🧵 字符串 + 文本处理

为什么重要

大多数面试题都涉及文本。精通字符串能省下时间。

核心思想

字符串是不可变的序列。切片会产生新的字符串；你永远不会就地修改它。f"" 字符串是现代的格式化方式。

试一试

切片——s[start:stop:step]：

s = "abcdefghij"
print(s[2:5])       # 'cde'
print(s[:4])        # 'abcd'
print(s[-3:])       # 'hij'
print(s[::2])       # 'acegi'
print(s[::-1])      # 'jihgfedcba'  (reverse)

常用方法——split、strip、join、replace、find：

raw = "  Hello,  World,  Python  "
parts = [p.strip() for p in raw.split(",")]
print(parts)
print(",".join(parts))
print("python" in raw.lower())

格式化——f-string 每一次都胜过 .format() 和 %：

name, score = "Ada", 0.875
print(f"{name:>10} | {score:6.1%}")
print(f"{name!r:<10} | binary: {42:08b}")

# Multi-line + expressions
print(f"""
sum:  {2 + 3}
list: {[i*i for i in range(5)]}
""")

你必须掌握的字符串方法

| 类别 | 方法 | 作用 | | --- | --- | --- | | 清理 | strip、lstrip、rstrip | 去除空白字符 | | 大小写 | lower、upper、title、capitalize | 改变大小写 | | 查找 | find、index、count | 定位与计数 | | 匹配 | startswith、endswith | 前缀/后缀检查 | | 切分/拼接 | split、rsplit、splitlines、'sep'.join(...) | 分词与拼接 | | 替换 | replace | 替换 | | 检查 | isalnum、isalpha、isdigit、isnumeric、isspace | 校验 |

name = "  Ada Lovelace  "
print(name.strip().lower())
"data-science".split("-")
"-".join(["a", "b"])

回文归一化模式

一个可复用的套路：只保留字母和数字字符并把它们转为小写，然后与反转后的字符串比较。

def normalize(s: str) -> str:
    return "".join(ch.lower() for ch in s if ch.isalnum())

快速检查

• 问： 字符串可变吗？ 答： 不可变。

小练习

• 用两种方法反转一个字符串。
• 数一数一个句子里的元音字母。
• 去除标点并转为小写。

该做与不该做

• 该做：比较之前先用 s.strip()。
• 不该做：在循环里用 + 来拼接字符串。

b = "hello".encode("utf-8")
text = b.decode("utf-8")

常见错误

• 错误： 试图修改 s[0]。 修正： 构建一个新字符串。
• 错误： 在循环里使用 +。 修正： 使用 "".join(...)。
• 错误： 用了 find 却不检查 -1。 修正： 验证返回结果。

关键要点

• 字符串是不可变的——s.upper() 返回一个新字符串，不会修改 s。
• 切片创建一个新字符串；[::-1] 反转，[::2] 隔一个取一个。
• f-string 可以嵌入表达式和格式说明（{x:>10.2f}、{x!r}、{x:08b}）。
• str.split() / "sep".join(iterable) 是拼接/切分的惯用法。
• 用 .join 提升性能；比较之前先归一化文本。