Python中常用操作字符串的函数与方法总结

例如这样一个字符串 Python，它就是几个字符：P,y,t,h,o,n，排列起来。这种排列是非常严格的，不仅仅是字符本身，而且还有顺序，换言之，如果某个字符换了，就编程一个新字符串了；如果这些字符顺序发生变化了，也成为了一个新字符串。

在 Python 中，把像字符串这样的对象类型（后面还会冒出来类似的其它有这种特点的对象类型，比如列表），统称为序列。顾名思义，序列就是"有序排列"。

比如水泊梁山的 108 个好汉（里面分明也有女的，难道女汉子是从这里来的吗？），就是一个"有序排列"的序列。从老大宋江一直排到第 108 位金毛犬段景住。在这个序列中，每个人有编号，编号和每个人一一对应。1 号是宋江，2 号是卢俊义。反过来，通过每个人的姓名，也能找出他对应的编号。武松是多少号？14 号。李逵呢？22 号。

在 Python 中，给这些编号取了一个文雅的名字，叫做索引(别的编程语言也这么称呼，不是 Python 独有的。)。

索引和切片
前面用梁山好汉的为例说明了索引。再看 Python 中的例子：

    >>> lang = "study Python"
    >>> lang[0]
    's'
    >>> lang[1]
    't'

有一个字符串，通过赋值语句赋给了变量 lang。如果要得到这个字符串的第一个单词 s，可以用 lang[0]。当然，如果你不愿意通过赋值语句，让变量 lang 来指向那个字符串，也可以这样做：

    >>> "study Python"[0]
    's'

效果是一样的。因为 lang 是标签，就指向了 "study Python" 字符串。当让 Python 执行 lang[0] 的时候，就是要转到那个字符串对象，如同上面的操作一样。只不过，如果不用 lang 这么一个变量，后面如果再写，就费笔墨了，要每次都把那个字符串写全了。为了省事，还是复制给一个变量吧。变量就是字符串的代表了。

字符串这个序列的排序方法跟梁山好汉有点不同，第一个不是用数字1表示，而是用数字 0 表示。不仅仅 Python，其它很多语言都是从 0 开始排序的。为什么这样做呢？这就是规定。当然，这个规定是有一定优势的。此处不展开，有兴趣的网上去 google 一下，有专门对此进行解释的文章。

0 1 2 3 4 5 6 7 8 9 10 11

s t u d y l p y t h o n

上面的表格中，将这个字符串从第一个到最后一个进行了排序，特别注意，两个单词中间的那个空格，也占用了一个位置。

通过索引能够找到该索引所对应的字符，那么反过来，能不能通过字符，找到其在字符串中的索引值呢？怎么找？

    >>> lang.index("p")
    6

就这样，是不是已经能够和梁山好汉的例子对上号了？只不过区别在于第一个的索引值是 0。

如果某一天，宋大哥站在大石头上，向着各位弟兄大喊："兄弟们，都排好队。"等兄弟们排好之后，宋江说："现在给各位没有老婆的兄弟分配女朋友，我这里已经有了名单，我念叨的兄弟站出来。不过我是按照序号来念的。第 29 号到第 34 号先出列，到旁边房子等候分配女朋友。"

在前面的例子中 lang[1] 能够得到原来字符串的第二个字符 t，就相当于从原来字符串中把这个"切"出来了。不过，我们这么"切"却不影响原来字符串的完整性，当然可以理解为将那个字符 t 赋值一份拿出来了。

那么宋江大哥没有一个一个"切"，而是一下将几个兄弟叫出来。在 Python 中也能做类似事情。

    >>> lang
    'study Python'  #在前面"切"了若干的字符之后，再看一下该字符串，还是完整的。
    >>> lang[2:9]
    'udy pyt'

通过 lang[2:9]要得到部分（不是一个）字符，从返回的结果中可以看出，我们得到的是序号分别对应着 2,3,4,5,6,7,8(跟上面的表格对应一下)字符（包括那个空格）。也就是，这种获得部分字符的方法中，能够得到开始需要的以及最后一个序号之前的所对应的字符。有点拗口，自己对照上面的表格数一数就知道了。简单说就是包括开头，不包括结尾。

上述，不管是得到一个还是多个，通过索引得到字符的过程，称之为切片。

切片是一个很有意思的东西。可以"切"出不少花样呢？

    >>> lang
    'study Python'
    >>> b = lang[1:]  # 得到从 1 号到最末尾的字符，这时最后那个需要不用写
    >>> b
    'tudy Python'
    >>> c = lang[:]  # 得到所有字符
    >>> c
    'study Python'
    >>> d = lang[:10]  # 得到从第一个到 10 号之前的字符
    >>> d
    'study pyth'

在获取切片的时候，如果分号的前面或者后面的序号不写，就表示是到最末（后面的不写）或第一个（前面的不写）

lang[:10]的效果和 lang[0:10]是一样的。

    >>> e = lang[0:10]
    >>> e
    'study pyth'

那么，lang[1:]和 lang[1:11]效果一样吗？请思考后作答。

    >>> lang[1:11]
    'tudy pytho'
    >>> lang[1:]
    'tudy python'

果然不一样，你思考对了吗？原因就是前述所说的，如果分号后面有数字，所得到的切片，不包含该数字所对应的序号（前包括，后不包括）。那么，是不是可以这样呢？lang[1:12]，不包括 12 号（事实没有 12 号），是不是可以得到 1 到 11 号对应的字符呢？

    >>> lang[1:12]
    'tudy python'
    >>> lang[1:13]
    'tudy python'

果然是。并且不仅仅后面写 12，写 13，也能得到同样的结果。但是，我这个特别要提醒，这种获得切片的做法在编程实践中是不提倡的。特别是如果后面要用到循环的时候，这样做或许在什么时候遇到麻烦。

如果在切片的时候，冒号左右都不写数字，就是前面所操作的 c = lang[:]，其结果是变量 c 的值与原字符串一样，也就是"复制"了一份。注意，这里的"复制"我打上了引号，意思是如同复制，是不是真的复制呢？可以用下面的方式检验一下

    >>> id(c)
    3071934536L
    >>> id(lang)
    3071934536L

id()的作用就是查看该对象在内存地址（就是在内存中的位置编号）。从上面可以看出，两个的内存地址一样，说明 c 和 lang 两个变量指向的是同一个对象。用 c=lang[:]的方式，并没有生成一个新的字符串，而是将变量 c 这个标签也贴在了原来那个字符串上了。

    >>> lang = "study python"
    >>> c = lang

如果这样操作，变量 c 和 lang 是不是指向同一个对象呢？或者两者所指向的对象内存地址如何呢？看官可以自行查看。

字符串基本操作
字符串是一种序列，所有序列都有如下基本操作：

• len()：求序列长度
• ：连接 2 个序列
• : 重复序列元素
• in :判断元素是否存在于序列中
• max() :返回最大值
• min() :返回最小值
• cmp(str1,str2) :比较 2 个序列值是否相同

通过下面的例子，将这几个基本操作在字符串上的使用演示一下：

"+"连接字符串

    >>> str1 + str2
    'abcdabcde'
    >>> str1 + "-->" + str2
    'abcd-->abcde'

这其实就是拼接，不过在这里，看官应该有一个更大的观念，我们现在只是学了字符串这一种序列，后面还会遇到列表、元组两种序列，都能够如此实现拼接。

in

    >>> "a" in str1
    True
    >>> "de" in str1
    False
    >>> "de" in str2
    True

in 用来判断某个字符串是不是在另外一个字符串内，或者说判断某个字符串内是否包含某个字符串，如果包含，就返回 True，否则返回 False。

最值

    >>> max(str1)
    'd'
    >>> max(str2)
    'e'
    >>> min(str1)
    'a'

一个字符串中，每个字符在计算机内都是有编码的，也就是对应着一个数字，min()和 max()就是根据这个数字里获得最小值和最大值，然后对应出相应的字符。关于这种编号是多少，看官可以 google 有关字符编码，或者 ASCII 编码什么的，很容易查到。

比较

    >>> cmp(str1, str2)
    -1

将两个字符串进行比较，也是首先将字符串中的符号转化为对一个的数字，然后比较。如果返回的数值小于零，说明第一个小于第二个，等于 0，则两个相等，大于 0，第一个大于第二个。为了能够明白其所以然，进入下面的分析。

    >>> ord('a')
    97
    >>> ord('b')
    98
    >>> ord(' ')
    32

ord()是一个内建函数，能够返回某个字符（注意，是一个字符，不是多个字符组成的串）所对一个的 ASCII 值（是十进制的），字符 a 在 ASCII 中的值是 97，空格在 ASCII 中也有值，是 32。顺便说明，反过来，根据整数值得到相应字符，可以使用 chr()：

    >>> chr(97)
    'a'
    >>> chr(98)
    'b'

于是，就得到如下比较结果了：

    >>> cmp("a","b")  #a-->97, b-->98, 97 小于 98，所以 a 小于 b
    -1
    >>> cmp("abc","aaa") 
    1
    >>> cmp("a","a")
    0

看看下面的比较，是怎么进行的呢？

    >>> cmp("ad","c")
    -1

在字符串的比较中，是两个字符串的第一个字符先比较，如果相等，就比较下一个，如果不相等，就返回结果。直到最后，如果还相等，就返回 0。位数不够时，按照没有处理（注意，没有不是 0，0 在 ASCII 中对应的是 NUL），位数多的那个天然大了。ad 中的 a 先和后面的 c 进行比较，显然 a 小于 c，于是就返回结果 -1。如果进行下面的比较，是最容易让人迷茫的。看官能不能根据刚才阐述的比较远离理解呢？

    >>> cmp("123","23")
    -1
    >>> cmp(123,23)  # 也可以比较整数，这时候就是整数的直接比较了。
    1
    "*"

字符串中的"乘法"，这个乘法，就是重复那个字符串的含义。在某些时候很好用的。比如我要打印一个华丽的分割线：

    >>> str1*3
    'abcdabcdabcd'
    >>> print "-"*20  # 不用输入很多个`-`
    --------------------
    len()

要知道一个字符串有多少个字符，一种方法是从头开始，盯着屏幕数一数。哦，这不是计算机在干活，是键客在干活。

键客，不是剑客。剑客是以剑为武器的侠客；而键客是以键盘为武器的侠客。当然，还有贱客，那是贱人的最高境界，贱到大侠的程度，比如岳不群之流。
键客这样来数字符串长度：

    >>> a="hello"
    >>> len(a)
    5

使用的是一个函数 len(object)。得到的结果就是该字符串长度。

    >>> m = len(a) # 把结果返回后赋值给一个变量
    >>> m
    5
    >>> type(m)   # 这个返回值（变量）是一个整数型
    <type 'int'>

字符串格式化输出
什么是格式化？在维基百科中有专门的词条，这么说的：

格式化是指对磁盘或磁盘中的分区（partition）进行初始化的一种操作，这种操作通常会导致现有的磁盘或分区中所有的文件被清除。
不知道你是否知道这种"格式化"。显然，此格式化非我们这里所说的，我们说的是字符串的格式化，或者说成"格式化字符串"，都可以，表示的意思就是：

格式化字符串，是 C、C++ 等程序设计语言 printf 类函数中用于指定输出参数的格式与相对位置的字符串参数。其中的转换说明（conversion specification）用于把随后对应的 0 个或多个函数参数转换为相应的格式输出；格式化字符串中转换说明以外的其它字符原样输出。
这也是来自维基百科的定义。在这个定义中，是用 C 语言作为例子，并且用了其输出函数来说明。在 Python 中，也有同样的操作和类似的函数 print，此前我们已经了解一二了。

如果将那个定义说的通俗一些，字符串格式化化，就是要先制定一个模板，在这个模板中某个或者某几个地方留出空位来，然后在那些空位填上字符串。那么，那些空位，需要用一个符号来表示，这个符号通常被叫做占位符（仅仅是占据着那个位置，并不是输出的内容）。

    >>> "I like %s"
    'I like %s'

在这个字符串中，有一个符号：%s，就是一个占位符，这个占位符可以被其它的字符串代替。比如：

    >>> "I like %s" % "python"
    'I like python'
    >>> "I like %s" % "Pascal"
    'I like Pascal'

这是较为常用的一种字符串输出方式。

另外，不同的占位符，会表示那个位置应该被不同类型的对象填充。下面列出许多，供参考。不过，不用记忆，常用的只有 %s 和 %d，或者再加上 %f，其它的如果需要了，到这里来查即可。

占位符 说明

%s 字符串(采用 str()的显示)

%r 字符串(采用 repr()的显示)

%c 单个字符

%b 二进制整数

%d 十进制整数

%i 十进制整数

%o 八进制整数

%x 十六进制整数

%e 指数 (基底写为 e)

%E 指数 (基底写为 E)

%f 浮点数

%F 浮点数，与上相同

%g 指数(e) 或浮点数 (根据显示长度)

%G 指数(E)或浮点数 (根据显示长度)

看例子：

    >>> a = "%d years" % 15
    >>> print a
    15 years

当然，还可以在一个字符串中设置多个占位符，就像下面一样

    >>> print "Suzhou is more than %d years. %s lives in here." % (2500, "qiwsir")
    Suzhou is more than 2500 years. qiwsir lives in here.

对于浮点数字的打印输出，还可以限定输出的小数位数和其它样式。

    >>> print "Today's temperature is %.2f" % 12.235
    Today's temperature is 12.23
    >>> print "Today's temperature is %+.2f" % 12.235
    Today's temperature is +12.23

注意，上面的例子中，没有实现四舍五入的操作。只是截取。

常用的字符串方法
字符串的方法很多。可以通过 dir 来查看：

    >>> dir(str)
    ['__add__', '__class__', '__contains__', '__delattr__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__getslice__', '__gt__', '__hash__', '__init__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '_formatter_field_name_split', '_formatter_parser', 'capitalize', 'center', 'count', 'decode', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'index', 'isalnum', 'isalpha', 'isdigit', 'islower', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

这么多，不会一一介绍，要了解某个具体的含义和使用方法，最好是使用 help 查看。举例：

    >>> help(str.isalpha)

    Help on method_descriptor:

    isalpha(...)
      S.isalpha() -> bool

      Return True if all characters in S are alphabetic
      and there is at least one character in S, False otherwise.

按照这里的说明，就可以在交互模式下进行实验。

    >>> "python".isalpha()  # 字符串全是字母，应该返回 True
    True
    >>> "2python".isalpha()  # 字符串含非字母，返回 False
    False

split

这个函数的作用是将字符串根据某个分割符进行分割。

    >>> a = "I LOVE PYTHON"
    >>> a.split(" ")
    ['I', 'LOVE', 'PYTHON']

这是用空格作为分割，得到了一个名字叫做列表（list）的返回值，关于列表的内容，后续会介绍。还能用别的分隔吗？

    >>> b = "www.itdiffer.com"
    >>> b.split(".")
    ['www', 'itdiffer', 'com']

去掉字符串两头的空格

这个功能，在让用户输入一些信息的时候非常有用。有的朋友喜欢输入结束的时候敲击空格，比如让他输入自己的名字，输完了，他来个空格。有的则喜欢先加一个空格，总做的输入的第一个字前面应该空两个格。

这些空格是没用的。Python 考虑到有不少人可能有这个习惯，因此就帮助程序员把这些空格去掉。

方法是：

1. S.strip() 去掉字符串的左右空格
2. S.lstrip() 去掉字符串的左边空格
3. S.rstrip() 去掉字符串的右边空格
4. 例如：

    >>> b=" hello "  # 两边有空格
    >>> b.strip()
    'hello'
    >>> b
    ' hello '

特别注意，原来的值没有变化，而是新返回了一个结果。

    >>> b.lstrip()  # 去掉左边的空格
    'hello '
    >>> b.rstrip()  # 去掉右边的空格
    ' hello'

字符大小写的转换

对于英文，有时候要用到大小写转换。最有名驼峰命名，里面就有一些大写和小写的参合。如果有兴趣，可以来这里看自动将字符串转化为驼峰命名形式的方法。

在 Python 中有下面一堆内建函数，用来实现各种类型的大小写转化

• S.upper() #S 中的字母大写
• S.lower() #S 中的字母小写
• S.capitalize() # 首字母大写
• S.isupper() #S 中的字母是否全是大写
• S.islower() #S 中的字母是否全是小写
• S.istitle()
• 看例子：

    >>> a = "qiwsir,Python" 
    >>> a.upper()    # 将小写字母完全变成大写字母
    'QIWSIR,PYTHON'
    >>> a        # 原数据对象并没有改变
    'qiwsir,Python'
    >>> b = a.upper()
    >>> b
    'QIWSIR,PYTHON'
    >>> c = b.lower()  # 将所有的小写字母变成大写字母
    >>> c
    'qiwsir,Python'

    >>> a
    'qiwsir,Python'
    >>> a.capitalize() # 把字符串的第一个字母变成大写
    'Qiwsir,Python'
    >>> a        # 原数据对象没有改变
    'qiwsir,Python'
    >>> b = a.capitalize() # 新建立了一个
    >>> b
    'Qiwsir,Python'

    >>> a = "qiwsir,github"  # 这里的问题就是网友白羽毛指出的，非常感谢他。
    >>> a.istitle()
    False
    >>> a = "QIWSIR"    # 当全是大写的时候，返回 False
    >>> a.istitle()
    False
    >>> a = "qIWSIR"
    >>> a.istitle()
    False
    >>> a = "Qiwsir,github" # 如果这样，也返回 False
    >>> a.istitle()
    False
    >>> a = "Qiwsir"    # 这样是 True
    >>> a.istitle()
    True
    >>> a = 'Qiwsir,Github' # 这样也是 True
    >>> a.istitle()
    True

    >>> a = "Qiwsir"
    >>> a.isupper()
    False
    >>> a.upper().isupper()
    True
    >>> a.islower()
    False
    >>> a.lower().islower()
    True

再探究一下，可以这么做：

    >>> a = "This is a Book"
    >>> a.istitle()
    False
    >>> b = a.title()   # 这样就把所有单词的第一个字母转化为大写
    >>> b
    'This Is A Book'
    >>> b.istitle()    # 判断每个单词的第一个字母是否为大写
    True

join 拼接字符串

用"+"能够拼接字符串，但不是什么情况下都能够如愿的。比如，将列表（关于列表，后续详细说，它是另外一种类型）中的每个字符（串）元素拼接成一个字符串，并且用某个符号连接，如果用"+"，就比较麻烦了（是能够实现的，麻烦）。

用字符串的 join 就比较容易实现。

    >>> b
    'www.itdiffer.com'
    >>> c = b.split(".")
    >>> c
    ['www', 'itdiffer', 'com']
    >>> ".".join(c)
    'www.itdiffer.com'
    >>> "*".join(c)
    'www*itdiffer*com'

这种拼接，是不是简单呢？