字符串进阶 (String Advanced)

导语

在真实项目中，字符串处理几乎无处不在：从日志文件中提取订单号、清洗用户输入的脏数据、验证邮箱和手机号格式……如果你只会 + 拼接和 .split()，那只能处理最简单的场景。Python 的字符串工具箱里还有更强大的武器——re 模块（regular expression，正则表达式）可以匹配复杂模式，split() / join() / strip() 可以精确操控字符串，以及 f-string 的高级格式化语法可以进行数字对齐、进制转换和精度控制。本节带你掌握 Python 字符串的高阶用法。

学习目标

• 掌握 re 模块的 search()、findall()、sub() 三大核心函数
• 熟练运用 split()、join()、strip() 等字符串方法
• 学会 f-string 的高级格式化（对齐、精度、进制）

概念介绍

正则表达式（regular expression，简称 regex）是一种用特定语法描述文本模式的语言。Python 通过内置的 re 模块提供支持。

三个最常用的 re 函数：

• re.search(pattern, string) — 在字符串中搜索第一个匹配，返回 match 对象或 None
• re.findall(pattern, string) — 找出字符串中所有匹配，返回列表
• re.sub(pattern, repl, string) — 将匹配的部分替换为指定字符串

字符串方法方面，split() 分割字符串、join() 合并序列、strip() 去除两端空白——这三个方法在日常数据处理中出场率最高。

f-string 除了基本的 f"{value}" 之外，还支持格式说明符（format specifier）：比如 {number:.2f} 控制小数位数、{number:>10} 控制对齐、{number:b} 转换进制。

[!NOTE] 正则表达式的模式字符串建议用原始字符串 r"..." 书写，避免反斜杠转义问题。

代码示例

示例 1：re 模块 — search / findall / sub

参考源码：string_advanced_sample.py 中的 re_module_sample()

import re

text = "Order #1234, total: ¥89.50. Order #5678, total: ¥120.00"

# findall — 提取所有订单号
orders = re.findall(r"#(\d+)", text)
print(f"order ids: {orders}")
# 输出: order ids: ['1234', '5678']

# sub — 替换匹配内容（脱敏）
redacted = re.sub(r"¥\d+\.\d{2}", "***", text)
print(f"redacted: {redacted}")
# 输出: redacted: Order #1234, total: ***. Order #5678, total: ***

# search — 查找第一个匹配并分组提取
match = re.search(r"total: ¥(\d+\.\d{2})", text)
if match:
    print(f"first total: {match.group(1)}")
# 输出: first total: 89.50

正则模式解读：

• #(\d+)：匹配 # 后跟一个或多个数字，() 是捕获组（capturing group）
• ¥\d+\.\d{2}：匹配 ¥ 后跟数字、小数点、两位小数（货币格式）

[!TIP] re.findall 返回的是捕获组的内容而非完整匹配——r"#(\d+)" 中的 () 让它只返回数字部分 ['1234', '5678']。

示例 2：字符串方法 — split / join / strip

参考源码：string_advanced_sample.py 中的 string_methods_sample()

csv = "name,age,city\nAlice,30,Shanghai\nBob,25,Beijing"

# strip() 去除两端空白（换行符）
lines = csv.strip().split("\n")
for line in lines:
    # split(",") 按逗号分割每行
    fields = line.split(",")
    print(f"  fields: {fields}")
#   fields: ['name', 'age', 'city']
#   fields: ['Alice', '30', 'Shanghai']
#   fields: ['Bob', '25', 'Beijing']

# join() 合并序列——这里反序重新拼接
reversed_csv = "\n".join(line for line in reversed(lines))
print(f"reversed:\n{reversed_csv}")

[!TIP] str.join(iterable) 的性能远优于 + 循环拼接——它在底层一次性分配内存，而非反复创建新字符串。

示例 3：f-string 高级格式化

参考源码：string_advanced_sample.py 中的 fstring_advanced_sample()

name = "Alice"
score = 95.678
count = 42

# >10 右对齐，宽度 10
print(f"name: {name:>10}")
# 输出: name:      Alice

# 8.2f 总宽度 8，保留 2 位小数
print(f"score: {score:8.2f}")
# 输出: score:   95.68

# :b 二进制，:x 十六进制
print(f"count (binary): {count:b}")  # 101010
print(f"count (hex): {count:x}")     # 2a

f-string 格式说明符的通用语法：{value:[fill]align;width.precision[type]}。其中：

• > 右对齐，< 左对齐，^ 居中
• f 浮点数，b 二进制，x 十六进制，% 百分比

[!NOTE] f-string 的格式说明符在 {} 内用 : 分隔。f"{score:8.2f}" 中，8 是总宽度，.2 是小数位数，f 是浮点类型。

常见错误与解决

[!WARNING] 错误 1：忘记用原始字符串 r"" 写正则

re.search("\d+", "abc123")   # 在普通字符串中 \d 可能被视为转义
re.search(r"\d+", "abc123")  # ✅ 正确：原始字符串保持 \d 原样

解决：正则表达式模式始终用 r"..."（原始字符串）书写。

[!WARNING] 错误 2：split() 不传参数 vs 传空字符串

text = "  hello   world  \n"
text.split("")      # 💥 ValueError: empty separator
text.split()        # ✅ ['hello', 'world'] — 默认按任意空白分割并去除空串

解决：按空白分割时无需传参，直接 split() 即可。

最佳实践

1. 正则表达式用 r"..." 原始字符串 — 避免反斜杠带来的转义陷阱
2. 字符串拼接优先 join() — 比循环 + 性能更好
3. 善用 f-string 格式说明符 — 对齐、精度、进制转换一行搞定

练习

1. 用 re.findall 从文本 "Call me at 138-1234-5678 or 139-8765-4321" 中提取所有手机号（格式 XXX-XXXX-XXXX）。

import re
text = "Call me at 138-1234-5678 or 139-8765-4321"
phones = re.findall(r"\d{3}-\d{4}-\d{4}", text)
print(phones)  # ['138-1234-5678', '139-8765-4321']

2. 用 join() 和生成器表达式，将列表 ["apple", "banana", "cherry"] 用 " | " 连接成大写字符串。

fruits = ["apple", "banana", "cherry"]
result = " | ".join(f.upper() for f in fruits)
print(result)  # APPLE | BANANA | CHERRY

知识检查

1. 以下哪个 re 函数返回所有匹配组成的列表？

   • A. re.search()
   • B. re.findall()
   • C. re.sub()
   • D. re.match()

2. " hello world ".split() 的结果是？

   • A. ['', '', 'hello', '', 'world', '', '']
   • B. ['hello', 'world']
   • C. ['hello', '', 'world']
   • D. 报错

3. f"{42:b}" 的输出是什么？

   • A. 42
   • B. 0b42
   • C. 101010
   • D. 2a

本章小结

• re.search() 查第一个匹配，re.findall() 查所有匹配，re.sub() 做替换
• 正则模式用 r"..." 原始字符串书写，() 定义捕获组
• split() / join() / strip() 是字符串处理三大高频方法
• f-string 支持高级格式说明符：对齐（>/</^）、精度（.2f）、进制（:b/:x）
• 字符串不可变（immutable），所有字符串方法都返回新字符串

术语表

下一步

• 基础阶段复习 → 回顾并巩固基础知识

源码链接

• string_advanced_sample.py