Python全栈修炼之路 | 第3篇:字符串 —— 不只是文本那么简单

# 1. 单引号与双引号（完全等价）s1 = 'Hello Python's2 = "Hello Python"# 2. 三引号：支持多行字符串s3 = '''这是一个多行字符串'''s4 = """这也是多行字符串"""# 3. 原始字符串：r前缀，不转义反斜杠path = r"C:\Users\Admin\Documents"  # 注意：不是 C:\Users...regex = r"\d+\.\d+"  # 正则表达式常用# 4. 字节串与字符串转换b = b"hello"  # 字节串s = b.decode('utf-8')  # 解码为字符串b2 = s.encode('utf-8')  # 编码为字节串

text = "Python全栈修炼"# 索引（从0开始）print(text[0])      # Pprint(text[-1])     # 炼（倒数第一个）# 切片 [start:end:step]print(text[0:6])    # Python（不包含索引6）print(text[6:])     # 全栈修炼print(text[:6])     # Pythonprint(text[::2])    # Pto全修（步长为2）print(text[::-1])   # 炼修栈全nohtyP（反转）# 实用切片技巧# 去掉最后一个字符text[:-1]  # "Python全栈修"# 每隔一个字符取一个text[::2]  # "Pto全修"# 字符串反转（经典面试题）text[::-1]  # "炼修栈全nohtyP"

字符串:  P  y  t  h  o  n  全  栈  修  炼正索引:  0  1  2  3  4  5  6  7  8  9负索引: -10 -9 -8 -7 -6 -5 -4 -3 -2 -1切片 [1:5] → 取索引1到4: "ytho"切片 [::2] → 步长2: "Pto全修"

text = "Hello Python, Python is great!"# 查找print(text.find("Python"))      # 6（首次出现位置）print(text.rfind("Python"))     # 14（最后出现位置）print(text.count("Python"))     # 2（出现次数）print("Python" in text)         # True（成员判断）# 替换print(text.replace("Python", "Java", 1))  # 只替换1次print(text.replace("Python", "Java"))     # 替换所有

s = "python FULL-STACK"print(s.upper())        # PYTHON FULL-STACKprint(s.lower())        # python full-stackprint(s.title())        # Python Full-Stack（单词首字母大写）print(s.capitalize())   # Python full-stack（首字母大写）print(s.swapcase())     # PYTHON full-stack（大小写互换）

# 判断类型"123".isdigit()         # True（纯数字）"abc".isalpha()         # True（纯字母）"abc123".isalnum()      # True（字母或数字）" ".isspace()           # True（空白字符）"hello".islower()       # True（全小写）"HELLO".isupper()       # True（全大写）"Hello World".istitle() # True（标题格式）# 判断开头结尾"test.txt".startswith("test")  # True"test.txt".endswith(".txt")    # True

# 分割csv = "张三,25,北京,工程师"parts = csv.split(",")  # ['张三', '25', '北京', '工程师']# 限制分割次数"a,b,c,d".split(",", 2)  # ['a', 'b', 'c,d']# 多行分割lines = """第一行第二行第三行""".splitlines()  # ['第一行', '第二行', '第三行']# 连接words = ["Python", "is", "awesome"]" ".join(words)  # "Python is awesome"# 注意：join比+拼接更高效# 低效: result = "" #       for s in strings: result += s# 高效: result = "".join(strings)

# 修剪空白"  hello  ".strip()    # "hello"（两端）"  hello  ".lstrip()   # "hello  "（左端）"  hello  ".rstrip()   # "  hello"（右端）# 修剪指定字符"###Python###".strip("#")  # "Python"# 填充对齐"42".zfill(5)         # "00042"（零填充）"hi".center(10, "-")  # "----hi----"（居中）"hi".ljust(10, "-")   # "hi--------"（左对齐）"hi".rjust(10, "-")   # "--------hi"（右对齐）

name = "Alice"age = 25print("我叫%s，今年%d岁" % (name, age))# 我叫Alice，今年25岁# 常用占位符# %s - 字符串# %d - 整数# %f - 浮点数（%.2f表示保留2位小数）# %x - 十六进制

# 位置参数"{} + {} = {}".format(1, 2, 3)  # "1 + 2 = 3"# 索引指定"{1} {0} {1}".format("A", "B")  # "B A B"# 关键字参数"{name}今年{age}岁".format(name="张三", age=25)# 格式控制"{:.2f}".format(3.14159)    # "3.14"（保留2位小数）"{:>10}".format("hi")       # "        hi"（右对齐，宽度10）"{:0>5}".format(42)         # "00042"（零填充）"{:,}".format(1000000)      # "1,000,000"（千分位）

name = "Alice"age = 25# 基本用法print(f"我叫{name}，今年{age}岁")# 表达式计算a, b = 3, 4print(f"{a} + {b} = {a + b}")  # "3 + 4 = 7"# 调用方法print(f"名字长度：{len(name)}")# 格式控制pi = 3.14159265359print(f"π ≈ {pi:.2f}")        # "π ≈ 3.14"print(f"π ≈ {pi:10.4f}")      # "π ≈     3.1416"（宽度10，4位小数）# 千分位、百分比salary = 15000print(f"月薪：15,000"rate = 0.8567print(f"完成率：{rate:.1%}")   # "完成率：85.7%"# 日期格式化from datetime import datetimenow = datetime.now()print(f"当前时间：{now:%Y-%m-%d %H:%M:%S}")# 调试技巧（Python 3.8+）x = 10print(f"{x=}")  # "x=10"（同时输出变量名和值）print(f"{x * 2 = }")  # "x * 2 = 20"

import re# 常用元字符# .      匹配任意字符（除换行）# \d     匹配数字 [0-9]# \w     匹配单词字符 [a-zA-Z0-9_]# \s     匹配空白字符# ^      匹配开头# $      匹配结尾# *      0次或多次# +      1次或多次# ?      0次或1次# {n,m}  n到m次# []     字符集# |      或# ()     分组# 1. re.search() - 搜索第一个匹配pattern = r"\d{3}-\d{4}-\d{4}"text = "我的电话是138-1234-5678，备用139-8765-4321"match = re.search(pattern, text)if match:    print(match.group())  # "138-1234-5678"# 2. re.findall() - 找出所有匹配phones = re.findall(r"\d{3}-\d{4}-\d{4}", text)print(phones)  # ['138-1234-5678', '139-8765-4321']# 3. re.match() - 从开头匹配if re.match(r"https://", "https://example.com"):    print("是HTTPS链接")# 4. re.sub() - 替换# 隐藏手机号中间4位text = "联系方式：13812345678"hidden = re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", text)print(hidden)  # "联系方式：138****5678"# 5. re.split() - 分割# 按多个分隔符分割text = "apple,banana;orange|grape"fruits = re.split(r"[,;|]", text)print(fruits)  # ['apple', 'banana', 'orange', 'grape']# 6. 编译正则（重复使用更高效）phone_pattern = re.compile(r"1[3-9]\d{9}")phones = phone_pattern.findall("13812345678和13987654321")

s = "hello"# s[0] = "H"  # TypeError: 'str' object does not support item assignment# "修改"实际上是创建新字符串s = "H" + s[1:]  # 创建新字符串 "Hello"

变量s ──→ "hello" (内存地址0x1000)            ↓ 执行 s = "H" + s[1:]变量s ──→ "Hello" (内存地址0x2000，新对象)"hello" 对象依然存在，直到垃圾回收

ASCII (1963) → 1字节，128字符，仅支持英文    ↓GB2312/GBK (中国) → 2字节，中文支持    ↓Unicode (1991) → 统一字符集，为每个字符分配唯一码点    ↓UTF-8 (实现方式) → 变长编码，兼容ASCII，最常用

# Python 3中，str是Unicode字符序列s = "Python全栈"print(len(s))  # 8（字符数，不是字节数）# 编码：str → bytesutf8_bytes = s.encode('utf-8')print(len(utf8_bytes))  # 14（UTF-8中中文占3字节）# 解码：bytes → strs2 = utf8_bytes.decode('utf-8')# 查看Unicode码点print(ord('A'))   # 65print(ord('中'))  # 20013print(chr(20013)) # 中

# 场景1：读取文件乱码# 错误方式with open('file.txt', 'r') as f:  # 使用系统默认编码    content = f.read()# 正确方式：显式指定编码with open('file.txt', 'r', encoding='utf-8') as f:    content = f.read()# 场景2：不知道文件编码import chardetwith open('unknown.txt', 'rb') as f:    raw = f.read()    result = chardet.detect(raw)    print(result)  # {'encoding': 'GB2312', 'confidence': 0.99}    content = raw.decode(result['encoding'])# 场景3：处理BOM（字节顺序标记）# UTF-8 with BOM 会在开头加 \ufeffwith open('file.txt', 'r', encoding='utf-8-sig') as f:    content = f.read()  # 自动去除BOM# 场景4：混合编码数据处理def safe_decode(data, encodings=['utf-8', 'gbk', 'latin-1']):    """尝试多种编码解码"""    for enc in encodings:        try:            return data.decode(enc)        except UnicodeDecodeError:            continue    return data.decode('utf-8', errors='replace')  # 最后手段

# 自动驻留的情况a = "hello"b = "hello"print(a is b)  # True（小字符串自动驻留）# 强制驻留import sysc = sys.intern("hello world! " * 100)d = sys.intern("hello world! " * 100)print(c is d)  # True# 不驻留的情况a = "hello world"b = "hello " + "world"print(a is b)  # False（运行时拼接不驻留）# 但编译时优化会驻留a = "hello" + "world"  # 编译时确定b = "helloworld"print(a is b)  # True

import refrom typing import List, Tupleclass SensitiveWordFilter:    """敏感词过滤器 - 支持多种匹配模式"""    def __init__(self, sensitive_words: List[str] = None):        self.sensitive_words = sensitive_words or []        self.pattern = None        self._compile_pattern()    def _compile_pattern(self):        """编译正则表达式模式"""        if not self.sensitive_words:            return        # 转义特殊字符，用|连接        escaped = [re.escape(word) for word in self.sensitive_words]        pattern_str = "|".join(escaped)        self.pattern = re.compile(pattern_str, re.IGNORECASE)    def add_words(self, words: List[str]):        """添加敏感词"""        self.sensitive_words.extend(words)        self._compile_pattern()    def check(self, text: str) -> Tuple[bool, List[str]]:        """检查文本是否包含敏感词"""        if not self.pattern:            return False, []        matches = self.pattern.findall(text)        return len(matches) > 0, matches    def filter(self, text: str, replace_char: str = "*") -> str:        """过滤敏感词，用指定字符替换"""        if not self.pattern:            return text        def replace_match(match):            return replace_char * len(match.group())        return self.pattern.sub(replace_match, text)    def filter_with_stats(self, text: str) -> dict:        """过滤并返回统计信息"""        has_sensitive, found_words = self.check(text)        filtered_text = self.filter(text)        # 统计各敏感词出现次数        word_count = {}        for word in found_words:            word_lower = word.lower()            word_count[word_lower] = word_count.get(word_lower, 0) + 1        return {            "original": text,            "filtered": filtered_text,            "has_sensitive": has_sensitive,            "found_words": list(set(found_words)),            "word_count": word_count,            "total_matches": len(found_words)        }# 使用示例if __name__ == "__main__":    # 初始化过滤器    sensitive_words = ["暴力", "色情", "赌博", "诈骗", "毒品"]    filter = SensitiveWordFilter(sensitive_words)    # 测试文本    test_text = "这个网站包含色情内容和赌博信息，还有暴力倾向！"    # 检查    has_sensitive, words = filter.check(test_text)    print(f"包含敏感词: {has_sensitive}")    print(f"发现的敏感词: {words}")    # 过滤    filtered = filter.filter(test_text)    print(f"过滤后: {filtered}")    # 详细统计    result = filter.filter_with_stats(test_text)    print("\n详细结果:")    for key, value in result.items():        print(f"  {key}: {value}")

import refrom collections import Counterfrom typing import Dict, List, Tupleclass TextAnalyzer:    """文本分析器 - 统计文本各类指标"""    def __init__(self, text: str):        self.text = text        self.lines = text.splitlines()    def basic_stats(self) -> Dict:        """基础统计"""        # 字符统计（含空格）        total_chars = len(self.text)        # 字符统计（不含空格）        chars_no_space = len(self.text.replace(" ", "").replace("\n", ""))        # 行数        line_count = len(self.lines)        # 单词数（按空白分割）        words = self.text.split()        word_count = len(words)        return {            "total_chars": total_chars,            "chars_no_space": chars_no_space,            "line_count": line_count,            "word_count": word_count,            "avg_chars_per_line": round(total_chars / line_count, 2) if line_count else 0,            "avg_words_per_line": round(word_count / line_count, 2) if line_count else 0        }    def chinese_stats(self) -> Dict:        """中文文本统计"""        # 中文字符数        chinese_chars = re.findall(r'[\u4e00-\u9fff]', self.text)        # 中文标点        chinese_punct = re.findall(r'[，。！？、；：""''（）【】《》]', self.text)        # 英文单词        english_words = re.findall(r'[a-zA-Z]+', self.text)        # 数字        numbers = re.findall(r'\d+', self.text)        return {            "chinese_chars": len(chinese_chars),            "chinese_punct": len(chinese_punct),            "english_words": len(english_words),            "numbers": len(numbers),            "unique_chinese": len(set(chinese_chars))        }    def word_frequency(self, top_n: int = 10) -> List[Tuple[str, int]]:        """词频统计"""        # 提取单词（中文按字，英文按词）        words = re.findall(r'[\u4e00-\u9fff]|[a-zA-Z]+', self.text.lower())        # 过滤单字（可选）        words = [w for w in words if len(w) > 1 or not re.match(r'[\u4e00-\u9fff]', w)]        return Counter(words).most_common(top_n)    def sentence_analysis(self) -> Dict:        """句子分析"""        # 按句子分割（中文句号、英文句号、问号、感叹号）        sentences = re.split(r'[。！？.!?]+', self.text)        sentences = [s.strip() for s in sentences if s.strip()]        if not sentences:            return {"sentence_count": 0}        sentence_lengths = [len(s) for s in sentences]        return {            "sentence_count": len(sentences),            "avg_sentence_length": round(sum(sentence_lengths) / len(sentences), 2),            "max_sentence_length": max(sentence_lengths),            "min_sentence_length": min(sentence_lengths),            "longest_sentence": sentences[sentence_lengths.index(max(sentence_lengths))][:50] + "..."        }    def generate_report(self) -> str:        """生成完整报告"""        basic = self.basic_stats()        chinese = self.chinese_stats()        freq = self.word_frequency(5)        sentence = self.sentence_analysis()        report = f"""╔════════════════════════════════════════════════╗║              文 本 统 计 报 告                  ║╚════════════════════════════════════════════════╝【基础统计】  总字符数（含空格）: {basic['total_chars']}  总字符数（不含空格）: {basic['chars_no_space']}  总行数: {basic['line_count']}  总词数: {basic['word_count']}  平均每行字符: {basic['avg_chars_per_line']}【中文统计】  中文字符数: {chinese['chinese_chars']}  中文标点: {chinese['chinese_punct']}  不同汉字数: {chinese['unique_chinese']}  英文单词: {chinese['english_words']}  数字个数: {chinese['numbers']}【句子分析】  句子数: {sentence['sentence_count']}  平均句长: {sentence.get('avg_sentence_length', 0)} 字符  最长句: {sentence.get('longest_sentence', 'N/A')}【高频词汇 TOP5】"""        for word, count in freq:            bar = "█" * count            report += f"  {word:10}{count:3}{bar}\n"        return report# 使用示例text = """Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。Python由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年。Python源代码遵循GPL协议。Python语法简洁清晰，特色之一是强制用空白符缩进。"""analyzer = TextAnalyzer(text)print(analyzer.generate_report())

import refrom typing import List, Dict, Iteratorfrom io import StringIOclass SimpleCSVParser:    """简易CSV解析器 - 支持引号、转义"""    def __init__(self, delimiter: str = ",", quotechar: str = '"'):        self.delimiter = delimiter        self.quotechar = quotechar    def parse_line(self, line: str) -> List[str]:        """解析单行CSV"""        fields = []        field = ""        in_quotes = False        i = 0        while i < len(line):            char = line[i]            if char == self.quotechar:                if in_quotes and i + 1 < len(line) and line[i + 1] == self.quotechar:                    # 转义的引号 ""                    field += self.quotechar                    i += 2                    continue                else:                    in_quotes = not in_quotes            elif char == self.delimiter and not in_quotes:                fields.append(field)                field = ""            elif char == "\\" and i + 1 < len(line):                # 转义字符                field += line[i + 1]                i += 1            else:                field += char            i += 1        fields.append(field)        return fields    def parse(self, csv_text: str) -> List[List[str]]:        """解析CSV文本"""        lines = csv_text.splitlines()        return [self.parse_line(line) for line in lines if line.strip()]    def parse_dict(self, csv_text: str) -> List[Dict[str, str]]:        """解析为字典列表（首行为表头）"""        lines = self.parse(csv_text)        if not lines:            return []        headers = lines[0]        return [            dict(zip(headers, row))            for row in lines[1:]        ]    def generate(self, data: List[List[str]]) -> str:        """生成CSV文本"""        lines = []        for row in data:            fields = []            for field in row:                # 需要引号的情况                if self.delimiter in field or "\n" in field or self.quotechar in field:                    # 转义引号                    escaped = field.replace(self.quotechar, self.quotechar * 2)                    field = f'{self.quotechar}{escaped}{self.quotechar}'                fields.append(field)            lines.append(self.delimiter.join(fields))        return "\n".join(lines)# 使用示例csv_data = '''姓名,年龄,城市,备注张三,25,北京,"热爱编程,喜欢Python"李四,30,上海," says ""Hello"""王五,28,深圳,无'''parser = SimpleCSVParser()# 解析为列表print("=== 列表形式 ===")for row in parser.parse(csv_data):    print(row)# 解析为字典print("\n=== 字典形式 ===")for record in parser.parse_dict(csv_data):    print(record)# 生成CSVprint("\n=== 生成CSV ===")data = [    ["产品", "价格", "库存"],    ["iPhone", "5999", "100"],    ["MacBook", "12999", "50"]]print(parser.generate(data))

# 陷阱：循环中使用+拼接（低效）def bad_concat(items):    result = ""    for item in items:        result += str(item)  # 每次都创建新字符串！    return result# 正确：使用join（高效）def good_concat(items):    return "".join(str(item) for item in items)# 性能对比import timeititems = list(range(1000))bad_time = timeit.timeit(lambda: bad_concat(items), number=100)good_time = timeit.timeit(lambda: good_concat(items), number=100)print(f"低效方式: {bad_time:.4f}s")print(f"高效方式: {good_time:.4f}s")print(f"提升倍数: {bad_time/good_time:.1f}x")

# 陷阱1：混用str和bytess = "hello"b = b"hello"# s + b  # TypeError!# 正确做法：统一类型s + b.decode('utf-8')  # "hellohello"s.encode('utf-8') + b  # b"hellohello"# 陷阱2：默认编码问题import sysprint(sys.getdefaultencoding())  # utf-8# Windows下可能使用gbk，导致乱码# 解决：始终显式指定encoding# 陷阱3：非法字符处理data = b"hello\xff\xfeworld"  # 包含非法UTF-8序列# 错误：直接解码报错try:    data.decode('utf-8')except UnicodeDecodeError as e:    print(f"解码错误: {e}")# 正确：使用errors参数data.decode('utf-8', errors='ignore')    # 忽略错误字符data.decode('utf-8', errors='replace')   # 替换为 data.decode('utf-8', errors='backslashreplace')  # 转义显示

# 陷阱1：贪婪匹配import retext = "<div>内容1</div><div>内容2</div>"# 贪婪（默认）- 匹配尽可能多print(re.findall(r"<div>.*</div>", text))# ['<div>内容1</div><div>内容2</div>']# 非贪婪 - 匹配尽可能少print(re.findall(r"<div>.*?</div>", text))# ['<div>内容1</div>', '<div>内容2</div>']# 陷阱2：忘记转义pattern = "www.example.com"  # .匹配任意字符！# 正确：pattern = r"www\.example\.com"# 陷阱3：编译开销# 循环内重复编译（低效）for text in texts:    re.search(r"\d+", text)  # 每次都编译# 正确：预编译（高效）pattern = re.compile(r"\d+")for text in texts:    pattern.search(text)

# 陷阱：误以为修改了字符串def add_suffix(name):    name + "_backup"  # 没有赋值，原字符串未变！    return name# 正确def add_suffix_fixed(name):    return name + "_backup"# 陷阱：列表中的字符串"修改"names = ["file1", "file2"]for name in names:    name = name + ".txt"  # 只修改了局部变量print(names)  # ['file1', 'file2']# 正确names = [name + ".txt" for name in names]