# Глава 10. Строки > Современные программы должны обрабатывать Unicode — в питоне Unicode прекрасно поддерживается, и эта поддержка будет развиваться. Гвидо ван Россум Итак, скалярные (простые) типы данных в питоне: числа, булевы значения и `NoneType`. Перейдем к составным типам данных, называемым коллекциями. И начнем со строк. ## Какие бывают коллекции Коллекция — это контейнер, который хранит набор объектов. Если коллекция позволяет хранить объекты разных типов, то она называется **гетерогенной**; если только одного типа, то **гомогенной.** Коллекции делятся на три категории: - **Последовательности** (sequence). Допускают обращение к элементам по индексам. Уникальности элементов не требуется. К последовательностям относятся встроенные типы: - `str` (строка), - `list` (список, а по сути массив), - `tuple` (кортеж, то есть неизменяемый список), - `range` (диапазон — неизменяемая последовательность чисел). - **Множества** (sets). Хранят уникальные элементы, доступ к которым происходит по ключу, а не по индексу. Есть два варианта множеств: - `set` — изменяемое множество, - `frozenset` — неизменяемое после создания множество. - **Отображения** (mappings). Хранят набор пар ключ-значение. Доступ осуществляется по уникальному ключу. Среди встроенных типов есть всего один вариант отображений: - `dict` — словарь. Этих коллекций хватает для решения многих типовых задач. Но неизбежны ситуации, когда функциональности встроенных типов становится маловато. Тогда в дело вступают библиотечные типы: `array`, `defaultdict`, `deque` и другие. С ними мы познакомимся позже. А пока обсудим каждую из встроенных коллекций. Начнем со строк, но помните: операции, применимые к строкам, применимы и к другим типам последовательностей. ## Строки {#block-strings} `str` — неизменяемый тип; гомогенная последовательность юникод-символов. Варианты инстанцирования пустой строки: ```python empty1 = "" empty2 = str() ``` Объявление строки, содержащей текст: ```python bootstrap_server = "localhost:9092" ``` Вообще строки можно определять через одинарные кавычки `'ABC'`, двойные кавычки `"ABC"` и тройные кавычки (`'''ABC'''` либо `"""ABC"""`). Тройные кавычки используются для представления многострочных объектов: ```python str_descr = """Textual data in Python is handled with str objects, or strings. Strings are immutable sequences of Unicode code points. Citation from docs.python.org """ ``` PEP8 [рекомендует](https://peps.python.org/pep-0008/#documentation-strings) двойные кавычки `"Some text"` для однострочников и три двойных кавычки `"""Some text"""` для многострочных текстов. В питоне любой объект можно превратить в строку с помощью функции `str()`. Даже комплексное число: ```python s = str(3 + 5j) ``` В данном случае мы получим строку `s`, равную "(3 + 5j)" **Присваивание строки** выглядит следующим образом: ```python s2 = s1 ``` Временная сложность присваивания — O(1), потому что строка — это неизменяемый тип, и вместо выделения памяти и копирования просто создается второй указатель на уже существующую строку. Однако если впоследствии модифицировать `s2` (например, удалить из строки все пробелы), id объекта `s2` изменится. Он будет указывать на новую область памяти. А все потому, что любая «модификация» неизменяемого объекта на самом деле — это неявное создание нового объекта по той же ссылке. Причем при изменении `s2` содержимое `s1` останется прежним: `s2` будет смотреть на новую область памяти, а `s1` на старую. Создайте переменную `a`, равную `"TEXT"`. {.task_text} Присвойте переменной `b` переменную `a`. {.task_text} Последовательно на отдельных строках выведите: значение переменной `a`, id `a`, значение `b` и id `b`. {.task_text} Затем добавьте к переменной `b` подстроку `"2"` (оператор `+=` вам в помощь). {.task_text} Снова выведите значение `a`, ее id, значение `b` и ее id. {.task_text} ```python {.task_source #python_chapter_0100_task_0010} ``` Для определения id воспользуйтесь функцией `id()`. {.task_hint} ```python {.task_answer} a = "TEXT" b = a print(a) print(id(a)) print(b) print(id(b)) b += "2" print(a) print(id(a)) print(b) print(id(b)) ``` Этот эксперимент демонстрирует, что пока `a` и `b` указывают на одну и ту же строку, их id совпадают. Но id `b` меняется после изменения строки по данному указателю: `b` становится новым объектом в памяти. ## Посимвольный доступ {#block-string-indices} Получение символа строки по индексу в питоне реализовано через квадратные скобки `[]`: ```python {.example_for_playground} bootstrap_server = "localhost:9092" c = bootstrap_server[3] print(c) ``` ``` a ``` Этот код выполнился за O(1) и вывел в консоль символ по индексу 3. Также по строке можно итерироваться: ```python for c in s: print(c) ``` Здесь `c` — это обрабатываемый на каждом витке цикла символ. Альтернативный вариант итерации — с помощью индексов. Используем для этого встроенную функцию `range`, возвращающую диапазон чисел от нуля до длины строки `s` не включительно. Каждое число диапазона является корректным индексом строки: ```python for i in range(len(s)): print(s[i]) ``` Заведите функцию `print_letters(s)`, которая принимает на вход строку и выводит по одному символу на одну строку, пропуская при этом символы пробела. {.task_text} ```python {.task_source #python_chapter_0100_task_0020} ``` Для итерирования по строке воспользуйтесь циклом `for`. {.task_hint} ```python {.task_answer} def print_letters(s): for letter in s: if letter != " ": print(letter) ``` ## Срезы {#block-slices} Помимо получения символов строки по индексу в питоне есть мощный инструмент для извлечения подстроки по заданным параметрам — срезы. **Срезы** (слайсы, slices) — объекты для представления определенной части последовательности (в нашем случае строки). Для взятия срезов тоже используются квадратные скобки, но с двоеточиями внутри. Допустим, у нас есть строка `s`. Тогда взятие среза выглядит так: ```python s[start:end:step] ``` Здесь: - `start` — индекс начала среза. Может не указываться, то есть быть пустым: `s[:end:step]`. Тогда за начало принимается индекс 0. - `end` — конец среза. Указывает, до какого индекса **не включительно** формировать срез. Может быть пустым (`s[start::step]`), и тогда срез ограничивается концом строки. А может быть и отрицательным! -1 означает индекс последнего символа, -2 — предпоследнего (не включительно) и так далее. - `step` — шаг, с которым добавлять символы в срез. По умолчанию 1. Можно не указывать и при этом опустить второе двоеточие (`s[start:end]`). Несколько примеров с различными срезами строки `s = "ABCDEF"`: ```python print(s[2:4]) ``` Получаем символы со 2 по 3 индекс: ``` CD ``` ```python print(s[::3]) ``` Берем каждый третий символ с нулевого по последний: ``` AD ``` ```python print(s[:-2]) ``` Срезаем подстроку от нулевого до предпоследнего индекса не включительно: ``` ABCD ``` Важно помнить, что взятие среза — это всегда неявное создание новой строки. В питоне реализован подход **slice-by-copy,** то есть при каждом получении среза все символы, входящие в срез, копируются в новый объект строки. Временная сложность взятия среза равна O(end - start), так как для формирования среза нужно проитерироваться по последовательности от индекса `start` до `end`. Присвойте переменной `x` срез строки `commands` до первой запятой не включительно. {.task_text} ```python {.task_source #python_chapter_0100_task_0030} commands = "grep, sed, awk" ``` Определите индекс символа, являющегося первой запятой в строке. И возьмите срез до этого индекса. {.task_hint} ```python {.task_answer} commands = "grep, sed, awk" x = commands[:4] ``` Присвойте переменной `y` срез строки `vals` с последнего двоеточия не включительно. {.task_text} ```python {.task_source #python_chapter_0100_task_0040} vals = "1:10:89" ``` Определите индекс последнего двоеточия в строке. Возьмите срез, начиная со следующего за ним символа. {.task_hint} ```python {.task_answer} vals = "1:10:89" y = vals[5:] ``` А вот распространенный трюк с использованием срезов: ```python b = a[:] ``` Он применяется для создания независимой копии последовательности вместо заведения на нее ссылки. Для строк это бессмысленно, так как строки неизменяемые. А вот создавать копии списков через `[:]` вполне удобно (об этом чуть позже). ## Распространенные операции над строками {#block-operators} Приведем распространенные **операции** над строками и другими контейнерами-последовательностями с указанием их временной сложности: - `s2 = s1` — присваивание путем создания новой ссылки на существующую область памяти. O(1). - `s1 == s2` — поэлементное сравнение. Сложность O(1), если длины последовательностей отличаются. Иначе O(n), где n — длина последовательности. - `s[i]` — взятие элемента по индексу `i`. O(1). - `s[start:end:step]` или `s[start:end]` — взятие среза. O(`end` - `start`). - `c in s` — возвращает `True`, если `c` содержится в `s`. Иначе возвращает `False`. Инверсия этого условия (проверка, что `c` не содержится в `s`) выглядит так: `c not in s`. Для строк таким образом можно проверять вхождение не только отдельных символов, но и целых подстрок: `"on" in "python"`. Для поиска подстроки используется алгоритм Бойера — Мура — Хорспула, эффективность которого зависит от данных. В среднем случае это O(n). До выхода питона 3.10 в худшем случае эффективность падала до `O(n * c)`, как у наивного поиска со сравнением с подстрокой `c` в цикле по строке `s` длины `n`. Но в питоне 3.10 была добавлена эвристика, улучшившая время до O(n + c). - `s1 + s2` — конкатенация последовательностей `s1` и `s2`. Сработает и упрощенный синтаксис `+=`: `s1 += s2`. O(n). - `s * n` или `n * s` (где `n` — целое число) — повторение последовательности `s` `n` раз. O(m), где m - длина новой последовательности. Самые популярные встроенные **функции,** применимые к строкам и другим последовательностям: - `len(s)` — получение длины последовательности. Временная сложность — O(1), так как все встроенные последовательности содержат внутренний счетчик объектов. - `min(s)` — поиск минимального элемента в `s`. O(n). - `max(s)` — поиск максимального элемента в `s`. O(n). ## Распространенные методы строк Перечислим самые популярные **методы** класса `str`: - `s.count(c)` — подсчитывает количество элементов последовательности, равных `c`. Этот метод реализован не только для строк, но и для других последовательностей. - `s.startswith(c)`, `s.endswith(c)` — методы для проверки, начинается/заканчивается ли строка подстрокой `c`. Возвращают `True` либо `False`. - `s.upper()`, `s.lower()` — методы для перевода строки в верхний/нижний регистр. Возвращают измененную копию строки. - `s.find(c)` — ищет подстроку и возвращает индекс ее первого вхождения. В случае неудачи возвращает -1. - `s.rfind(c)` — отличается от `find()` тем, что ищет подстроку, начиная с конца строки. - `s.strip()` — удаляет с двух концов строки пробельные символы (в том числе пробел, символ табуляции `\t`, перевод строки `\n`) и возвращает измененную копию строки. В метод можно передать аргумент - набор символов для удаления. Например, `s.strip("\n")` вернет копию с удаленными символами переноса строки. - `s.replace(src, target)` — возвращает копию строки, в которой заменены все вхождения подстроки `src` на подстроку `target`. В качестве `target` можно указать пустую строку. - `s.split()` — разбивает строку по символу-разделителю и возвращает список. По умолчанию разделителем считается пробел, но это переопределяется. Например, `s.split("\t")` разделит строку по символу табуляции. - `delim.join(seq)` — метод, обратный `.split()`: склеивает элементы последовательности `seq` в строку, разделяя их строкой `delim`. Например, `",".join(["A", "B"])` вернет новую строку `"A,B"`. - `s.encode(encoding)` — возвращает строку `s` в заданной кодировке (по умолчанию utf-8). Например, `"питон".encode(encoding="cp1251")` вернет `b'\xef\xe8\xf2\xee\xed'`. У типа `str` есть множество других методов, но эти — наиболее распространенные. Напишите функцию `concat(sep, s1, s2, s3)`, которая принимает 4 строки: `sep` (разделитель) и строки `s1`, `s2`, `s3`, которые нужно склеить с помощью разделителя и вернуть из функции. Например, `concat("~", "A", "B", "C")` вернет строку `"A~B~C"`. {.task_text} ```python {.task_source #python_chapter_0100_task_0050} ``` Нужно воспользоваться методом `join()` объекта `sep` и передать в него список из `s1`, `s2`, `s3`. {.task_hint} ```python {.task_answer} def concat(sep, s1, s2, s3): return sep.join([s1, s2, s3]) ``` Напишите функцию `count(s, c)`, которая принимает строку `s`, символ `c` и возвращает количество раз, которое `c` встретился в `s`. {.task_text} ```python {.task_source #python_chapter_0100_task_0060} ``` Нужно воспользоваться методом `count()` объекта `s`. {.task_hint} ```python {.task_answer} def count(s, c): return s.count(c) ``` ## Форматирование строк {#block-formatting} Форматирование строк добавлено в питон, чтобы избавиться от боли конкатенации строк для их сохранения или вывода. Допустим, мы хотим залогировать строку и ее длину. Это легко устроить через конкатенацию: ```python s = "ABC" print("String " + s + " has " + str(len(s)) + " letters") ``` Но у подобного подхода слишком много минусов: громоздкость, подверженность ошибкам и опечаткам, просто-напросто низкая скорость. Начиная с питона 3.6 форматирование строк удобно реализуется через f-строки (f-strings): ```python {.example_for_playground} s = "ABC" print(f"String {s} has {len(s)} letters") ``` Этот код выведет в консоль отформатированный текст: ``` String ABC has 3 letters ``` Для формирования f-строки перед кавычками указывается префикс `f`, а внутри самой строки в фигурных скобках перечисляются переменные и выражения, которые необходимо добавить в строку. В более старом коде вы встретите и альтернативные способы форматирования: ```python {.example_for_playground} s = "ABC" print("String %s has %d letters" % (s, len(s))) print("String {} has {} letters".format(s, len(s))) ``` Для того чтобы в отформатированную строку добавить имя переменной и ее значение, используется компактная запись с именем переменной и `=` внутри фигурных скобок: ```python {.example_for_playground} x = 5 print(f"{x=}") ``` ``` x=5 ``` Не путайте этот синтаксис с синтаксисом оператора моржа `:=`. Кстати, его тоже можно использовать при форматировании строк: ```python {.example_for_playground} from datetime import datetime print(f"Today: {(today:=datetime.today()):%Y-%m-%d}, day of week: {today:%A}") ``` ``` Today: 2024-06-27, day of week: Thursday ``` Чтобы внутри f-строки правильно обрабатывалось выражение с оператором моржа, его нужно заключать в круглые скобки. Напишите функцию `f(user_id, visits)`, которая принимает два целых числа `user_id` и `visits` и возвращает отформатированную строку со статистикой по пользователю: `"User '498258' visited page 2 times"`. {.task_text} Обратите внимание, что в отформатированной строке id пользователя заключен в одинарные кавычки. {.task_text} ```python {.task_source #python_chapter_0100_task_0070} ``` Воспользуйтесь f-строкой, внутри которой в фигурных скобках будут присутствовать переменные `user_id` и `visits`. {.task_hint} ```python {.task_answer} def f(user_id, visits): return f"User '{user_id}' visited page {visits} times" ``` ## Резюмируем - В питоне есть гетерогенные и гомогенные коллекции. - Коллекции делятся на последовательности, множества и отображения. - Тип `str` — это неизменяемая последовательность юникод-символов. - Для взятия среза используется синтаксис `s[start:end:step]`. - Многие операции над строками применимы и к другим последовательностям. Однако у типа `str` есть свой уникальный набор методов. - Для форматирования строк удобнее всего использовать f-строки.