字符串常用 API

学习目标

• 用索引、切片和常用方法处理文本。
• 掌握 f-string、join、split、查找和替换。
• 知道 Unicode、编码和正则表达式的使用边界。

核心知识点

str 是不可变的 Unicode 字符序列。索引取一个字符，切片产生新字符串；方法不会原地修改字符串。编码是字符串与字节之间的转换，文件和网络边界必须明确编码。

常用用法

索引与切片

text = "Python"
result = (text[0], text[-1], text[1:4], text[::-1])
print(result)
# 输出：('P', 'n', 'yth', 'nohtyP')

切片区间是左闭右开，步长为负时可倒序；越界切片不会报错，越界索引会抛出 IndexError。

str.strip()

text = "  hello\n"
print(text.strip(), text.lstrip(), text.rstrip())
# 输出：hello hello\n   hello

strip(chars) 移除两端字符集合，而不是移除一个完整子串。

str.split() 与 str.splitlines()

line = "red,green,blue"
parts = line.split(",")
lines = "a\nb\n".splitlines()
print(parts, lines)
# 输出：['red', 'green', 'blue'] ['a', 'b']

不传分隔符时会按连续空白切分并丢弃首尾空白；读取文本行时 splitlines() 通常比手写 split("\n") 稳妥。

str.join()

words = ["Python", "3.11"]
sentence = " ".join(words)
print(sentence)
# 输出：Python 3.11

调用者是分隔符，参数必须是字符串可迭代对象；"".join(...) 适合拼接字符或片段。

str.replace()

text = "spam spam"
print(text.replace("spam", "ham", 1))
# 输出：ham spam

replace 返回新字符串，第三个参数限制替换次数；复杂模式使用 re.sub。

查找与判断

text = "Python 3.11"
print(text.find("3"), text.startswith("Py"), text.isascii())
# 输出：7 True True

find 找不到返回 -1，index 找不到会抛异常；只判断是否存在时用 in 更直观。

f-string 格式化

name, score = "Lin", 98.456
print(f"{name} 得分 {score:.1f}")
# 输出：Lin 得分 98.5

表达式放在 {} 中；用户可控格式不要直接拼接进复杂表达式。

编码与解码

text = "你好"
data = text.encode("utf-8")
decoded = data.decode("utf-8")
print(data, decoded)
# 输出：b'\xe4\xbd\xa0\xe5\xa5\xbd' 你好

文件和网络接口要明确编码；出现 UnicodeDecodeError 时先确认数据实际编码，不要盲目忽略错误。

不常用但需要知道

str.translate()

table = str.maketrans({"-": " ", "_": " "})
print("a-b_c".translate(table))
# 输出：a b c

大量一对一字符替换时比多次 replace 更适合。

str.removeprefix() 与 str.removesuffix()

path = "file:///tmp/demo.txt"
clean = path.removeprefix("file://").removesuffix(".txt")
print(clean)
# 输出：/tmp/demo

它们按完整前缀/后缀处理，避免把 strip 误当成子串删除。

re.fullmatch()

import re

matched = re.fullmatch(r"[A-Z]{2}\d{3}", "AB123") is not None
print(matched)
# 输出：True

正则适合模式匹配；简单的前缀、包含和替换不要过度使用正则。

易混点

• 字符串不可变，text.replace(...) 不会改变 text 本身。
• strip("ab") 移除两端连续的 a/b，不是移除字符串 "ab"。
• split(" ") 与 split() 对连续空格的处理不同。
• encode 得到 bytes，decode 才回到 str。
• 用 join 拼接大量片段通常比循环中反复 + 更清晰高效。

课后小问

1. 为什么 "-".join(["a", "b"]) 中 join 属于连接符？ 答案：join 的调用对象就是插入元素之间的分隔符。 解析：结果等于在序列元素之间插入调用者 "-"，元素本身必须是字符串。

2. find 和 index 找不到文本时分别怎样？ 答案：find 返回 -1，index 抛出 ValueError。 解析：需要分支判断时 find 方便；希望异常暴露数据错误时可用 index。

本节小结

日常文本处理优先组合切片、strip、split、join、replace 和 f-string；到编码边界时再明确 str 与 bytes。

快速回顾

• 文本是不可变 Unicode：str
• 切分/连接：split、join
• 清理/替换：strip、replace
• 查找/判断：find、in、startswith
• 边界转换：encode、decode