python的程序中充满了字符串(string)，在平常阅读代码时也屡见不鲜。字符串同样是python中很常见的一种数据类型，比如日志的打印，程序中函数的注释，数据库的访问，变量的基本操作等等，都用到了字符串。
字符串基础
字符串是由独立字符组成的一个序列，通常包含在单引号(' ')双引号(" ")或者三引号之中(""" """或''' ''',两者一样)，比如下面几种写法。
name = 'jason'
city = 'beijing'
text = "welcome to beijing"
这里定义了name，city，text这三个变量，都是字符串类型。我们知道，python中单引号，双引号和三引号的字符串是一模一样的，没有区别。如下面的例子中s1，s2，s3完全是一样的。
s1 = 'hello'
s2 = "hello"
s3 = """hello"""
s1 == s2 == s3
True
python同时支持这三种表达方式，很重要的一个原因就是，这样方便你在字符串中，内嵌带引号的字符串。比如：
"I'm a student"
python的三引号字符串，则主要应用于多行字符串的情境，比如函数的注释等等。
def calculate_similarity(item1, item2):
"""
Calculate similarity between two items
Args:
item1: 1st item
item2: 2nd item
Returns:
similarity score between item1 and item2
"""
同时，python也支持转义字符串。所谓的转义字符，就是用来反斜杠开头的字符串，来表示一些特定意义的字符。
s = 'a\nb\tc'
print(s)
a
b c
这段代码中的'\n', 表示一个字符--换行符；'\t'也表示一个字符--横向制表符。所以，最后打印出来的输出，就是字符a，换行，字符b，然后制表符，最后打印字符c。不过要注意，虽然最后打印的输出横跨了两行，但是整个字符串s仍然只有5个元素。
len(s)
5
在转义字符的应用中，最常见的就是换行符'\n'的使用。比如文件读取，如果我们一行行地读取，那么每一行字符串的末尾，都会包含换行符'\n'。而最后做数据处理时，往往会丢掉每一行的换行符。
字符串的常用操作
可以把字符串想象成一个由单个字符组成的数组，所以，python的字符串同样支持索引，切片和遍历等等操作。
name = 'jason'
name[0]
'j'
name[1:3]
'as'
和其他数据结构，如列表，元组一样，字符串的索引同样从0开始，index=0表示第一个元素(字符)，[index:index+2]则表示第index个元素到index+1个元素组成的字符串。
遍历字符串同样很简单，相当于遍历字符串中的每个字符。
name = 'jason'
for char in name:
print(char)
j
a
s
o
n
特别要注意，python的字符串是不可变的(immutable)。因此，用下面的操作，来改变一个字符串内部的字符是错误的，不允许的。
s = 'hello'
s[0] = 'H'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'str' object does not support item assignment
python中字符串的改变，通常只能通过创建新的字符串来完成。比如上述例子中，想把'hello'的第一个字符'h'，改为大写的'H'，我们可以采用下面的做法：
s = 'H' + s[1:]
s = s.replace('h', 'H')
第一种方法，是直接用大写的'H',通过加号'+'操作符，与原字符串切片操作的子字符串拼接而成新的字符串。 第二种方法，是直接扫描原字符串，把小写的'h'替换成大写的'H',得到新的字符串。
像其他语言中，都有可变的字符串类型，每次添加，改变或删除字符(串)，无需创建新的字符串，，时间复杂度仅为O(1)，这样就大大提高了程序的运行效率。但是python中并没有相关的数据类型，我们还是得老老实实创建新的字符串。因此，每次想要改变字符串，往往需要O(n)的时间复杂度，其中，n为新字符串的长度。但是随着版本的更新，python也越来越聪明，性能优化得越来越好了。
讲解一下使用加法操作符'+='的字符串拼接方法。因为它是一个例外，打破了字符串不可变的特性。 操作方法如下所示：
str1 += str2 #表示str1 = str1 + str2
看一下下面的例子：
s = ' '
for n in range(0,100000):
s += str(n)
如果说计算这个例子的时间复杂度，按照老版本的方式的话，每次循环，似乎都得创建一个新的字符串；而每次创建一个新的字符串，都需要O(n)的时间复杂度。因此，总的时间复杂度就是O(1)+O(2)+...+O(n)=O(n^2).
但是，自从python2.5开始，每次处理字符串的拼接操作时(str1 += str2),python首先会检测str1还有没有其他的引用。如果没有的话，就会尝试原地扩充字符串buffer的大小，而不是重新分配一块内存来创建新的字符串并拷贝。这样的话，上述例子中的时间复杂度就仅为O(n)了。因此在写程序遇到字符串拼接时，如果使用'+='更方便，就放心去用，不用担心效率问题。
另外，对于字符串拼接问题，除了使用加法操作符，还可以使用字符串内置的join函数。 string.join(iterable),表示把每个元素都按照指定的格式连接起来。
l = []
for n in range(0, 100000):
l.append(str(n))
l = ' '.join(l)
由于列表的append操作是O(1)复杂度，字符串同理。因此，这个含有for循环例子的时间复杂度为n*O(1)=O(n)
接下来，我们看一下字符串的分割函数split()。string.split(separator),表示把字符串按照separator分割成子字符串，并返回一个分割后子字符串组合的列表。它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，想要调用数据库的API，去读取对应的数据，通常会写成下面这样：
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)
此外，常见的函数还有：
。string.strip(str),表示去掉首尾的str字符串；
。string.lstrip(str),表示只去掉开头的str字符串；
。string.rstrip(str),表示只去掉尾部的str字符串；
这些在数据的解析处理中同样很常见。比如很多时候，从文件读进来的字符串中，开头和结尾都含有空字符，我们需要去掉它们，就可以用strip()函数：
s = ' my name is jason '
s.strip()
'my name is jason'
当然，python中字符串还有很多常用操作，比如，string.find(sub,start,end),表示从start到end查找字符串中子字符sub的位置等等。
字符串的格式化
什么是字符串的格式化？ 通常，我们使用一个字符串作为模板，模板中会有格式符。这些格式符为后续真实值预留位置，以呈现出真实值应该呈现的格式。字符串的格式化通常会用在程序的输出，logging等场景。
举一个常见的例子。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的调试等等。
通常会用下面的方法来表示：
print('no data available for person with id: {}, name: {}'.format(id, name))
其中的string.format(), 就是所谓的格式化函数；而大括号{}就是所谓的格式符，用来为后面的真实值--变量name预留位置。如果id = '123', name ='jason', 那么输出便是：
'no data available for person with id: 123, name: jason'
不过，string.format()是最新的字符串格式函数与规范。自然，我们还有其他的表示方法，比如在python之前版本中，字符串格式化通常用%来表示，那么上述的例子，就可以写成下面这样：
print('no data available for peison with id: %s, name: %s' %(id, name))
其中%s表示字符串型，%d表示整型。
推荐还是使用format函数，毕竟这是最新规范，也是官方文档推荐的规范。
