深入浅出字符串

注：Python 的字符串是不可变的（immutable）

使用场景：
日志的打印、程序中函数的注释、数据库的访问、变量的基本操作

写法：

• 单引号（''），如 name = 'zhangsan'
• 双引号（""），如 gender = "male"
• 三引号之中（''' '''或 """ """)：主要应用于多行字符串的情境，比如函数的注释

def calculate_similarity(item1, item2):
    """
    Calculate similarity between two items
    Args:
        item1: 1st item
        item2: 2nd item
    Returns:
      similarity score between item1 and item2
    """

转义字符：
用反斜杠开头的字符串，来表示一些特定意义的字符

转义字符.png

字符串的拼接方法：

• 加号：str1 += str2
• 内置函数 json：

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

字符串的分割方法：string.split(separator)
场景：常常应用于对数据的解析处理，比如我们读取了某个文件的路径，想想要调用数据库的 API，去读取对应的数据

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) 

字符串的去空格方法：

• 首尾空格：string.strip(str)，str表示需要去除空格的字符串
• 前空格：lstrip
• 尾空格：rstrip

字符串的查找方法：
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：
场景：通常会用在程序的输出、logging
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

• string.format()
  注：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。

id = '123'
name='zhangsan'
print('no data available for person with id:{}, name:{}'.format(id, name))

• f-string（Python3.6引入）：以 f 或 F 修饰符引领的字符串（f'xxx' 或 F'xxx'），以大括号 {} 标明被替换的字段；在本质上并不是字符串常量，而是一个在运行时运算求值的表达式
  官方解释：While other string literals always have a constant value, formatted strings are really expressions evaluated at run time.

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

思考题：
下面的两个字符串拼接操作，你觉得哪个更优呢？
A：

s = ''
for n in range(0, 1000000):
    s += str(n)

B：

l = []
for n in range(0, 1000000):
    l.append(str(n))
    
s = ' '.join(l)

C：

s = ''.join(map(str, range(0, 1000000)))

D：

s = ''.join([str[i] for i in range(0, 1000000)])

代码解答：

import time

# A
start_time1 = time.perf_counter()
s1 = ''
for n in range(0, 1000000):
    s1 += str(n)
end_time1 = time.perf_counter()
print(f'time elapse1: {end_time1 - start_time1}')

# B
start_time2 =time.perf_counter()
s2 = []
for n in range(0, 1000000):
    s2.append(str(n))
end_time2 = time.perf_counter()
print(f'time elapse2: {end_time2 - start_time2}')

# C
start_time3 = time.perf_counter()
s3 = ''.join(map(str, range(0, 1000000)))
end_time3 = time.perf_counter()
print(f'time elapse3: {end_time3 - start_time3}')

# D
start_time4 = time.perf_counter()
l = [str(i) for i in range(0, 1000000)]
s4 = ''.join(l)
end_time4 = time.perf_counter()
print(f'time elapse4: {end_time4 - start_time4}')

输出时间：

time elapse1: 2.5405207
time elapse2: 0.38024557800000025
time elapse3: 0.256282659
time elapse4: 0.28742126300000015

补充说明：数据越大，方案C越高效，效果更明显
由此可见，join map 具有最好的性能，列表生成器 + join 次之， append + join慢一些，+=最慢