字符串不同于整数、浮点数和布尔值。字符串是一个序列，意味着它包含多个按特定顺序排列的值。在本章中，我们将学习如何访问组成字符串的值，并使用处理字符串的函数。
我们还将使用正则表达式，它是查找字符串中模式并执行如搜索和替换等操作的强大工具。
作为练习，你将有机会将这些工具应用到一个叫做 Wordle 的单词游戏中。
字符串是字符的序列。字符可以是字母（几乎所有字母表中的字母）、数字、标点符号或空格。
你可以使用方括号操作符从字符串中选择一个字符。这个示例语句从fruit中选择第 1 个字符，并将其赋值给letter：
fruit = 'banana'
letter = fruit[1] 方括号中的表达式是一个索引，之所以这么叫，是因为它指示要选择序列中的哪个字符。但结果可能不是你预期的。
letter 'a' 索引为1的字母实际上是字符串中的第二个字母。索引是从字符串开始位置的偏移量，所以第一个字母的偏移量是0。
fruit[0] 'b' 你可以把'b'当作'banana'的第 0 个字母——读作“零个”。
方括号中的索引可以是一个变量。
i = 1
fruit[i] 'a' 或者是包含变量和运算符的表达式。
fruit[i+1] 'n' 但是，索引的值必须是整数——否则你会遇到TypeError。
fruit[1.5] TypeError: string indices must be integers 正如我们在第一章中看到的，我们可以使用内置函数len来获取字符串的长度。
n = len(fruit)
n 6 为了获取字符串中的最后一个字母，你可能会想写成这样：
fruit[n] IndexError: string index out of range 但这会导致IndexError，因为在'banana'中没有索引为 6 的字母。因为我们从0开始计数，所以六个字母的编号是0到5。要获取最后一个字符，你需要从n中减去1：
fruit[n-1] 'a' 但有更简单的方法。要获取字符串中的最后一个字母，你可以使用负索引，它从字符串的末尾向后计数。
fruit[-1] 'a' 索引-1选择最后一个字母，-2选择倒数第二个字母，以此类推。
字符串的一部分称为切片。选择切片类似于选择单个字符。
fruit = 'banana'
fruit[0:3] 'ban' 运算符[n:m]返回字符串从第n个字符到第m个字符的部分，包括第一个字符但不包括第二个字符。这种行为是反直觉的，但可以通过想象索引指向字符之间的空间来帮助理解，如图所示：
例如，切片[3:6]选择了字母ana，这意味着6在作为切片的一部分时是合法的，但作为索引时是不合法的。
如果省略第一个索引，切片将从字符串的开头开始。
fruit[:3] 'ban' 如果省略第二个索引，切片将一直延伸到字符串的末尾：
fruit[3:] 'ana' 如果第一个索引大于或等于第二个索引，结果将是一个空字符串，由两个引号表示：
fruit[3:3] '' 空字符串不包含任何字符，长度为 0。
继续这个例子，你认为fruit[:]意味着什么？试试看吧。
很容易在赋值语句的左侧使用[]运算符，试图更改字符串中的字符，如下所示：
greeting = 'Hello, world!'
greeting[0] = 'J' TypeError: 'str' object does not support item assignment 结果是一个TypeError。在错误信息中，“对象”是字符串，“项”是我们试图赋值的字符。目前，对象与值是相同的，但我们稍后会进一步细化这个定义。
发生这个错误的原因是字符串是不可变的，这意味着你不能更改一个已有的字符串。你能做的最好的事是创建一个新的字符串，它是原始字符串的变体。
new_greeting = 'J' + greeting[1:]
new_greeting 'Jello, world!' 这个例子将一个新的首字母连接到greeting的切片上。它不会对原始字符串产生影响。
greeting 'Hello, world!' 关系运算符适用于字符串。要检查两个字符串是否相等，我们可以使用==运算符。
word = 'banana'
if word == 'banana':
print('All right, banana.') All right, banana. 其他关系运算符对于将单词按字母顺序排列很有用：
def compare_word(word):
if word < 'banana':
print(word, 'comes before banana.')
elif word > 'banana':
print(word, 'comes after banana.')
else:
print('All right, banana.') compare_word('apple') apple comes before banana. Python 处理大写字母和小写字母的方式不同于人类。所有大写字母都排在所有小写字母之前，所以：
compare_word('Pineapple') Pineapple comes before banana. 为了解决这个问题，我们可以在进行比较之前将字符串转换为标准格式，例如全小写。请记住，如果你需要防御一个手持菠萝的人时，这一点非常重要。
字符串提供了执行多种有用操作的方法。方法类似于函数——它接受参数并返回一个值——但语法有所不同。例如，upper方法接受一个字符串并返回一个新的字符串，其中所有字母都为大写。
它使用的方法语法是word.upper()，而不是函数语法upper(word)。
word = 'banana'
new_word = word.upper()
new_word 'BANANA' 这种使用点运算符的方式指定了方法的名称upper，以及要应用该方法的字符串名称word。空的括号表示此方法不接受任何参数。
方法调用称为调用；在这种情况下，我们可以说我们正在对word调用upper方法。
字符串运算符和方法对于读取和写入文本文件非常有用。举个例子，我们将处理德古拉的文本，这本由布拉姆·斯托克创作的小说可以从古腾堡计划获取（www.gutenberg.org/ebooks/345）。
我已经将这本书下载为名为pg345.txt的纯文本文件，我们可以像这样打开它进行阅读：
reader = open('pg345.txt') 除了书籍的文本外，这个文件在开头包含了一段关于书籍的信息，在结尾包含了一段关于许可证的信息。在处理文本之前，我们可以通过找到以 '***' 开头的特殊行来去除这些额外的内容。
以下函数接收一行并检查它是否是特殊行之一。它使用 startswith 方法，检查字符串是否以给定的字符序列开头。
def is_special_line(line):
return line.startswith('*** ') 我们可以使用这个函数来遍历文件中的行，并仅打印特殊行。
for line in reader:
if is_special_line(line):
print(line.strip()) *** START OF THE PROJECT GUTENBERG EBOOK DRACULA ***
*** END OF THE PROJECT GUTENBERG EBOOK DRACULA *** 现在，让我们创建一个新的文件，命名为 pg345_cleaned.txt，其中只包含书籍的文本。为了再次循环遍历书籍，我们必须重新打开它以进行读取。并且，为了写入新文件，我们可以以写入模式打开它。
reader = open('pg345.txt')
writer = open('pg345_cleaned.txt', 'w') open 接受一个可选参数，指定“模式”——在这个例子中，'w' 表示我们以写入模式打开文件。如果文件不存在，它将被创建；如果文件已经存在，内容将被替换。
作为第一步，我们将遍历文件，直到找到第一行特殊行。
for line in reader:
if is_special_line(line):
break break 语句“跳出”循环——也就是说，它会立即结束循环，而不等到文件末尾。
当循环退出时，line 包含了使条件为真的特殊行。
line '*** START OF THE PROJECT GUTENBERG EBOOK DRACULA ***\n' 因为 reader 会跟踪文件中的当前位置，我们可以使用第二个循环从我们离开的地方继续。
以下循环逐行读取文件的其余部分。当它找到表示文本结束的特殊行时，它会跳出循环。否则，它会将该行写入输出文件。
for line in reader:
if is_special_line(line):
break
writer.write(line) 当这个循环退出时，line 包含第二个特殊行。
line '*** END OF THE PROJECT GUTENBERG EBOOK DRACULA ***\n' 此时，reader 和 writer 仍然打开，这意味着我们可以继续从 reader 读取行或向 writer 写入行。为了表示我们完成了，我们可以通过调用 close 方法关闭这两个文件。
reader.close()
writer.close() 为了检查这个过程是否成功，我们可以读取刚创建的新文件中的前几行。
for line in open('pg345_cleaned.txt'):
line = line.strip()
if len(line) > 0:
print(line)
if line.endswith('Stoker'):
break DRACULA
_by_
Bram Stoker endswith 方法检查字符串是否以给定的字符序列结尾。
在 1901 年的冰岛语版《德古拉》中，其中一个角色的名字从 “Jonathan” 改成了 “Thomas”。为了在英文版中进行这一更改，我们可以遍历整本书，使用 replace 方法将一个名字替换成另一个，并将结果写入新文件。
我们将从计数文件清理版的行数开始。
total = 0
for line in open('pg345_cleaned.txt'):
total += 1
total 15499 为了查看一行是否包含“Jonathan”，我们可以使用 in 运算符，检查该字符序列是否出现在行中。
total = 0
for line in open('pg345_cleaned.txt'):
if 'Jonathan' in line:
total += 1
total 199 有 199 行包含这个名字，但这还不是它出现的总次数，因为它可能在一行中出现多次。为了得到总数，我们可以使用 count 方法，它返回字符串中某个序列出现的次数。
total = 0
for line in open('pg345_cleaned.txt'):
total += line.count('Jonathan')
total 200 现在我们可以像这样将 'Jonathan' 替换为 'Thomas'：
writer = open('pg345_replaced.txt', 'w')
for line in open('pg345_cleaned.txt'):
line = line.replace('Jonathan', 'Thomas')
writer.write(line) 结果是一个新文件，名为 pg345_replaced.txt，其中包含了德古拉的一个版本，在这个版本中，Jonathan Harker 被称为 Thomas。
如果我们确切知道要寻找的字符序列，可以使用 in 运算符来查找，并使用 replace 方法替换它。但还有一种工具，叫做正则表达式，也可以执行这些操作——而且功能更多。
为了演示，我将从一个简单的例子开始，然后逐步增加难度。假设，我们再次想要找到所有包含特定单词的行。为了换个方式，我们来看一下书中提到主人公德古拉伯爵的地方。这里有一行提到他。
text = "I am Dracula; and I bid you welcome, Mr. Harker, to my house." 这是我们将用于搜索的模式。
pattern = 'Dracula' 一个名为 re 的模块提供了与正则表达式相关的函数。我们可以像这样导入它，并使用 search 函数来检查模式是否出现在文本中。
import re
result = re.search(pattern, text)
result <re.Match object; span=(5, 12), match='Dracula'> 如果模式出现在文本中，search 将返回一个包含搜索结果的 Match 对象。除了其他信息外，它还包含一个名为 string 的变量，其中包含被搜索的文本。
result.string 'I am Dracula; and I bid you welcome, Mr. Harker, to my house.' 它还提供了一个名为 group 的方法，可以返回匹配模式的文本部分。
result.group() 'Dracula' 它还提供了一个名为 span 的方法，可以返回模式在文本中开始和结束的位置。
result.span() (5, 12) 如果模式在文本中没有出现，search 的返回值是 None。
result = re.search('Count', text)
print(result) None 因此，我们可以通过检查结果是否为 None 来判断搜索是否成功。
result == None True 将这些都结合起来，这里有一个函数，它循环遍历书中的每一行，直到找到匹配给定模式的行，并返回 Match 对象。
def find_first(pattern):
for line in open('pg345_cleaned.txt'):
result = re.search(pattern, line)
if result != None:
return result 我们可以用它来找到某个字符的首次出现。
result = find_first('Harker')
result.string 'CHAPTER I. Jonathan Harker’s Journal\n' 对于这个例子，我们并不需要使用正则表达式——我们可以用 in 运算符更轻松地完成相同的事情。但正则表达式可以做一些 in 运算符无法做到的事情。
例如，如果模式中包括竖线字符，'|'，它可以匹配左边或右边的序列。假设我们想要在书中找到 Mina Murray 的首次提及，但我们不确定她是用名字还是姓氏来称呼的。我们可以使用以下模式，它可以匹配这两个名字。
pattern = 'Mina|Murray'
result = find_first(pattern)
result.string 'CHAPTER V. Letters—Lucy and Mina\n' 我们可以使用这样的模式来查看某个字符通过名字提到的次数。这里有一个函数，它会遍历书中的每一行，并统计与给定模式匹配的行数。
def count_matches(pattern):
count = 0
for line in open('pg345_cleaned.txt'):
result = re.search(pattern, line)
if result != None:
count += 1
return count 现在让我们看看 Mina 被提到多少次。
count_matches('Mina|Murray') 229 特殊字符'^'匹配字符串的开始，因此我们可以找到以给定模式开头的行。
result = find_first('^Dracula')
result.string 'Dracula, jumping to his feet, said:--\n' 特殊字符'$'匹配字符串的结尾，因此我们可以找到以给定模式结尾的行（忽略行尾的换行符）。
result = find_first('Harker$')
result.string "by five o'clock, we must start off; for it won't do to leave Mrs. Harker\n" 布拉姆·斯托克出生在爱尔兰，*而《德古拉》*于 1897 年出版时，他正居住在英格兰。因此，我们可以预期他会使用英国拼写方式，例如“centre”和“colour”。为了验证这一点，我们可以使用以下模式，这个模式可以匹配“centre”或者美国拼写“center”。
pattern = 'cent(er|re)' 在这个模式中，括号包围的是竖线（|）所应用的模式部分。所以这个模式匹配的是一个以'cent'开头并且以'er'或're'结尾的序列。
result = find_first(pattern)
result.string 'horseshoe of the Carpathians, as if it were the centre of some sort of\n' 正如预期的那样，他使用了英国拼写。
我们还可以检查他是否使用了“colour”的英国拼写。以下模式使用了特殊字符'?'，表示前一个字符是可选的。
pattern = 'colou?r' 这个模式可以匹配带有'u'的“colour”或没有'u'的“color”。
result = find_first(pattern)
line = result.string
line 'undergarment with long double apron, front, and back, of coloured stuff\n' 同样，正如预期的那样，他使用了英国拼写。
现在假设我们想制作一本使用美国拼写的书籍版本。我们可以使用re模块中的sub函数，它执行字符串替换。
re.sub(pattern, 'color', line) 'undergarment with long double apron, front, and back, of colored stuff\n' 第一个参数是我们想要查找并替换的模式，第二个是我们想用来替换的内容，第三个是我们要搜索的字符串。在结果中，你可以看到“colour”已被替换为“color”。
当你在读取和写入文件时，调试可能会很棘手。如果你在使用 Jupyter 笔记本，可以使用shell 命令来帮助。例如，要显示文件的前几行，可以使用命令!head，像这样：
!head pg345_cleaned.txt 初始的感叹号!表示这是一个 shell 命令，而不是 Python 的一部分。要显示最后几行，可以使用!tail。
!tail pg345_cleaned.txt 当你处理大文件时，调试可能会变得困难，因为输出可能过多，无法手动检查。一个好的调试策略是从文件的一部分开始，先让程序正常工作，然后再用完整的文件运行它。
为了制作一个包含大文件部分内容的小文件，我们可以再次使用!head并配合重定向符号>，表示结果应该写入文件而不是显示在屏幕上。
!head pg345_cleaned.txt > pg345_cleaned_10_lines.txt 默认情况下，!head读取前 10 行，但它也接受一个可选参数，用于指示要读取的行数。
!head -100 pg345_cleaned.txt > pg345_cleaned_100_lines.txt 这个 shell 命令读取pg345_cleaned.txt的前 100 行，并将它们写入名为pg345_cleaned_100_lines.txt的文件。
注意：shell 命令!head和!tail并非在所有操作系统上都可用。如果它们在你这里无法使用，我们可以用 Python 编写类似的函数。请参考本章最后的第一个练习获取建议。
sequence（序列）： 一种有序的值集合，每个值由一个整数索引标识。
character（字符）： 字符串中的一个元素，包括字母、数字和符号。
index（索引）： 用于选择序列中项的整数值，例如字符串中的字符。在 Python 中，索引从0开始。
slice（切片）： 由一系列索引范围指定的字符串的一部分。
empty string（空字符串）： 一个不包含任何字符且长度为0的字符串。
object（对象）： 一个变量可以引用的事物。对象有类型和数值。
immutable（不可变）： 如果一个对象的元素不能被改变，则该对象是不可变的。
invocation（调用）： 一个表达式——或表达式的一部分——用于调用方法。
regular expression（正则表达式）： 定义搜索模式的字符序列。
pattern（模式）： 规定一个字符串必须满足的要求，以便构成匹配。
string substitution（字符串替换）： 用另一个字符串替换字符串的部分内容。
shell command（shell 命令）： 用于与操作系统交互的 shell 语言中的语句。
# This cell tells Jupyter to provide detailed debugging information
# when a runtime error occurs. Run it before working on the exercises.
%xmode Verbose Exception reporting mode: Verbose 在本章中，我们仅触及了正则表达式能做的事情的表面。为了了解正则表达式的可能性，可以问虚拟助手：“Python 正则表达式中最常用的特殊字符有哪些？”
你还可以请求匹配特定类型字符串的模式。例如，尝试询问：
-
编写一个匹配带有连字符的 10 位电话号码的 Python 正则表达式。
-
编写一个匹配带有数字和街道名称的街道地址的 Python 正则表达式，地址后跟
ST或AVE。 -
编写一个匹配完整姓名的 Python 正则表达式，该姓名可能包含常见的称谓，如
Mr或Mrs，后跟一个或多个以大写字母开头的名字，名字之间可能有连字符。
如果你想看一些更复杂的内容，可以尝试询问正则表达式，它匹配任何合法的 URL。
正则表达式通常在引号前面加上字母r，表示这是一个“原始字符串”。欲了解更多信息，可以问虚拟助手：“Python 中的原始字符串是什么？”
看看你能否编写一个函数，实现与 shell 命令!head相同的功能。它应该接受三个参数：要读取的文件名、要读取的行数以及要将这些行写入的文件名。如果第三个参数是None，它应该显示这些行，而不是将它们写入文件。
考虑请虚拟助手帮忙，但如果这样做，请告诉它不要使用with语句或try语句。
“Wordle”是一个在线字谜游戏，目标是在六次或更少的尝试中猜出一个五个字母的单词。每次尝试必须被识别为一个单词，不包括专有名词。每次尝试后，你会得到有关你猜测的字母哪些出现在目标单词中，哪些在正确位置的信息。
例如，假设目标单词是MOWER，你猜测了TRIED。你会得知E在单词中并且位置正确，R在单词中但位置不正确，T、I和D不在单词中。
作为一个不同的例子，假设你已经猜测了单词SPADE和CLERK，并且你得知E在这个单词中，但不在这两个位置上，且其他字母都没有出现在单词中。在单词列表中的单词中，有多少个可能是目标单词？编写一个名为check_word的函数，接收一个五个字母的单词并检查它是否可能是目标单词，基于这些猜测。
你可以使用上一章中的任何函数，如uses_any。
继续上一个练习，假设你猜测了单词TOTEM，并得知E仍然不在正确的位置，但M在正确的位置。剩下多少个单词？
基督山伯爵是亚历山大·仲马的小说，被认为是经典。然而，在这本书的英文版序言中，作家翁贝托·埃科承认他发现这本书是“有史以来写得最糟糕的小说之一”。
特别地，他说它在“重复使用相同的形容词”方面是“厚颜无耻的”，并特别提到“它的角色要么颤抖，要么变得苍白”的次数。
为了验证他的意见是否有效，让我们统计包含单词pale的所有行，无论是pale、pales、paled、paleness，还是相关的单词pallor。使用一个正则表达式匹配这些单词。作为额外的挑战，确保它不会匹配其他单词，比如impale——你可能需要向虚拟助手寻求帮助。
版权所有 2024 Allen B. Downey
代码许可：MIT 许可证