Python字符串操作全解：拼接、截取、分割、格式化与编码转换

拼接字符串

• 利用“+”运算符可以将多个字符串连接起来，生成一个新的字符串对象。
• 需要注意的是，字符串类型不能直接与数字等其他数据类型进行拼接操作。
• 若需将其他类型数据与字符串拼接，必须先使用str()函数将其转换为字符串类型。

str1 = 'Hello World'
str2 = '你好，世界'
print(str1+str2)
num = 2021
print(str1+str2+str(num))

计算字符串长度

由于不同字符占用的字节数存在差异，计算字符串长度前需明确字符编码规则。在Python中，数字、英文字母、小数点、下划线及空格均占用1个字节；汉字占用的字节数通常为2至4个，具体取决于编码方式。例如，在GBK或GB2312编码中，一个汉字占2个字节；而在UTF-8或Unicode编码中，通常占用3或4个字节。Python默认采用UTF-8编码，因此一般一个汉字占用3个字节。

str1 = '人生苦短，我用python!'
print(len(str1))             #结果为14

默认情况下，len()函数计算字符串长度时不区分英文、数字或汉字，将所有字符均视为1个字符进行计数。

注：

在实际开发中，若需获取字符串实际占用的字节数，可先使用encode()方法指定编码格式，再计算其长度。

str1 = '人生苦短，我用python!'
print(len(str1.encode()))      #UTF-8结果为28
print(len(str1.encode('gbk'))) #gbk结果为21

截取字符串

语法格式：string[start : end : step]

string：表示需要截取的原始字符串；

start：表示截取的起始索引（包含该位置的字符），若未指定则默认为0；

end：表示截取的结束索引（不包含该位置的字符），若未指定则默认为字符串长度；

step：表示切片的步长，若省略则默认为1；

进行截取操作时，若指定的索引超出字符串范围，程序将抛出异常。

programer_1 = '你知道我的生日吗？'  # 程序员甲问程序员乙的台词
print('程序员甲说：',programer_1)  # 输出程序员甲的台词
programer_2 = '输入你的身份证号码。' # 程序员乙的台词
print('程序员乙说：',programer_2)  # 输出程序员乙的台词
idcard = '123456199006277890'  # 定义保存身份证号码的字符串
print('程序员甲说：',idcard)  # 程序员乙说出身份证号码
birthday = idcard[6:10] + '年' + idcard[10:12] + '月' + idcard[12:14] + '日'   # 截取生日
print('程序员乙说：','你是' + birthday + '出生的，所以你的生日是' + birthday[5:]) # 输出程序员乙的生日

分割字符串

语法格式：string.split(sep,maxsplit)

string：指定需要分割的源字符串；

sep：指定分隔符，可包含多个字符，默认为None（即空字符，包括空格、换行符“\n”、制表符“\t”等）；

maxsplit：可选参数，用于指定最大分割次数。若未指定或设为-1，则分割次数无限制；否则返回结果列表的元素个数最多为maxsplit+1；

该方法的返回值是一个字符串列表；

str1 = '分割一个字符串 >>> http://www.baidu.com'
print('原字符串：',str1)
list1 = str1.split()
list2 = str1.split('>>>')
list3 = str1.split('.')
list4 = str1.split(' ',4)  #用空格进行分割，只分割前4个空格
print(str(list1)+'\n'+str(list2)+'\n'str(list3)+'\n'str(list4))
list5 = str1.split('>')
print(list5)

合并字符串

语法格式：strnew = string.join(iterable)

strnew：表示合并后生成的新字符串；

string：字符串类型，用于指定合并时使用的分隔符；

iterable：可迭代对象，例如列表、字符串、元组等。

list_friend = ['扎克伯格','俞敏洪','马云','马化腾']  # 好友列表
str_friend = ' @'.join(list_friend)  # 用空格+@符号进行连接
at = '@'+str_friend  # 由于使用join()方法合并时，第一个元素前不加分隔符，所以需要在前面加上@符号
print('您要@的好友：',at)

检索字符串

语法格式：str.count(sub[,start[,end]])

用于统计指定子字符串在原字符串中出现的次数。

str：表示原字符串；

sub：表示需要检索的子字符串；

start：可选参数，表示检索范围的起始索引，若未指定则从头开始检索；

end：可选参数，表示检索范围的结束索引，若未指定则检索至末尾。

find()方法

语法格式：str.find(sub[,start[,end]])

用于检索字符串中是否包含指定的子字符串。

str：表示原字符串；

sub：表示需要检索的子字符串；

start：可选参数，表示检索范围的起始索引，若未指定则从头开始检索；

end：可选参数，表示检索范围的结束索引，若未指定则检索至末尾。

补充：

如果仅需判断子字符串是否存在，建议使用in关键字；若未找到，find()方法返回-1。若需从右向左查找，可使用rfind()方法。

index()方法

语法格式：str.index(sub[,start[,end]])

index()方法与find()类似，用于检索是否包含指定子字符串，区别在于若未找到会抛出异常。

str：表示原字符串；

sub：表示需要检索的子字符串；

start：可选参数，表示检索范围的起始索引，若未指定则从头开始检索；

end：可选参数，表示检索范围的结束索引，若未指定则检索至末尾。

startswith()方法

语法格式：str.startswith(sub[,start[,end]])

用于检索字符串是否以指定子字符串开头，若是返回True，否则返回False。

str：表示原字符串；

sub：表示需要检索的子字符串；

start：可选参数，表示检索范围的起始索引，若未指定则从头开始检索；

end：可选参数，表示检索范围的结束索引，若未指定则检索至末尾。

endswith()方法

语法格式：str.endswith(sub[,start[,end]])

用于检索字符串是否以指定子字符串结尾，若是返回True，否则返回False。

str：表示原字符串；

sub：表示需要检索的子字符串；

start：可选参数，表示检索范围的起始索引，若未指定则从头开始检索；

end：可选参数，表示检索范围的结束索引，若未指定则检索至末尾。

去除字符串中空格和特殊字符

strip()方法

用于去除字符串两侧（首尾）的空格和特殊字符。

lstrip()方法

用于去除字符串左侧（开头）的空格和特殊字符。

rstrip()方法

用于去除字符串右侧（结尾）的空格和特殊字符。

特殊字符指：

制表符\t、回车符\r、换行符\n等。

格式化字符串格式一

字符串格式化是指先定义一个包含占位符的模板，预留空位，随后填入相应内容。这些占位符在最终输出前不会显示。

使用“%”操作符

语法格式：'%[-][+][0][m][.n]格式化字符'%exp (注意别漏了单引号)

-：可选参数，用于指定左对齐，正数前方无符号，负数前面加负号；

+：可选参数，用于指定右对齐，正数前方加正号，负数前面加负号；

0：可选参数，表示右对齐，正数前方无符号，负数前方加负号，用0填充空白处（一般与m参数一起使用）；

m：可选参数，表示占有宽度；

n：可选参数，表示小数点后保留的位数；

格式化字符：用于指定数据类型；

exp：要转换的项，若指定多个值，需通过元组传递，不能使用列表。

常用格式化字符串

实例

template = '编号：%09d\t公司名称： %s\t官网：http://www.%s.com' 
context1 = (7,'百度','baidu')
context2 = (8,'新浪','sina')
print(template%context1)
print(template%context2)

格式化字符串格式二（常用）

目前大多数场景已较少使用%方法，转而采用第二种format对象来实现格式化。

使用字符串对象的format()方法

语法格式：template.format(args)

template：用于指定字符串显示样式（即模板）的字符串；

args：用于指定要转换的项，若有多项，则用逗号进行分割。

创建模板时，需要使用“{}”和“:”指定占位符。

语法格式：{[index][:[[fill]align][sign][#][width][.precision][type]]}

index：可选参数，用于指定要设置格式的对象在参数列表中的索引位置；

fill：可选参数，指定空白处填充的字符；

align：可选参数，用于指定对齐方式（“<”：左对齐，“>”：右对齐，“=”：仅对数字有效的右对齐，“^”：表示居中，需与width一起使用）；

width一起使用。

sign：可选参数，用于指定是否显示符号（正数、负数）；

#：可选参数，对二进制、八进制和十六进制数，加上#会显示0b/0o/0x前缀；

width：可选参数，用于指定宽度；

.precision：可选参数，用于指定保留的小数位数；

type：可选参数，用于指定类型。

实例

import math        # 导入Python的数学模块
print('1251+3950的结果是（以货币形式显示）：￥{:,.2f}元'.format(1251+3950)) # 以货币形式显示
print('{0:.1f}用科学计数法表示：{0:E}'.format(120000.1))    # 用科学计数法表示
print('π取5位小数：{:.5f}'.format(math.pi))     # 输出小数点后五位
print('{0:d}的16进制结果是：{0:#x}'.format(100))     # 输出十六进制数
print('天才是由 {:.0%} 的灵感，加上 {:.0%} 的汗水 。'.format(0.01,0.99))   # 输出百分比，并且不带小数

字符串编码转换

最早的字符串编码是美国标准信息交换码（ASCII），仅包含10个数字、26个大写英文字母、26个小写英文字母及一些其他符号。ASCII码最多只能表示256个符号，每个字符占1个字节。GBK和GB2312是我国制定的中文编码规则，使用1个字节表示英文字母，2个字节表示中文。UTF-8是国际通用编码，对全球各国所需字符进行了编码。UTF-8采用1个字节表示英文，3个字节表示中文。

在Python中，有两种常用的字符串类型，分别为str和bytes。其中str表示Unicode字符（即ASCII）；bytes表示二进制数据。这两种类型的字符串不能直接拼接使用。通常情况下，str在内存中以Unicode表示，一个字符对应若干个字节。但在网络传输或保存到硬盘时，需要将str转换为字节类型，即bytes。

bytes类型的数据带有b前缀（使用单引号或双引号）。

例如：b'\xd2\xb0' 和 b'mr' 都是bytes类型。

str类型和bytes类型可以通过encode()和decode()方法进行相互转换。

使用encode()方法编码

encode()方法是str对象的方法，用于将字符串转换为二进制数据（即bytes），也称为“编码”。

语法格式：str.encode([encoding= “utf-8”][,errors= “strict”])

• str：表示要进行转换的字符串；
• encoding = “utf-8”：可选参数，用于指定转码时采用的字符编码，默认为UTF-8。若需使用简体中文，可设置为gb2312。当仅有此参数时，可省略“encoding=”，直接写编码值；
• errors = “strict”：可选参数，用于指定错误处理方式，可选值包括strict（遇到非法字符抛出异常）、ignore（忽略非法字符）、replace（用“？”替换非法字符）或xmlcharrefreplace（使用XML字符引用）等，默认值为strict。

实例

verse = '野渡无人舟自横'    
byte = verse.encode('GBK')  # 采用GBK编码转换为二进制，不处理异常
print('原字符串：',verse)    # 输出原字符串（没有改变）
print('转换后：',byte)    # 输出转换后的二进制数据，如果用UTF-8来转换呢？

使用decode()方法解码

decode()方法是bytes对象的方法，用于将二进制数据转换为字符串，即将encode()方法转换的结果还原为字符串，也称为“解码”。

语法格式：bytes.decode([encoding= “utf-8”][,errors= “strict”])

• bytes：表示要进行转换的二进制数据，通常是encode()方法转换的结果；
• encoding = “utf-8”：可选参数，用于指定转码时采用的字符编码，默认为UTF-8。若需使用简体中文，可设置为gb2312。当仅有此参数时，可省略“encoding=”，直接写编码值；
• errors = “strict”：可选参数，用于指定错误处理方式，可选值包括strict（遇到非法字符抛出异常）、ignore（忽略非法字符）、replace（用“？”替换非法字符）或xmlcharrefreplace（使用XML字符引用）等，默认值为strict。

实例

verse = '野渡无人舟自横'    
byte = verse.encode('GBK')  # 采用GBK编码转换为二进制，不处理异常
print('原字符串：',verse)    # 输出原字符串（没有改变）
print('转换后：',byte)    # 输出转换后的二进制数据，如果用UTF-8来转换呢？
print('解码后：',byte.decode('GBK'))  # 对二进制数据进行解码

总结

到此这篇关于Python字符串常规操作大全的文章就介绍到这了，更多相关Python字符串操作内容请搜索本站以前的文章或继续浏览下面的相关文章，希望大家以后多多支持本站！