返回首页

Roadmap
更新于 2026年11月14日 全文 952 字未阅读

第 3.1 节 字符串:处理文本数据#

预计学习时长: 30 分钟

本节目标:

  • 会用 strip() / lower() / upper() / title() 清洗文本;
  • 会用切片 [start:stop:step] 从字符串里取内容;
  • 会用 split() 拆分字符串、用 join() 把一堆字符串拼起来;
  • 记住字符串是不可变的,所有「修改」方法都返回新字符串。

字符串的两个关键性质#

第一,字符串是不可变的。你不能「修改」一个字符串,只能得到一个新的字符串:

name = "  xiaoming  "
cleaned = name.strip()      # cleaned 是新字符串
print(repr(name))           # 原字符串一点没变
print(repr(cleaned))        # 'xiaoming'

第二,字符串是一串字符的序列,所以它支持索引和切片,就像列表一样。

Case 19:清洗用户输入——使用字符串方法处理空格和大小写#

任务: 用户输入的姓名可能前后有空格、大小写也不统一,清理成规范格式。

raw_name = "   xiao ming   "
raw_city = "SHANGHAI"

name = raw_name.strip().title()
city = raw_city.strip().lower()

print(f"姓名:{name}")
print(f"城市:{city}")
print(f"姓名字符数:{len(name)}")

输出:

姓名:Xiao Ming
城市:shanghai
姓名字符数:9

关键点

  • strip() 去掉首尾的空白字符(空格、制表符、换行)。lstrip() 只去左边,rstrip() 只去右边;
  • title() 把每个单词的首字母大写、其余小写,所以 "xiao ming" 变成 "Xiao Ming";
  • lower() / upper() 转小写 / 大写。做数据清洗时,统一大小写是最常见的操作之一;
  • 方法可以链式调用:raw_name.strip().title() 是先 strip() 再对结果 title(),从左往右依次执行。

split() 也能顺手去空格 "a, b, c".split(", ") 得到 ['a', 'b', 'c'],但 "a,b, c".split(",") 会得到 ['a', 'b', ' c']——第二项前面还带着空格。 更稳的做法是 "a,b, c".replace(" ", "").split(","),或者对每一项单独 strip()。

Case 20:提取课程信息——使用字符串切片获取指定内容#

任务: 从课程编号 "ML-2026-COURSE-01" 里提取年份和序号;从学号 "20260102003" 里提取入学年份和专业代码。

course_id = "ML-2026-COURSE-01"
student_id = "20260102003"

year = course_id[3:7]
number = course_id[-2:]
enroll_year = student_id[:4]
major_code = student_id[4:8]

print("开课年份:", year)
print("课程序号:", number)
print("入学年份:", enroll_year)
print("专业代码:", major_code)

输出:

开课年份: 2026
课程序号: 01
入学年份: 2026
专业代码: 0102

关键点

  • 切片格式是 [起始:结束:步长],包含起始位置,不包含结束位置;
  • course_id[3:7] 取第 3、4、5、6 个字符(下标 3 到 6),正好是 "2026";
  • course_id[-2:] 里负数下标表示从后往前数,-1 是最后一个字符。[-2:] 表示「最后两个」,所以拿到 "01";
  • 切片越界不会报错。course_id[3:100] 不会像 course_id[100] 那样抛 IndexError,只会返回能取到的那部分。

切片和索引的错误不一样 s[100](超出范围)→ IndexError;s[3:100](超出范围)→ 正常返回。这是切片「宽容」的特点,用在解析固定格式的编号时非常方便。

Case 21:处理文本标签——使用字符串分割与拼接整理数据#

任务: 把一行 "python, machine-learning, 深度学习" 整理成规整的标签列表,再拼成一句说明。

raw_tags = "python, machine-learning, 深度学习"

tags = [tag.strip() for tag in raw_tags.split(",")]
tags = [tag.lower() for tag in tags]

print("标签列表:", tags)
print("标签数量:", len(tags))
print("一句话说明:", " / ".join(tags))

输出:

标签列表: ['python', 'machine-learning', '深度学习']
标签数量: 3
一句话说明: python / machine-learning / 深度学习

关键点

  • split(",") 按逗号切成一份列表;split() 不写参数时按所有空白切分,所以 "a b c".split() 得到 ['a', 'b', 'c'];

  • [tag.strip() for tag in raw_tags.split(",")] 是列表推导式——把「对每个元素做什么」压缩成一行。等价于下面这种写法:

    tags = []
    for tag in raw_tags.split(","):
        tags.append(tag.strip())
  • " / ".join(tags) 把列表拼回一个字符串。注意是「字符串」调用 join,不是列表调用——", ".join(tags) 才对,写成 tags.join(", ") 会报 AttributeError;

  • join 要求列表里每一项都是字符串。如果混进了数字,要先 str() 转一下。

列表推导式是 Python 的招牌语法 它的格式永远是 [结果 for 元素 in 序列],可以再加 if 过滤:[t for t in tags if len(t) > 3]。 第 4 章封装函数时还会反复用到。

本节小结#

操作写法说明
去首尾空白s.strip()清洗输入第一步
改大小写s.lower() / s.upper() / s.title()统一格式
取子串s[3:7]左闭右开
从后取s[-2:]负数下标
拆分s.split(",")返回列表
拼接", ".join(list)字符串方法

三条核心规矩:字符串不可变、方法返回新值、join 由字符串发起。

随堂练习#

  1. 输入一个邮箱地址,去掉首尾空格并全部转成小写;
  2. 从 "课程编号:PY-2026-08" 中提取课程序号(08);
  3. 把 ["a", "b", "c"] 拼成 "a、b、c"。
点击查看参考答案
# 练习 1
email = input("邮箱:").strip().lower()
print(email)

# 练习 2
text = "课程编号:PY-2026-08"
number = text[-2:]
print("课程序号:", number)

# 练习 3
items = ["a", "b", "c"]
print("、".join(items))

练习 3 里的 、 是中文顿号。join 的分隔符可以是任意字符串,你想用什么就用什么。

下一节预告 字符串只能装一串文字。要装「一组成绩」「一组学生」,就需要列表和元组——它们才是后面 NumPy 数组、Pandas 表格的近亲。

阅读 --