字符串字面量以成对的单引号（`）、双引号（”），或可跨行的三引号（”””）语法构成，自动合并相邻的字面量。字符串支持转义、八进制、十六进制，或 Unicode 格式字符。
使用单引号还是双引号，并没有什么特殊限制。如果文本内的引用文字使用双引号，那么外面用单引号可避免转义，更易阅读。
通常情况下，建议遵循多数编程语言惯例，使用双引号标示。
Python 3 中字符串存储的是 Unicode 文本，是不可变序列类型。而 Unicode 格式大小写分别表示 16 位（ \u ）和 32 位（\U）整数，不能混用。
>>> "h\x69, \u6C49\U00005B57"
'hi, 汉字'
在字面量前添加标志，表示构建指定格式的字符串。
>>> type(u"abc")
<class 'str'>
>>> type(b"abc")
<class 'bytes'>
最常用的原始字符串（r, raw string），它将反斜线视作字符内容，而非转义标志。这在构建类似 Windows 路径、正则表达式匹配模式之类的文法字符串时很有用。
>>> open(r"c:\windows\readme.txt”)
>>> import re
>>> re.findall(r"\b\d+\b", "a10 100")
['100']
操作
字符串支持用加法或乘法运算符拼接字符串。
>>> s = "hello"
>>> s += ", world"
>>> "-" * 10
'----------'
编译器会尝试在编译期直接计算出字面量拼接结果，可避免运行时的内存开销。不可此类优化程度有限，并不总是有效。
>>> def test():
... a = "x" + "y" + "z"
... b = "a" * 10
... return a, b
...
>>> import dis
>>> dis.dis(test)
2 0 LOAD_CONST 7 ('xyz') # 直接给出结果，省略加法结果
2 STORE_FAST 0 (a)
3 4 LOAD_CONST 8 ('aaaaaaaaaa') # 省略乘法运算
6 STORE_FAST 1 (b)
4 8 LOAD_FAST 0 (a)
10 LOAD_FAST 1 (b)
12 BUILD_TUPLE 2
14 RETURN_VALUE
多个动态字符串拼接，应优先考虑 join 或 format 方式，而不是使用 + 号操作符直接拼接，这是因为相比于多次加法运算和多次内存分配（字符串是不可变对象），join 这类函数（方法）可预先计算出总长度，一次性分配内存，随后直接复制内存数据填充。另一方面，将固定模版内容与变量分离的 format，更易阅读和维护，可参考以前的这篇记录Python连接字符串优先使用join而不是+ | M-in’s Blog。
编写代码时除保持简单外，还应具备良好的可读性。比如：判断是否包含子字符串，in、not in 操作符就比 find 方法自然，更贴近日常阅读习惯。
>>> "py" in "python"
True
>>> "py" not in "python"
False
>>> "python".find("py")
0
作为序列类型，可使用索引序号访问字符串的单个字符或某一片段（切片）。Python 3 支持负索引，也就是反向从尾部以 -1 开始（索引 0 表示正向第一个字符）。
>>> s = "0123456789"
>>> s[2]
'2'
>>> s[-1]
'9'
>>> s[2:6]
'2345'
>>> s[2:-2]
'234567'
无论以哪种方式返回与原字符串内容不同的子字符串时，都可能会重新分配内存，并复制数据。
转换
除了与数字、Unicode 码点的转化外，最常见的是在不用编码间进行转换。Python 3 使用 bytes、bytearray 存储字节序列，不再和 str 混用。
格式化
Python 3.6 新增了 f-strings 支持，这在多数脚本语言里属于标配。
使用 f 前缀标志，Python 解释器在解析大括号内的字段或表达式时，在上下文命名空间（namespace）查找同名对象进行值替换。
>>> x = 10
>>> y = 20
>>> f"{x} + {y} = {x + y}"
'10 + 20 = 30'
# 除运算符外，还可以是函数调用。
>>> f"{type(x)}"
"<class 'int'>"
完整的 format 格式化以位置序号或字段名匹配参数进行值替换，可添加对齐、填充、精度等控制。具体请参考官方文档6.1.3. Format String Syntax
池化
因为无处不在的名字就是字符串实例，导致字符串可能是进程里实例数量最多的类型之一。
鉴于相同的名字会出现在不同的命名空间里，那么有必要共享实例。内容相同，且不可变，共享内存不会导致任何问题。关键是节约内存，且可省去创建新实例的开销。
对此，Python 的做法是实现一个字符串池（ intern ）。
池负责管理实例，使用者只需饮用即可。另一潜在的好处是，从池返回的字符串，只需比较指针就可知道内容是否相同，无需额外计算。可以使用池来提升哈希表等类似结构的查找性能。
>>> import sys
>>> "__name__" is sys.intern("__name__")
True
除以常量方式出现的名字和字面量外，动态生成的字符串一样可加入池中。如此可保证每次都引用同一对象，不会有额外的创建和分配操作。
>>> a = "hello, world!"
>>> b = "hello, world!"
>>> a is b # 不同实例
False
>>> sys.intern(a) is sys.intern("hello, world!") # 相同实例
True
当然，一旦失去所有外部引用，池内的字符串对象一样会被回收。
>>> a = sys.intern("hello, world!")
>>> id(a)
4318361584
>>> id(sys.intern("hello, world!")) # 有外部引用
4318361584
>>> del a # 删除外部引用后被回收
>>> id(sys.intern("hello, world!")) # 从 id 值不同可以看到字符串是新建后入池的
4318389808
字符串池的实现算法很简单，就是简单的字典结构。
详细可参考 Objects/unicodeobject.c : PyUnicode_InternInPlace。
做大数据处理时，可能须创建海量主键，使用类似机制有助于减少对象数量，节约大量内存。当然，可以选择更高效的数据结构，而不一定是系统内置的字符串池。
从博客搬运到简书：原文链接
网友评论