8.2 字符串：编码、常用方法、f-string 格式化、原始字符串

字符串是 Python 中最常用的数据类型之一，处理文本几乎避不开它。这一节把日常开发中最核心的四个方面讲清楚：编码问题怎么解、常用方法有哪些、f-string 怎么用、以及原始字符串在什么场景下有用。

字符编码：从“乱码”到“不乱码”

很多新手在处理文件读写、网络请求时会碰到 UnicodeDecodeError 或一堆看不懂的符号，这其实是编码和解码没有对应上。

本质：计算机只认二进制，字符到二进制的映射方式就是“编码”；把二进制再变回字符就是“解码”。
Python 3 的字符串模型：
str 类型存的是 Unicode 字符（人类能读懂的文本），在内存中以统一方式表示。
bytes 类型存的是 原始字节（一段二进制数据），只有和特定编码结合时才有字符意义。
两者之间转换必须显式调用 encode() 和 decode()，并指定编码（如 utf-8、gbk）。
实用指南：
代码文件第一行添加 # -- coding: utf-8 --（Python 3 默认就是 UTF-8，但写上可以防编辑器误判）。
读写文件时务必显式指定 encoding='utf-8'，而不是依赖系统默认。
处理来自外部（网页、数据库）的字节流时，先搞清楚它的原始编码再做 decode。
遇到 UnicodeDecodeError？先打印 type(data)，确定是 bytes 还是 str，再核对编码。

常用字符串方法：你的日常工具箱

Python 的字符串方法极为丰富，下面这些是使用频率最高的：

大小写转换
s.lower()、s.upper()、s.title()、s.capitalize()
空白处理
s.strip()（去首尾空白）、s.lstrip()、s.rstrip()
查找与替换
s.find(sub)（找不到返回 -1）、s.index(sub)（找不到抛异常）、s.count(sub)
s.replace(old, new, count)（返回新字符串，原字符串不变）
拆分与连接
s.split(sep)：按分隔符拆成列表，默认按空白字符切分。
s.rsplit(sep, maxsplit)：从右边开始拆分。
s.splitlines()：按行拆分。
sep.join(iterable)：用分隔符把可迭代对象（如列表）拼接成字符串，非常常用。
判断型
s.startswith(prefix)、s.endswith(suffix)
s.isdigit()、s.isalpha()、s.isalnum()、s.isspace()
格式化填充
s.center(width)、s.ljust(width)、s.rjust(width)、s.zfill(width)

一个实用小例子：解析日志文件中的一行 " INFO 2025-01-01 server started "，提取级别、日期和内容：

line = "  INFO  2025-01-01 server started  "
parts = line.strip().split(maxsplit=2)  # ['INFO', '2025-01-01', 'server started']
level, date, msg = parts

f-string 格式化：以后格式化只用它

Python 提供了多种字符串格式化方式：% 运算符、str.format()、以及从 Python 3.6 开始引入的 f-string（格式化字符串字面量）。f-string 兼顾了可读性和效率，是现在的推荐做法。

基本语法：在字符串前加 f，花括号内直接写表达式。

  name = "Alice"
  age = 30
  print(f"{name} is {age} years old.")   # Alice is 30 years old.

表达式求值：花括号里可以是任何有效的 Python 表达式。

  x = 10
  print(f"{x} + 5 = {x + 5}")           # 10 + 5 = 15

格式控制：在表达式后加 : 格式说明符。
小数位数：f"pi is {3.1415926:.2f}" → 'pi is 3.14'
千分位：f"{1000000:,}" → '1,000,000'
百分比：f"{0.25:.1%}" → '25.0%'
对齐与宽度：f"{'hello':>10}" 右对齐，f"{'hello':^10}" 居中。
补零：f"{5:03d}" → '005'
调用方法和属性：

  data = {"name": "Bob"}
  print(f"Name is {data['name'].upper()}")  # Name is BOB

多行 f-string：使用三引号，和普通字符串一样。
为什么不用 format() 了？
代码更短、更易读：变量直接写进槽位，不需要来回对照 {} 和 format() 参数。
性能更好：f-string 在编译时就被评估，比 format() 和 % 都快。

原始字符串：处理反斜杠的救星

在写正则表达式、文件路径（尤其是 Windows）时，反斜杠 \ 经常导致转义混乱。原始字符串就是在字符串前加一个 r，告诉 Python：把反斜杠当普通字符处理，别转义。

常规字符串的困扰：

  path = "C:\new_folder\text.txt"   # \n 被解释为换行，不能得到你想要的路径

原始字符串的清晰

  path = r"C:\new_folder\text.txt"  # 一切字符都按字面理解

正则表达式中的救命稻草

  import re
  pattern = r"\d+\.\d+"   # 匹配像 3.14 这样的数字，不用写 \\d+\\.\\d+

注意：原始字符串不能以奇数个反斜杠结尾（因为 \" 可能导致引号转义问题），此时可以使用普通字符串的双反斜杠替代，或者用 \\ 再扩展。

掌握字符串的编码、常用方法、f-string 和原始字符串，你就能应对日常 90% 的文本处理需求，并且写出的代码更健壮、更易读。