2.1.2 字符串

1.字符串的创建

字符串类型是编程中表示文本的数据类型。在金融领域，常常遇到文本数据（如股吧评论、财经新闻等），这样的数据就是用字符串表示的。创建字符串可以使用单引号、双引号、三单引号和三双引号，其中三引号可以多行定义字符串，使用三引号还可以实现多行注释的功能。不论使用哪种引号进行字符串创建，引号需要成对地出现，不能使用双引号开始用单引号结尾；如果文本中出现了双引号，那么在创建字符串时需要与文本内部的双引号进行区分。

字符串还可以用来表示网页的网址、数据存储的路径等。但是在用字符串表示路径时，常常出现转义字符（如：“\t”等），导致显示出来的结果与我们希望得到的结果有所不同。

因此，我们常常在字符串前面加上“r”，表示“r”内部的字符串默认不转义，或者采用将“\”写成“\\”的方法。

我们在字符串前加上f可以灵活地在字符串中嵌入变量和表达式的值，称为f-string，这方便我们构造特定的字符串。例如，应用大语言模型分析文本时，通常需要构建提示语，下面的例子展示了如何构造一个提示语，在提示语中通过{}和f，将公司名称、新闻标题和新闻日期引入。

2.字符串相关操作以及方法

字符串常用的操作函数或方法如表2-1所示。

（1）字符串的索引和切片

字符串索引通过下标访问字符串相应位置（索引）的元素，如代码str[index]。字符串切片，通过起始位置的下标以及步长（step）切取特定对象，str[start_index:end_index:step]，如果不写step参数，默认为1，即获取start_index: end_index的每个字符（不包括end_index位置字符）。

思考：切片的操作范围为什么是左闭右开的？

（2）字符串的替换

在Python中对字符串中的文本进行替换的语句如下：

将字符串str中的字符old_str替换为新的new_str字符串，count是可选参数，表示只有前面的count个出现被替换，默认情况下替换所有old_str。

（3）字符串的大小写转换

在处理英文评论时，会出现大小写的情况，为了得到更加精确的结果或减轻工作量，我们常常进行大小写转换。比如，在处理文本过程中常常涉及词频统计，但在Python中，相同的单词若大小写不同则会算成不同的单词，为了得到更加精确的统计，我们常常将文本中的单词统一转换为小写或大写。

str.lower（）：用于将字符串中的所有大写字母转换为小写字母。

str.upper（）：用于将字符串中的所有小写字母转换为大写字母。

（4）统计字符出现的次数

str.count（"char"，start，end）用于统计字符串中某个字符出现的次数，默认情况下统计整个字符串中出现的相应字符。

· char——要统计的字符。

· start——索引字符串的起始位置，默认参数为0。

· end——索引字符串的结束位置，默认参数为字符串长度。

下面的代码对原始的article和小写处理后的article做词频统计。

（5）字符串的查找

str.find（sub，start，end）用于在字符串中查找相应的子串sub，并返回该子串的起始位置（即最小索引），如果未找到返回-1。

· sub——要查找的子字符串。

· start——索引的起始位置，默认值为0。

· end——索引的结束位置，默认值为字符串长度。

下面这个程序采用find函数查找出“摊手”这个词第一次出现的位置。

（6）字符串的拆分

str.split（sep=None，maxsplit=-1）[n]用于拆分字符串。通过指定分隔符sep对字符串进行分割，并返回分割后的字符串列表。

· sep——分隔符，默认为空格。

· maxsplit——最大分割参数，默认参数为-1。

· [n]——返回列表中下标为n的元素。列表索引的用法。

输出：

（7）字符串的连接

sep.join（iterable）

该方法可以采用将一个可迭代对象，按照一定的规则（即按照sep的定义）合并成为一个字符串。

· sep——分隔符，可以为空。

· iterable——要连接的变量，可以是字符串、元组、字典、列表等。

上述代码将三个句子用句号连接起来，输出字符串如下： xINhDCUV5GC6/cq3N6a8RAWGehOZDB5neIH1Y/MfgXcWnw/23IYVzq0UuFZsOZKe