python详解(3)--常用的数据结构(字符串)_python中type()、chr()、ord()、format()

python中的字符串是一个不可变对象，其是字符的线性排列，采用一体式顺序表(参后续数据结构与算法)的形式来实现，在底层应该看成一个序列/一种组合对象而不是单个对象，其很多操作都不是常量时间的，是线性时间操作。

一、字符串的基本操作

字符串是python中最常见的对象(是的，字符串也是对象，python中的任何东西都是对象)，是不可变对象(重复)，即在python中，字符串一旦创建就不可再更改，新字符串的产生是需要重新开辟内存生成对象的。

字符串的表示方法：python中使用单引号或双引号或三引号来表示字符串，其中：①不区分单引号与双引号，即’abc’与"abc"是等价的；
②在某些特定格式的字符串(如json)中，必须使用双引号表字符串，其与模块要求的格式有关；
③要注意，如果想在字符串中再添加引号，则必须区分，如'a+"b"+c'"a+'b'+c"两者等价，但其使用的引号必须有区别；
④三引号可以将输入的换行、缩进等特殊字符自动转换，再次输出时保持输入的格式，例如：''' a'''存储为'\ta'(’\t’为制表符，即缩进)，再次输出时会自动转换，尤其适用于转换HTML文档、SQL语句时；
⑤在字符串前添加r，表示原生字符串，即不将字符串中的特殊符号进行转义，如r'\t'，其输出为'\\t'，其中\为转义字符。
注：字符串的内容其实是固定的，如'\t'其也只是在直接print时才会输出为缩进，因此对于应用而言，Ⅰ三引号字符串保留原本格式，用于函数/类注释、文档字符串等；Ⅱ原生字符串用于字符串的正则匹配，因为其中多处应用到了\，如若不加区分可能会被解释器错误理解；Ⅲ其它场景使用普通字符串即可。

字符串的长度：len(str)可以返回字符串的字符长度，默认情况下不区分中英文字符统一按一个字符处理；
str.encode('utf-8')将字符串编码为bytes，此时len()统计其字节数，GBK中中文占两个字节，UTF-8中中文占3个字节。

字符串的切片、分割与合并：
①切片操作与列表类似，使用中括号记法(str[a:b:c]切片，a[index]下标访问)；
②分割：str.split(a,b)，其中a用于指定分隔符（默认为None，即所有空字符，换行符制表符空格等），b用于指定分割的次数（即检索b个空字符，生成b+1个字符串），返回一个由分割后的字符串组成的列表（若不指定分隔符，则多个在一起的空白符会算作一个分隔符，若指定分隔符，则会产生空元素，例如对s = ' a b c'进行分割，s.split()返回['a', 'b', 'c']，而s.split(' ')返回['', 'a', '', 'b', '', '', 'c']）;
str.rsplit()与split类似，但从右向左进行检索；
str.splitlines()用换行符分割；
str.partition(a)在str中检索字符串a，返回一个元组，由a前的子串，a，a后的子串组成，若检索到多个a，则以第一个为准，若检索不到a，则返回(str, '', '')；
str.rpartition(a)与partition类似，从右向左检索；
③str.join(a)其中a是可迭代对象，str代表指定的分隔符，会将a中的所有元素通过str连接合并为一个新的字符串（注意第一个元素前不会添加分隔符）。

字符串的检索与转换：
str.count(a,b,c)，其中str表示原字符串，a表示要检索的字符串，b表示起始位置索引（默认为0），c表示结束位置索引（默认为-1）返回a在str中出现的次数；
str.find(a,b,c)，用法与count类似，但返回值是a在str中出现的第一次的索引号，若不存在，则返回-1（rfind类似，不过从右开始查找，注意返回的索引号不是从右数）；
str.index(a,b,c)用法与find类似，但不存在时报错（注意find方法只能用于字符串中，而index可以用于列表等，rindex与rfind类似）；
若只是判断a是否在str中，可以使用in进行逻辑判断；
str.startswith(a,b,c)检索原字符串是否以a开头，返回值为布尔值；
endswith方法与startswith类似；
str.lower()将str中的大写字母转换为小写字母；
upper()类似，将小写字母转换为大写字母；
str.title()将str中的所有单词首字母大写，其他小写；
str.capitalize()将str中的首字母大写，其他小写；
str.swapcase()对str中的字符作大小写转换；
str.strip(a)去除字符串str左右两端的字符，其中a为指定要去除的字符（默认去除空格、制表符等空字符，如指定’12’将去除所有的’1’’2 ’ ），lstrip与rstrip与上述类似，分别只操作左端或右端；
str.replace(old,new,n)其中old/new分别为要被替换和用于替换的字符串，n为最大替换次数，返回替换后的字符串；
str.zfill(x)向数值的字符串左侧填充0来补位，x为其总字符数（负号和.也算在内）；
str.ljust(a,b)向字符串左端填充b来补足到a位，默认填充空格，rjust类似，向右端补位；
str.center(a,b)与上述类似，但将字符串居中，若为奇数则先补左；
str.isalnum()，如果str至少有一个字符且所有字符都是字母或数字则返回True，否则返回False；
str.isalpha()检测字符，注意中文字符会被isalpha和isalnum检测为true；
str.isnum()检测数字；
str.isspace()检测空白，包括空格、制表符、换行符等；
str.maketrans(a, b)生成一个字典，其以a中的字符序号为key，以b中的字符序号为值；
str.translate(c)使用上述生成的字典，将str中的a字符替换为b字符。

二、字符串的正则表达式

python中字符串的正则依赖于re模块，用于查找复杂规则的字符串，一般将
模式字符串写为原生字符串，模式字符串的书写规则如下表所示(是一个简略版，详细可参网上关于正则的书写规则，其在各种语言中都适用)

对于上表的补充有：\D \W \S匹配其小写的补集，如\D == [^0-9]。

re模块：python中专用于正则表达式匹配的模块，其中常用函数有：
re.match(a,str,c)，其中a为模式字符串，c为可选参数表示标志位，若匹配成功，则返回一个match对象，否则返回None（注意match方法从被匹配字符串的开始位置进行匹配）；

match对象：match.start()/end/span/string/group等方法，其分别返回匹配值的开始/结束位置和位置元组，要匹配的字符串，匹配的数据；

re.search与match方法的参数类似，但可以匹配字符串的其他位置（当模式字符串中出现^$时有限制），即re.match从str的开始进行匹配，若不匹配则直接返回None，而re.search扫描整个字符串，找到匹配的部分时返回match对象；

re.findall与前两类似，但返回值为包含匹配结构的列表，可能出现[’’]返回值（若模式字符串a中定义()分组，则group方法和findall函数匹配的结果都会包含有分组的内容，group(0)为原始字符串，(1\2…)等为子串；而findall中，除非将模式字符串a全部括在一起即(a)，否则无法获得原始字符串，只能获得子串，会将每个分组内能匹配到的值组成一个元组（若只有一个则为字符串），最终返回一个列表，groups方法返回一个由匹配值组成的元组 ）；

re.sub(a,x,str,d,c)，用于替换字符串，其中x代表要用来替换的字符串，（x支持函数，会将匹配到的子串作为参数传入），d表示替换的最大次数（默认为0，替换所有匹配）；

re.split(a,str,d,c)，其中a表示用于分割的模式字符串（正则），d表示最大的拆分次数，其与普通的字符串分割方法的区分在于，可以使用类似r’[\s\,\;]+’的模式字符串将所有的不规范输入统一匹配并分割，若第一个字符为分隔符，则产生空元素。

贪婪匹配：正则表达式的匹配原则为贪婪匹配，即匹配尽可能多的字符，采用(\d+?)，加?的形式可将其改为非贪婪匹配，即尽可能少的匹配。

编译：re.compile(a)可返回编译后的正则表达式对象，a.match(str)即可返回match对象，此方法可以提高效率，如需要对一个模式字符串重复利用，则可以将其编译后直接调用其match方法，不使用re.match方法。

三、字符串的格式化

在python中有两种格式化字符串的方法，%记法与str.format()方法，建议使用format方法。

%记法

%[(name)][flags][width].[precision]typecode
1

其适配方法如下表所示。


不能使用列表输入，但可以使用元组输入，在实际运用中较少用到上述功能，如需使用，则可查阅官方文档。

format方法

{[index][:[[fill]align]][sign][#][0][width][,][.precision][type]}
1

其适配方法如下表所示。

注：①format方法中允许使用关键字参数（放最后），并允许使用变量，并允许位置参数与其混用（注意若使用位置参数必须全部指定），如图所示；

②format方法中，允许使用字典的键来取代位置参数，用于匹配相应值，但传入字典时需加**，如图所示；

③format方法中，允许在()中放置列表、字典等数据类型，若要直接使用则需加*，若指定了位置拥有返回值，则不用加*可直接传入，如图。

④实际运用中，可能最常用到的方式为(最基本，忽略所有参数)：

'{} aa {} vv'.format(11, 22)
1

四、python中一些与赋值、输出、变量相关的细节与操作

此部分内容是实际运用总结，知识点较零碎，没有条理，牵涉到一部分后续函数的内容。

1、type()可返回变量的类型；eval()识别字符串中的python表达式，并返回一个对象，如图所示。


2、id()可返回变量的内存地址，此处返回的是变量引用的对象的内存地址，变量只是一个符号/名字，其用于指向存储于内存中的对象。

3、repr()将字符串转化为供解释器读取的形式，对python解释器更友好，一般情况下，obj == eval(repr(obj))是成立的。

4、ord()返回单个字符的Unicode码；chr()返回整数对应的Unicode码中的字符，使用十六进制和十进制均可。

5、encode()将字符串编码为bytes，str.encode(encoding='',errors='')，当忽略errors时省略；decode()将bytes解码为字符串，errors可以有多种模式，默认为strict（遇见非法字符就抛出异常）。

将Unicode码（整数）编码为UTF-8的方式如图所示，将二进制整数码从右向左填。

6、input()返回的结果一定是str，若需换行输入，则可input('1111\n')；若无需输入值，按下回车即可进行下一步，可使用条件判断if input('') == ''，即若输入内容为空则继续执行后续语句。

7、print(*objects, sep=' ', end='\n', file=sys.stdout, flush=False)，print函数在python中是最常用的函数之一，其有五个参数：
objects：要输出的内容，各个变量之间用逗号隔开；
sep：表示各个输出字符串之间的间隔字符，默认为空格；
end：表示字符串打印结束后的添加的结束字符串，默认是换行；
file：表示打印到标准输出，还是文件中，默认是标准输出；
flush：表示是否实时将数据写入file，flash表示只有打印结束的时侯才真正写入到文件，true表示实时写入，默认是flash。
注：python中的函数调用与赋值，先计算内层函数，如print(len(str))则会先计算len(str)，再对其进行输出，a = len(str1) + sum(list)类似。

8、in 可以判断某元素是否在序列中，并返回一个布尔值；
is 可以判断两者是否相同，并返回布尔值。

9、只有相同类型的元素可以直接使用算术运算符相加，如（列表+列表）等；
列表、元组、字符串、数值等可以使用*进行重复，运算结果不改变原对象，生成一个新的对象，'ab'*3 == 'ababab'。

10、map(f,list)接收一个函数 f（不加()） 和一个 list，并通过把函数 f 依次作用在list 的每个元素上，得到一个新的map对象并返回。

11、①在赋值时，a,b,c=name，此时是将a,b,c分别用可迭代对象中的对应值赋值，且必须一一对应否则报错；
②注意在同时对多个变量进行赋值时，a, b = b, a+b本质上是a,b=(b,a+b)，其与a = b，b = a+b的区别在于元组的值是不会变化的，在赋值前就确定了要赋值的数，而后者相当于b=2b，与原期望相悖，使用此种赋值方式减少了临时变量符号的使用，但在内存中依然开辟了内存用于存储临时变量。

12、在迭代时，有for (a,b) in [(1,2),(3,4),(5,6)]的用法，其本质上相当于遍历字典，将元素组合后分别赋值，并可以单独使用a,b来操作。

13、①python中，在一个模块/类中不允许出现相同的变量名，否则后面的会覆盖前面的，不论是函数/类/变量等，此问题在后续分析局部变量与全局变量时会有详解；
②注意如果.py文件名是某一个Python自带类名，则可能不能运行，可能会被python解释器认为是导入此类，如：abc.py，python中。

14、ipython中会将所有的输入和输出保存，其对应于globals()字典中的IN和OUT vaule，并会存储在自带的sqlite数据库中。

15、在python中，中括号记法(列表元组字符串等)表范围超出限制时并不会报错，如a = [1,2,3,4]，a[3:6] == [4]，但a[6]报错。

16、将字符串倒排可以使用str[::-1]，将列表倒排有专用的reverse函数，省去了新的变量和建立列表的代码，但临时空间还是需要占用。

17、如a = [1,2,2,2,2], for i in range(a):若在下方循环体中出现a[i+1]，则会直接报出out of range异常，可以通过i < range(a) and a[i+1]来对最后一位进行排除，因为在python中，逻辑与判断从左至右进行，若i<range(a)不满足条件，则不会对a[i+1]进行取值。

18、通过min(list, key=len)可以查找到列表中最短的元素并返回，max函数类似，其都有一个key作为默认参数，可用于传入函数。

19、int('s', 2)可以方便的将字符串类型的其他进制的数转换成10进制的整数，bin()/oct()/hex()可以将十进制整数转换为2/8/16进制数（返回的是字符串类型，并分别有前缀'0b', '0o', '0x'）。

20、①python的默认变量名'_'可以让解释器忽略这个信息，{w: k for k, _, w in f()}，其中f返回[(a, a, a), (b, b, b)…]由每3个值组合成的迭代/生成器，可忽略中间变量，赋给'_'变量符的值被直接丢弃，无法使用和命名；
②当解压可迭代对象赋值给多个变量时，注意*与_的使用，例如统计评委打分，需要去掉第一个和最后一个，可以使用a, *b, c = list，其中b解压出来为一个列表；
③所有的递归都可以转换成函数内循环(可能需要栈等容器保存缓存数据)，在解题时可以多一种思路，在普通方法无解时多思考关于递归。


总结：以上即为python中常用的数据结构的简单用法，以及一些与输出和赋值相关联的简单知识点，需要重点掌握，更高级的用法可查阅python文档。