科创课程 | Python基础(五)

前言

在现实世界的应用中，程序很少完全在内存中运行。我们通常需要从外部源读取数据，处理这些数据，然后将结果保存起来。文本和文件处理是连接程序与外部世界的桥梁，是每个Python程序员必须掌握的核心技能。无论是读取配置文件、处理日志文件还是分析数据集，文件I/O都是不可或缺的部分。

字符串是文本处理的基本单位。在Python中，字符串可以用单引号或双引号括起来，两者没有区别。字符串可以包含转义序列，如\n表示换行，\t表示制表符，\表示反斜杠，"表示引号。这些转义序列允许我们在字符串中包含特殊字符。三引号（三个单引号或双引号）可以创建跨越多行的字符串，这在文档字符串和多行文本中特别有用。

字符串是字符序列，可以通过索引访问单个字符。Python使用从0开始的索引，也支持负索引（从末尾开始计数）。例如，字符串"P. Diddy"中，索引0处是'P'，索引1处是'.'，索引-1处是'y'。索引访问是O(1)操作，无论字符串多长。理解字符串索引是进行文本处理的基础，无论是提取子串、搜索模式还是替换文本。

字符串对象有许多有用的方法。len()函数返回字符串长度；lower()和upper()方法返回字符串的小写和大写版本；strip()方法去除两端空白；split()方法将字符串分割为列表；join()方法将列表连接为字符串。这些方法使常见的文本操作变得简单。字符串是不可变的，所有这些方法都返回新字符串，原始字符串保持不变。

input()函数是获取用户输入的简单方式。它会显示提示信息，等待用户输入，然后返回输入的字符串。input()总是返回字符串，即使输入的是数字。如果需要数值，必须进行类型转换。在Python 2中，有input()和raw_input()两个函数，但在Python 3中，只有input()，它相当于Python 2的raw_input()。处理用户输入时，应该考虑错误情况，如无效输入或空输入。

文本处理通常涉及逐个字符检查或修改字符串。for循环可以遍历字符串中的每个字符。例如，我们可以遍历"booyah"中的每个字母并打印出来。这种逐个字符处理是许多文本算法的基础，如计算字符频率、查找模式或转换编码。对于更复杂的文本处理，Python提供了正则表达式模块re，它可以匹配复杂的文本模式。

字符串和数字之间的转换是常见的操作。ord()函数将字符转换为其Unicode码点；chr()函数将码点转换为字符。例如，ord("a")返回97，chr(99)返回"c"。ASCII是Unicode的子集，包含128个字符；Unicode则包含几乎所有书写系统的字符。当处理不同语言的文本或特殊符号时，理解编码很重要。Python 3默认使用UTF-8编码，很好地支持了国际化。

文件处理允许程序读取和写入持久存储的数据。open()函数打开文件，返回文件对象。read()方法读取整个文件内容作为字符串。文件路径可以是绝对路径或相对路径。处理完文件后，应该关闭文件以释放系统资源。使用with语句可以自动管理文件关闭，即使发生异常也能正确关闭文件。这是处理文件的推荐方式，因为它更安全、更简洁。

对于大文件，一次性读取整个文件可能不切实际。这时可以逐行处理文件。readlines()方法返回包含所有行的列表，每行是一个字符串。我们也可以直接迭代文件对象，这更内存高效。逐行处理适用于日志文件、CSV文件或任何行结构的文本文件。在每行处理时，通常需要去除行尾的换行符，使用strip()或rstrip()方法。