方法 #

字符串提供了可执行多种有用操作的 方法(method) 。方法和函数类似，接受实参并返回一个值，但是语法不同。例如，upper 方法接受一个字符串，并返回一个都是大写字母的新字符串。

不过使用的不是函数语法 upper(word) ，而是方法的语法 word.upper() 。

>>> word = 'banana'
>>> new_word = word.upper()
>>> new_word
'BANANA'

点标记法的形式指出方法的名字，upper，以及应用该方法的字符串的名字，word 。空括号表明该方法不接受实参。

这被称作 方法调用(invocation) ；在此例中，我们可以说是在 word 上调用 upper 。

事实上，有一个被称为 find 的字符串方法，与我们之前写的函数极其相似：

>>> word = 'banana'
>>> index = word.find('a')
>>> index
1

此例中，我们在 word 上调用 find ，并将我们要找的字母作为参数传入。

事实上，find 方法比我们的函数更通用；它还可以查找子字符串，而不仅仅是字符:

>>> word.find('na')
2

find默认从字符串的首字母开始查找，它还可以接受第二个实参，即从何处开始的索引。

>>> word.find('na'， 3)
4

这是一个 可选参数(optional argument) 的例子；find 也可以接受结束查找的索引作为第三个实参：

>>> name = 'bob'
>>> name.find('b'， 1， 2)
-1

此次搜索失败，因为 'b' 没有出现在索引1-2之间（不包括2）。一直搜索到第二个索引，但是并不搜索第二个索引，这使得 find 跟切片运算符的行为一致.

9.in运算符 #

单词 in 是一个布尔运算符，接受两个字符串。如果第一个作为子串出现在第二个中，则返回True：

>>> 'a' in 'banana'
True
>>> 'seed' in 'banana'
False

例如，下面的函数打印所有既出现在 word1 中，也出现在 word2 中的字母：

def in_both(word1, word2):
    for letter in word1:
        if letter in word2:
            print(letter)

变量名挑选得当的话，Python代码有时候读起来像是自然语言。你可以这样读此循环，“对于(每个) 在(第一个)单词中的字母，如果(该)字母(出现)在(第二个)单词中，打印(该)字母”。

如果你比较 'apples' 和 'oranges'，你会得到下面的结果：

>>> in_both('apples'， 'oranges')
a
e
s

10.字符串比较 #

关系运算符也适用于字符串。可以这样检查两个字符串是否相等：

if word == 'banana':
    print('All right， bananas.')

其它的关系运算符对于按字母序放置单词也很有用：

if word < 'banana':
    print('Your word， ' + word + '， comes before banana.')
elif word > 'banana':
    print('Your word， ' + word + '， comes after banana.')
else:
    print('All right， bananas.')

Python处理大写和小写字母的方式和人不同。所有的大写字母出现在所有小写字母之前，所以：

Your word，Pineapple，comes before banana.

解决此问题的常见方式是，在执行比较之前，将字符串转化为标准格式，例如都是小写字母。请牢记这点，万一你不得不防卫一名手持菠萝男子的袭击呢。

11.调试 #

当你使用索引遍历序列中的值时，正确地指定遍历的起始和结束点有点困难。下面是一个用来比较两个单词的函数，如果一个单词是另一个的倒序，则返回 True ，但其中有两个错误：

def is_reverse(word1， word2):
    if len(word1) != len(word2):
        return False

    i = 0
    j = len(word2)

    while j > 0:
        if word1[i] != word2[j]:
            return False
        i = i+1
        j = j-1

    return True

第一条 if 语句检查两个单词是否等长。如果不是，我们可以马上返回 False 。否则，在函数其余的部分，我们可以假定单词是等长的。这是检查类型一节中提到的监护人模式的一个例子。

i和 j 是索引：i 向前遍历 word1 ，j 向后遍历 word2。如果我们找到两个不匹配的字母，我们可以立即返回 False 。如果我们完成整个循环并且所有字母都匹配，我们返回 True 。

如果我们用单词“pots”和“stop”测试该函数，我们期望返回 True ，但是却得到一个IndexError：

>>> is_reverse('pots'， 'stop')
...
  File "reverse.py"， line 15， in is_reverse
    if word1[i] != word2[j]:
IndexError: string index out of range

为了调试该类错误，我第一步是在错误出现的行之前，打印索引的值。

while j > 0:
    print(i， j)        # 这里添加打印语句

    if word1[i] != word2[j]:
        return False
    i = i+1
    j = j-1

现在，当我再次运行该程序时，将获得更多的信息：

>>> is_reverse('pots'， 'stop')
0 4
...
IndexError: string index out of range

第一次循环时， j 的值是4，超出字符串 'post' 的范围了。最后一个字符的索引是3，所以 j 的初始值应该是 len(word2)-1 。

如果我解决了这个错误，然后运行程序，将获得如下输出:

>>> is_reverse('pots'， 'stop')
0 3
1 2
2 1
True

这次我们获得了正确的答案，但是看起来循环只运行了三次，这很奇怪。画栈图可以帮我们更好的理解发生了什么。在第一次迭代期间， is_reverse 的栈帧如图8-2：堆栈图所示。

图8-2：堆栈图

我对堆栈图做了些调整，重新排列了栈帧中的变量，增加了虚线来说明 i 和 j 的值表示 word1 和 word2 中的字符。

从这个堆栈图开始，在纸上运行程序，每次迭代时修改 i 和 j 的值。查找并解决这个函数的中第二个错误。

12.术语表 #

对象（object）：变量可以引用的东西。现在你将对象和值等价使用。

序列（sequence）：一个有序的值的集合，每个值通过一个整数索引标识。

元素（item）：序列中的一个值。

索引（index）：用来选择序列中元素（如字符串中的字符）的一个整数值。在Python中，索引从0开始。

切片（slice）：以索引范围指定的字符串片段。

空字符串（empty string）：一个没有字符的字符串，长度为0，用两个引号表示。

不可变（immutable）：元素不能被改变的序列的性质。

遍历（traversal）：对一个序列的所有元素进行迭代，对每一元素执行类似操作。

搜索（search）：一种遍历模式，当找到搜索目标时就停止。

计数器（counter）：用来计数的变量，通常初始化为0，并以此递增。

方法调用(invocation): 执行一个方法的声明.可选参数（optional argument）一个函数或者一个方法中不必要指定的参数。

13.练习题 #

习题8-1 #

点击如下链接，阅读字符串方法的文档 http://docs.python.org/3/library/stdtypes.html#string-methods 。为了确保你理解他们是怎么工作的，可以尝试使用其中的一些方法。strip 和 replace 尤其有用。

文档中使用了可能会引起困惑的句法。例如，在 find(sub[， start[， end]]) 中，方括号意味着这是可选参数。所以，sub 是必填参数，但是 start 是可选的，而且如果你提供了 start ，也不一定必须提供 end 。

习题8-2 #

有一个字符串方法叫 count ，它类似于之前循环和计数一节中的 counter 。阅读这个方法的文档，写一个计算 `banana` 中a的个数的方法调用。

习题8-3 #

一个字符串切片可以接受指定步长的第三个索引; 也就是连续字符间空格的个数。步长为2，意味着每隔一个字符；步长为3，意味着每隔两个字符，以此类推。

>>> fruit = 'banana'
>>> fruit[0:5:2]
'bnn'

步长为-1就是从单词的尾部开始进行，所以切片 [::-1] 生成一个倒序的字符串。

利用这个惯用法（idiom），将习题6-3中 is_palindrome 函数改写为一行代码版。

习题8-4 #

下面这些函数，都是用于检查一个字符串是否包含一些小写字母的，但是其中至少有一些是错误的函数。检查每个函数，描述这个函数实际上做了什么(假设形参是字符串)。

def any_lowercase1(s):
    for c in s:
        if c.islower():
            return True
        else:
            return False

def any_lowercase2(s):
    for c in s:
        if 'c'.islower():
            return 'True'
        else:
            return 'False'

def any_lowercase3(s):
    for c in s:
        flag = c.islower()
    return flag

def any_lowercase4(s):
    flag = False
    for c in s:
        flag = flag or c.islower()
    return flag

def any_lowercase5(s):
    for c in s:
        if not c.islower():
            return False
    return True

习题8-5 #

凯撒密码是一种弱加密方式，它将每一个字母偏移固定的位置。偏移一个字母，指的是按着字母表偏移，如果需要的话再从尾部跳转至首字母，所以“A”偏移三个位置即为“D”， “Z”偏移一个位置是“A”。

要偏移一个单词，可以将其中每一个字母偏移相同的量。例如， “cheer”偏移7个位置后变成了”jolly”，”melon” 偏移-10个位置变成了”cubed”。在电影*《2001：太空奥德赛》（2001: A Space Odyssey）*中，飞船上的电脑叫做HAL，也就是IBM偏移1个位置后的单词。

编写一个叫 rotate_word 的函数，接受一个字符串和一个整数作为形参，并返回原字符串按照给定整数量偏移后得到的一个新字符串。

你可能想用内置函数 ord ，它可以将字符转化成数值代码，还有 chr ，它可以将数值代码转化成字符. 字母表的字母以字母表顺序编码，例如：

>>> ord('c') - ord('a')
2

因为 'c' 是字母表中的第二个字母。但是请注意：大写字母的数值代码是不同的。

网上一些可能冒犯人的笑话有时以ROT13编码，即以13为偏移量的凯撒密码。如果你不是很容易就被冒犯，那么可以找些这样的笑话，并解码。

"""This module contains a code example related to
Think Python, 2nd Edition
by Allen Downey
http://thinkpython2.com
Copyright 2015 Allen Downey
License: http://creativecommons.org/licenses/by/4.0/
"""

from __future__ import print_function, division


def rotate_letter(letter, n):
    """Rotates a letter by n places.  Does not change other chars.
    letter: single-letter string
    n: int
    Returns: single-letter string
    """
    if letter.isupper():
        start = ord('A')
    elif letter.islower():
        start = ord('a')
    else:
        return letter

    c = ord(letter) - start
    i = (c + n) % 26 + start
    return chr(i)


def rotate_word(word, n):
    """Rotates a word by n places.
    word: string
    n: integer
    Returns: string
    """
    res = ''
    for letter in word:
        res += rotate_letter(letter, n)
    return res


if __name__ == '__main__':
    print(rotate_word('cheer', 7))
    print(rotate_word('melon', -10))
    print(rotate_word('sleep', 9))

贡献者 #

翻译：@xpgeng
校对：@bingjin
参考：@carfly

Python 基础教程

Python 机器学习教程