第八章字符串 · Think Python

# 第八章字符串字符串和整形、浮點數以及布爾值很不一樣。一個字符串是一個序列，意味著是對其他值的有序排列。在本章你將學到如何讀取字符串中的字符，你還會學到一些字符串相關的方法。 ## 8.1 字符串是序列字符串就是一串有序的字符。你可以通過方括號操作符，每次去訪問字符串中的一個字符： ```py >>> fruit = 'banana' >>> letter = fruit[1] ``` 第二個語句選擇了 fruit 這個字符串的序號為 1 的字符，并把這個字符賦值給了 letter 這個變量。（譯者注：思考一下這里的 letter 是一個什么類型的變量。）方括號內的內容叫做索引。索引指示了你所指定的字符串中字符的位置（就跟名字差不多）。但你可能發現得到的結果和你預期的有點不一樣： ```py >>> letter 'a' ``` 大多數人都認為 banana 的第『1』個字符應該是 b，而不是 a。但對于計算機科學家來說，索引是字符串從頭的偏移量，所以真正的首字母偏移量應該是 0. ```py >>> letter = fruit[0]>>> letter 'b' ``` 所以 b 就是字符串 banana 的第『0』個字符，而 a 是第『1』個，n 就是第『2』個了。你可以在方括號內的索引中使用變量和表達式： ```py >>> i = 1 >>> fruit[i] 'a' >>> fruit[i+1] 'n' ``` 但要注意的事，索引的值必須是整形的。否則你就會遇到類型錯誤了： ```py >>> letter = fruit[1.5] TypeError: string indices must be integers ``` ## 8.2 len 長度 len 是一個內置函數，會返回一個字符串中字符的長度： ```py >>> fruit = 'banana' >>> len(fruit) 6 ``` 要得到一個字符串的最后一個字符，你可能會想到去利用 len 函數： ```py >>> length = len(fruit) >>> last = fruit[length] IndexError: string index out of range ``` 出現索引錯誤的原因就是 banana 這個字符串在第『6』個位置是沒有字母的。因為我們從 0 開始數，所以這一共 6 個字母的順序是 0 到 5 號。因此要得到最后一次字符，你需要在字符串長度的基礎上減去 1 才行： ```py >>> last = fruit[length-1] >>> last 'a' ``` 或者你也可以用負數索引，意思就是從字符串的末尾向前數幾位。fruit[-1]這個表達式給你最后一個字符，fruit[-2]給出倒數第二個，依此類推。 ## 8.3 用 for 循環遍歷字符串很多計算過程都需要每次從一個字符串中拿一個字符。一般都是從頭開始，依次得到每個字符，然后做點處理，然后一直到末尾。這種處理模式叫遍歷。寫一個遍歷可以使用 while 循環： ```py index = 0 while index < len(fruit): letter = fruit[index] print(letter) index = index + 1 ``` 這個循環遍歷了整個字符串，然后它再把買一個字符顯示在一行上面。循環條件是 index 這個變量小于字符串 fruit 的長度，所以當 index 與字符串長度相等的時候，條件就不成立了，循環體就不運行了。最后一個字符被獲取的時候，index 正好是 len(fruit)-1，這就已經是該字符串的最后一個字符了。下面就練習一下了，寫一個函數，接收一個字符串做參數，然后倒序顯示每一個字符，每行顯示一個。另外一種遍歷的方法就是 for 循環了： ```py for letter in fruit: print(letter) ``` 每次循環之后，字符串中的下一個字符都會賦值給變量 letter。循環在進行到沒有字符剩余的時候就停止了。下面的例子展示了如何使用級聯（字符串加法）以及一個 for 循環來生成一個簡單的序列（用字母表順序）。在 Robert McCloskey 的一本名叫《Make Way for Ducklings》的書中，小鴨子的名字依次為：Jack, Kack, Lack, Mack, Nack, Ouack, Pack, 和 Quack。下面這個循環會依次輸出他們的名字： ```py prefixes = 'JKLMNOPQ' suffix = 'ack' for letter in prefixes: print(letter + suffix) ``` 輸出結果如下： ```py Jack Kack Lack Mack Nack Oack Pack Qack ``` 當然了，有點不準確的地方，因為有“Ouack”和 “Quack”兩處拼寫錯了。做個練習，修改一下程序，改正這個錯誤。 ## 8.4 字符串切片字符串的一段叫做切片。從字符串中選擇一部分做切片，與選擇一個字符有些相似： ```py >>> s = 'Monty Python' >>> s[0:5] 'Monty' >>> s[6:12] 'Python' ``` [n:m]這種操作符，會返回字符串中從第『n』個到第『m』個的字符，包含開頭的第『n』個，但不包含末尾的第『m』個。這個設計可能有點違背直覺，但可能有助于想象這個切片在字符串中的方向，如圖 8.1。 ________________________________________ ![Figure 8.1](http://7xnq2o.com1.z0.glb.clouddn.com/ThinkPythonFigure8.1.png) Figure 8.1: Slice indices. ________________________________________ 如果你忽略了第一個索引（就是冒號前面的那個），切片會默認從字符串頭部開始。如果你忽略了第二個索引，切片會一直包含到最后一位： ```py >>> fruit = 'banana' >>> fruit[:3] 'ban' >>> fruit[3:] 'ana' ``` 如果兩個索引相等，得到的就是空字符串了，用兩個單引號來表示： ```py >>> fruit = 'banana' >>> fruit[3:3] '' ``` 空字符串不包含字符，長度為 0，除此之外，都與其他字符串是一樣的。那么來練習一下，你覺得 fruit[:]這個是什么意思？在程序中試試吧。 ## 8.5 字符串不可修改大家總是有可能想試試把方括號在賦值表達式的等號左側，試圖去更改字符串中的某一個字符。比如： ```py >>> greeting = 'Hello, world!' >>> greeting[0] = 'J' TypeError: 'str' object does not support item assignment ``` 『object』是對象的意思，這里指的是字符串類 string，然后『item』是指你試圖賦值的字符串中的字符。目前來說，一個對象就跟一個值差不多，但后續在第十章第十節我們再對這個定義進行詳細討論。產生上述錯誤的原因是字符串是不能被修改的，這意味著你不能對一個已經存在的字符串進行任何改動。你頂多也就能建立一個新字符串，新字符串可以基于舊字符串進行一些改動。 ```py >>> greeting = 'Hello, world!' >>> new_greeting = 'J' + greeting[1:] >>> new_greeting 'Jello, world!' ``` 上面的例子中，對 greeting 這個字符串進行了切片，然后添加了一個新的首字母過去。這并不會對原始字符串有任何影響。（譯者注：也就是 greeting 這個字符串的值依然是原來的值，是不可改變的。） ## 8.6 搜索下面這個函數是干啥的？ ```py def find(word, letter): index = 0 while index < len(word): if word[index] == letter: return index index = index + 1 return -1 ``` 簡單來說，find 函數，也就是查找，是方括號操作符[]的逆運算。方括號是之道索引然后提取對應的字符，而查找函數是選定一個字符去查找這個字符出現的索引位置。如果字符沒有被報道，函數就返回-1。這是我們見過的第一個返回語句位于循環體內的例子。如果 word[index]等于 letter，函數就跳出循環立刻返回。如果字符在字符串里面沒出現，程序正常退出循環并且返回-1。這種計算-遍歷一個序列然后返回我們要找的東西的模式就叫做搜索了。做個練習，修改一下 find 函數，加入第三個參數，這個參數為查找開始的字符串位置。 ## 8.7 循環和計數下面這個程序計算了字母 a 在一個字符串中出現的次數： ```py word = 'banana' count = 0 for letter in word: if letter == 'a': count = count + 1 print(count) ``` 這一程序展示了另外一種計算模式，叫做計數。變量 count 被初始化為 0，然后每次在字符串中找到一個 a，就讓 count 加 1.當循環退出的時候，count 就包含了 a 出現的總次數。做個練習，把上面的代碼封裝進一個名叫 count 的函數中，泛化一下，一遍讓他接收任何字符串和字幕作為參數。然后再重寫一下這個函數，這次不再讓它遍歷整個字符串，而使用上一節中練習的三參數版本的 find 函數。 ## 8.8 字符串方法字符串提供了一些方法，這些方法能夠進行很多有用的操作。方法和函數有些類似，也接收參數然后返回一個值，但語法稍微不同。比如，upper 這個方法就讀取一個字符串，返回一個全部為大寫字母的新字符串。與函數的 upper(word)語法不同，方法的語法是 word.upper()。 ```py >>> word = 'banana' >>> new_word = word.upper() >>> new_word 'BANANA' ``` 這種用點號分隔的方法表明了使用的方法名字為 upper，使用這個方法的字符串的名字為 word。后面括號里面是空白的，表示這個方法不接收參數。 A method call is called an invocation;方法的調用被叫做——調用（譯者注：中文都混淆成調用，英文里面 invocation 和 invoke 都有祈禱的意思，和 call 有顯著的意義差別，但中文都混淆成調用，這種例子不勝枚舉，所以大家盡量多讀原版作品。）；在這里，我們就說調用了 word 的 upper 方法。結果我們發現 string 有一個方法叫做 find，跟我們寫過的函數 find 有驚人的相似： ```py >>> word = 'banana' >>> index = word.find('a') >>> index 1 ``` 在這里我們調用了 word 的 find 方法，然后給定了我們要找的字母 a 作為一個參數。實際上，這個 find 方法比我們的 find 函數功能更通用；它不僅能查找字符，還能查找字符串： ```py >>> word.find('na') 2 ``` 默認情況下 find 方法從字符串的開頭來查找，不過可以給它一個第二個參數，讓它從指定位置查找： ```py >>> word.find('na', 3) 4 ``` 這是一個可選參數的例子；find 方法還能接收第三個參數，可以指定查找終止的位置： ```py >>> name = 'bob' >>> name.find('b', 1, 2) -1 ``` 這個搜索失敗了，因為 b 并沒有在索引 1 到 2 且不包括 2 的字符中間出現。搜索到指定的第三個變量作為索引的位置，但不包括該位置，這就讓 find 方法與切片操作符相一致。 ## 8.9 運算符 in in 這個詞在字符串操作中是一個布爾操作符，它讀取兩個字符串，如果前者的字符串為后者所包含，就返回真，否則為假： ```py >>> 'a' in 'banana' True >>> 'seed' in 'banana' False ``` 舉個例子，下面的函數顯示所有同時在 word1 和 word2 當中出現的字母： ```py def in_both(word1, word2): for letter in word1: if letter in word2: print(letter) ``` 選好變量名的話，Python 有時候讀起來就跟英語差不多。你讀一下這個循環，就能發現，『對第一個 word 當中的每一個字母 letter，如果這個字母也在第二個 word 當中出現，就輸出這個字母 letter。』 ```py >>> in_both('apples', 'oranges') a e s ``` ## 8.10 字符串比較關系運算符對于字符串來說也可用。比如可以看看兩個字符串是不是相等： ```py if word == 'banana': print('All right, bananas.') ``` 其他的關系運算符可以來把字符串按照字母表順序排列： ```py if word < 'banana': print('Your word, ' + word + ', comes before banana.') elif word > 'banana': print('Your word, ' + word + ', comes after banana.') else: print('All right, bananas.') ``` Python 對大小寫字母的處理與人類常規思路不同。所有大寫字母都在小寫字母之前，所以順序上應該是：Your word，然后是 Pineapple，然后才是 banana。一個解決這個問題的普遍方法是把字符串轉換為標準格式，比如都轉成小寫的，然后再進行比較。一定要記得哈，以免你遇到一個用 Pineapple 武裝著自己的家伙的時候手足無措。 ## 8.11 調試使用索引來遍歷一個序列中的值的時候，弄清楚遍歷的開頭和結尾很不容易。下面這個函數用來對比兩個單詞，如果一個是另一個的倒序就返回真，但這個函數代碼中有兩處錯誤： ```py def is_reverse(word1, word2): if len(word1) != len(word2): return False i = 0 j = len(word2) while j > 0: if word1[i] != word2[j]: return False i = i+1 j = j-1 return True ``` 第一個 if 語句是檢查兩個詞的長度是否一樣。如果不一樣長，當場就返回假。對函數其余部分，我們假設兩個單詞一樣長。這里用到了守衛模式，在第 6 章第 8 節我們提到過。 i 和 j 都是索引：i 從頭到尾遍歷單詞 word1，而 j 逆向遍歷單詞 word2.如果我們發現兩個字母不匹配，就可以立即返回假。如果經過整個循環，所有字母都匹配，就返回真。如果我們用這個函數來處理單詞『pots』和『stop』，我們希望函數返回真，但得到的卻是索引錯誤： ```py >>> is_reverse('pots', 'stop') ... File "reverse.py", line 15, in is_reverse if word1[i] != word2[j]: IndexError: string index out of range ``` 為了改正這個錯誤，第一步就是在出錯的那行之前先輸出索引的值。 ```py while j > 0: print(i, j) # print here if word1[i] != word2[j]: return False i = i+1 j = j-1 ``` 然后我再次運行函數，得到更多信息了： ```py >>> is_reverse('pots', 'stop') 0 4 ... IndexError: string index out of range ``` 第一次循環完畢的時候，j 的值是 4，這超出了『pots』這個字符串的范圍了（譯者注：應該是 0-3）。最后一個索引應該是 3，所以 j 的初始值應該是 len(word2)-1。 ```py >>> is_reverse('pots', 'stop') 0 3 1 2 2 1 True ``` 這次我們得到了正確的結果，但似乎循環只走了三次，這有點奇怪。為了弄明白帶到怎么回事，我們可以畫一個狀態圖。在第一次迭代的過程中，is_reverse 的框架如圖 8.2 所示。 ________________________________________ ![Figure 8.2](http://7xnq2o.com1.z0.glb.clouddn.com/ThinkPythonFigure8.2.png) Figure 8.2: State diagram. ________________________________________ 我通過設置變量框架中添加虛線表明，i 和 j 的值顯示在人物 word1and word2 拿許可證。從這個圖上運行的程序，文件，更改這些值 I 和 J 在每一次迭代過程。發現并解決此函數中的二次錯誤。 ## 8.12 Glossary 術語列表 object: Something a variable can refer to. For now, you can use “object” and “value” interchangeably. >對象：一個值能夠指代的東西。目前為止，你可以把對象和值暫且作為一碼事來理解。 sequence: An ordered collection of values where each value is identified by an integer index. >序列：一系列值的有序排列，每一個值都有一個唯一的整數序號。 item: One of the values in a sequence. >元素：一列數值序列當中的一個值。 index: An integer value used to select an item in a sequence, such as a character in a string. In Python indices start from 0. >索引：一個整數值，用來指代一個序列中的特定一個元素，比如在字符串里面就指代一個字符。在 Python 里面索引從 0 開始計數。 slice: A part of a string specified by a range of indices. >切片：字符串的一部分，通過一個索引區間來取得。 empty string: A string with no characters and length 0, represented by two quotation marks. >空字符串：沒有字符的字符串，長度為 0，用兩個單引號表示。 immutable: The property of a sequence whose items cannot be changed. >不可更改：一個序列中所有元素不能被改變的性質。 traverse: To iterate through the items in a sequence, performing a similar operation on each. >遍歷：在一個序列中依次對每一個元素進行某種相似運算的過程。 search: A pattern of traversal that stops when it finds what it is looking for. >搜索：一種遍歷的模式，找到要找的內容的時候就停止。 counter: A variable used to count something, usually initialized to zero and then incremented. >計數：一種用來統計某種東西數量的變量，一般初始化為 0，然后逐次遞增。 invocation: A statement that calls a method. >方法調用：調用方法的語句。 optional argument: A function or method argument that is not required. >可選參數：一個函數或者方法中有一些參數是可選的，非必需的。 ## 8.13 練習 ### 練習 1 閱讀 [這里](http://docs.python.org/2/library/stdtypes.html#string-methods)關于字符串的文檔。你也許會想要試試其中一些方法，來確保你理解它們的意義。比如 strip 和 replace 都特別有用。文檔的語法有可能不太好理解。比如在 find 這個方法中，方括號表示了可選參數。所以 sub 是必須的參數，但 start 是可選的，如果你包含了 start，end 就是可選的了。 ### 練習 2 字符串有個方法叫 count，與咱們在 8.7 中寫的 count 函數很相似。閱讀一下這個方法的文檔，然后寫一個調用這個方法的代碼，統計一下 banana 這個單詞中 a 出現的次數。 ### 練習 3 字符串切片可以使用第三個索引，作為步長來使用；步長的意思就是取字符的間距。一個步長為 2 的意思就是每隔一個取一個字符；3 的意思就是每次取第三個，以此類推。 ```py >>> fruit = 'banana' >>> fruit[0:5:2] 'bnn' ``` 步長如果為-1，意思就是倒序讀取字符串，所以[::-1]這個切片就會生成一個逆序的字符串了。使用這個方法把練習三當中的 is_palindrome 寫成一個一行代碼的版本。 ### 練習 4 下面這些函數都試圖檢查一個字符串是不是包含小寫字母，但他們當中肯定有些是錯的。描述一下每個函數真正的行為（假設參數是一個字符串）。 ```py def any_lowercase1(s): for c in s: if c.islower(): return True else: return False def any_lowercase2(s): for c in s: if 'c'.islower(): return 'True' else: return 'False' def any_lowercase3(s): for c in s: flag = c.islower() return flag def any_lowercase4(s): flag = False for c in s: flag = flag or c.islower() return flag def any_lowercase5(s): for c in s: if not c.islower(): return False return True ``` ### 練習 5 凱撒密碼是一種簡單的加密方法，用的方法是把每個字母進行特定數量的移位。對一個字母移位就是把它根據字母表的順序來增減對應，如果到末尾位數不夠就從開頭算剩余的位數，『A』移位 3 就是『D』，而『Z』移位 1 就是『A』了。要對一個詞進行移位，要把每個字母都移動同樣的數量。比如『cheer』這個單詞移位 7 就是『jolly』，而『melon』移位-10 就是『cubed』。在電影《2001 太空漫游》中，飛船的電腦叫 HAL，就是 IBM 移位-1。寫一個名叫 rotate_word 的函數，接收一個字符串和一個整形為參數，返回將源字符串移位該整數位得到的新字符串。你也許會用得上內置函數 ord，它把字符轉換成數值代碼，然后還有個 chr 是用來把數值代碼轉換成字符。字母表中的字母都被編譯成跟字母表中同樣的順序了，所以如下所示： ```py >>> ord('c') - ord('a') 2 ``` c 是字母表中的第『2』個（譯者注：從 0 開始數哈）的位置，所以上述結果是 2。但注意：大寫字母的數值代碼是和小寫的不一樣的。網上很多有冒犯意義的玩笑都是用 ROT13 加密的，也就是移位 13 的凱撒密碼。如果你不太介意，找一下這些密碼解密一下吧。[樣例代碼](http://thinkpython2.com/code/rotate.py).