05 | 深入浅出字符串

s = 'a\nb\tc'
len(s)
# 5

 

# Python 的字符串是不可变的（immutable）。

s = 'hello'
s[0] = 'H'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment

 

s = 'H' + s[1:]
s = s.replace('h', 'H')

 

Java，有可变的字符串类型，比如 StringBuilder，每次添加、改变或删除字符（串），无需创建新的字符串，时间复杂度仅为 O(1)。这样就大大提高了程序的运行效率。但可

惜的是，Python 中并没有相关的数据类型，我们还是得老老实实创建新的字符串。因此，每次想要改变字符串，往往需要 O(n) 的时间复杂度，其中，n 为新字符串的长度。

 

 

l = []
for n in range(0, 100000):
    l.append(str(n))
l = ' '.join(l) 

 

 

str1 += str2  # 表示 str1 = str1 + str2

s = ''
for n in range(0, 10):
    s += str(n)
l = " ".join(l)
# 0 1 2 3 4 5 6 7 8 9 =>str

 

string.join(iterable)  #  时间复杂度为 O(n)。

string.split(separator)  # 常常应用于对数据的解析处理

def query_data(namespace, table):
    """
    given namespace and table, query database to get corresponding
    data         
    """

path = 'hive://ads/training_table'
namespace = path.split('//')[1].split('/')[0] # 返回'ads'
table = path.split('//')[1].split('/')[1] # 返回 'training_table'
data = query_data(namespace, table) 

 

 

 

 

每次循环，似乎都得创建一个新的字符串；而每次创建一个新的字符串，都需要 O(n) 的时间复杂度。因此，总的时间复杂度就为O(1) + O(2) + … + O(n) = O(n^2)。但这个结论只适用于老版本的 Python 了。自从 Python2.5 开始，每次处理字符串的拼接操作时（str1+= str2），Python 首先会检测 str1 还有没有其他的引用。如果没有的话，就会尝试原地扩充字符串 buffer 的大小，而不是重新分配一块内存来创建新的字符串并拷贝。这样的话，上述例子中的时间复杂度就仅为 O(n) 了。因此，以后你在写程序遇到字符串拼接时，如果使用’+='更方便，就放心地去用吧。

string.strip(str)，表示去掉首尾的 str 字符串；

string.lstrip(str)，表示只去掉开头的 str 字符串；

string.rstrip(str)，表示只去掉尾部的 str 字符串。

这些在数据的解析处理中同样很常见。比如很多时候，从文件读进来的字符串中，开头和结尾都含有空字符，我们需要去掉它们，就可以用 strip() 函数：

s = ' my name is jason '
s.strip()
'my name is jason'

 

当然，Python 中字符串还有很多常用操作，比如，string.find(sub, start, end)，表示从 start 到 end 查找字符串中子字符串 sub 的位置。

 

字符串的格式化

字符串的格式化，通常会用在程序的输出、logging 等场景。

举一个常见的例子。比如我们有一个任务，给定一个用户的 userid，要去数据库中查询该用户的一些信息，并返回。而如果数据库中没有此人的信息，我们通常会记录下来，这样有利于往后的日志分析，或者是线上 bug 的调试等等。

print('no data available for person with id: {}, name: {}'.format(id, name))

 

其中的 string.format()，就是所谓的格式化函数；而大括号{}就是所谓的格式符，用来为后面的真实值——变量 name 预留位置。

print('no data available for person with id: %s, name: %s' % (id, name))

 

当然，现在你写程序时，我还是推荐使用 format 函数，毕竟这是最新规范，也是官方文档推荐的规范。

 

总结

 

Python 中字符串使用单引号、双引号或三引号表示，三者意义相同，并没有什么区别。其中，三引号的字符串通常用在多行字符串的场景。

Python 中字符串是不可变的（前面所讲的新版本 Python 中拼接操作’+='是个例外）。因此，随意改变字符串中字符的值，是不被允许的。

Python 新版本（2.5+）中，字符串的拼接变得比以前高效了许多，你可以放心使用。

Python 中字符串的格式化（string.format）常常用在输出、日志的记录等场景。

a = """
qqq,
qwdqdqwdqdqdqdq
qwqdqw
"""
print(a)

"""
output:
qqq,
qwdqdqwdqdqdqdq
qwqdqw
"""