Python 从零开始 · 第 7 课：字符串处理与文件读写

到这一课为止，程序处理的数据都是我们手写的。但现实里，数据大多存在文件里：日志、配置、表格、文章……程序得能读进来、处理、再写出去。

这一课我们搞定三件事：字符串的十八般武艺、正则表达式，以及文件的读写。

一、字符串的十八般武艺

字符串是 Python 里最常用的类型，方法多到数不清，但常用的就这些：

s = "  Hello, Python World  "

s.strip()            # 去掉首尾空白
s.lower()            # 全小写
s.upper()            # 全大写
s.replace("Python", "Java")   # 替换
s.split(",")         # 按逗号切成列表
",".join(["a", "b"]) # 用逗号把列表拼成字符串
s.startswith("Hello")# 是否以某串开头
s.endswith("World")  # 是否以某串结尾
"py" in s            # 子串是否在里面
len(s)               # 长度

最容易搞混的一对：split 是"拆"，join 是"拼"，方向相反：

words = "a,b,c".split(",")   # ['a', 'b', 'c']
s = "-".join(words)          # 'a-b-c'

二、正则表达式：文本匹配的"万能钥匙"

前面那些字符串方法，适合处理你明确知道长什么样的字符串。但现实里，很多文本是"模式"：比如"找出文章里所有的手机号""验证用户填的邮箱对不对""把日志里的日期抠出来"。这时用 split、replace 会写得又长又脆。

正则表达式（regex）就是专门干这个的：用一个"模式字符串"，去匹配目标文本里符合规律的部分。Python 里用内置的 re 模块。

最常用的几个元字符

三个最常用的 re 函数

import re

# 1. findall：找出所有匹配，返回列表（最常用）
text = "我的号码：13812345678，备用：13987654321"
phones = re.findall(r"1\d{10}", text)      # 1 开头 + 10 位数字
print(phones)   # ['13812345678', '13987654321']

# 2. search：找第一个匹配，返回一个 Match 对象
m = re.search(r"\d+", "订单号：A2026")
print(m.group())        # 2026（.group() 取出匹配到的内容）

# 3. sub：替换所有匹配（比 str.replace 强在能按"模式"换）
clean = re.sub(r"\d+", "#", "电话 123 和 456")
print(clean)            # 电话 # 和 #

分组：把想要的"抠"出来

用 () 圈住感兴趣的部分，findall 就会只返回括号里的内容：

import re

text = "张三 138-1234-5678，李四 139-8765-4321"
# 名字 + 电话，用 () 分组
pairs = re.findall(r"(\w+)\s(\d{3}-\d{4}-\d{4})", text)
print(pairs)   # [('张三', '138-1234-5678'), ('李四', '139-8765-4321')]

验证输入对不对：fullmatch

比如检查用户填的邮箱格式（不必背这个表达式，理解思路即可）：

import re

def 是不是邮箱(s):
    # 一个或多个字母数字，@ 一个或多个字母数字，. 字母
    模式 = r"[\w.+-]+@[\w-]+\.[\w.-]+"
    return re.fullmatch(模式, s) is not None

print(是不是邮箱("alice@example.com"))   # True
print(是不是邮箱("这不是邮箱"))           # False

两个新手提醒：

1. 正则前面加 r（如 r"\d+"），表示"原始字符串"，别让 \ 被转义吃掉。
2. 正则不需要背，用到再查，但 \d、\w、+、*、() 这几个得眼熟——它们覆盖了 90% 的日常需求。

三、字符串格式化：把变量塞进文本

老方法是 %，新方法（推荐）是 f-string：

name = "张三"
age = 20

# f-string（Python 3.6+，最推荐）
print(f"我叫 {name}，今年 {age} 岁")

# format 方法
print("我叫 {}，今年 {} 岁".format(name, age))

# 百分号（老式）
print("我叫 %s，今年 %d 岁" % (name, age))

f-string 还能做运算、格式化数字：

price = 3.14159
print(f"价格是 {price:.2f} 元")     # 保留两位小数：3.14
print(f"占宽 10 格右对齐：{price:>10}")

四、字符串是不可变的

第 4 课说过元组不可变。字符串也是不可变的——你不能改它的某个字符：

s = "hello"
# s[0] = "H"    # 报错！字符串不能改

s = "H" + s[1:]   # 正确做法：拼一个新的
print(s)          # Hello

要"改"字符串，本质都是造一个新字符串。

🧊 冷笑话：A："我想把 "Hello" 的第一个字母改成小写。" B："改不了，字符串不可变。" A："那怎么办？" B："新建一个 "hello"，把旧的扔掉。"

五、读文件：把文件内容拿进来

用 open() 打开文件，用 with 保证用完自动关闭：

with open("data.txt", "r", encoding="utf-8") as f:
    content = f.read()          # 一次性全读进来（字符串）
    # lines = f.readlines()     # 读成列表，每个元素是一行
    # line = f.readline()       # 读一行
print(content)

• "r"：读模式
• "w"：写模式（会清空原文件！）
• "a"：追加模式（在末尾接着写）
• encoding="utf-8"：处理中文必须加，否则乱码

with 的好处：文件用完自动关闭，不用手动 f.close()，也不会忘记关。

六、写文件：把数据存下来

with open("out.txt", "w", encoding="utf-8") as f:
    f.write("第一行\n")        # 写入字符串，\n 是换行
    f.write("第二行\n")

追加模式不会清空：

with open("out.txt", "a", encoding="utf-8") as f:
    f.write("这是追加的一行\n")

七、逐行读文件：处理大文件的正确姿势

如果文件很大，read() 全读进来可能撑爆内存。正确做法是逐行读：

with open("data.txt", "r", encoding="utf-8") as f:
    for line in f:              # 逐行遍历，内存友好
        line = line.strip()     # 去掉行尾的换行符
        print(line)

八、一个完整例子：读文件 → 处理 → 写文件

假设 scores.txt 每行一个数字，统计平均分并写到 result.txt：

# scores.txt 内容：
# 90
# 85
# 78

total = 0
count = 0
with open("scores.txt", "r", encoding="utf-8") as f:
    for line in f:
        total += int(line.strip())
        count += 1

avg = total / count
with open("result.txt", "w", encoding="utf-8") as f:
    f.write(f"总人数：{count}\n")
    f.write(f"平均分：{avg:.2f}\n")

这就是"数据流水线"的最小雏形：读 → 算 → 写。

九、动手时间 🎯

实验 1：统计文件字数

with open("data.txt", "r", encoding="utf-8") as f:
    text = f.read()

words = text.split()
print("字符数:", len(text))
print("单词数:", len(words))

实验 2：找出所有邮箱

import re
text = "联系我：alice@example.com 或 bob@test.org，谢谢"
emails = re.findall(r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+", text)
print(emails)   # ['alice@example.com', 'bob@test.org']

实验 3：写一个简易日志

from datetime import datetime

def log(msg):
    now = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
    with open("log.txt", "a", encoding="utf-8") as f:
        f.write(f"[{now}] {msg}\n")

log("程序启动")
log("处理了 100 条数据")
log("程序结束")

十、小结

1. 字符串方法 + 正则双管齐下：strip/split/join/replace 处理明确文本；re.findall/re.search/re.sub 按"模式"匹配（\d、\w、+、()），模式前记得加 r。
2. 格式化用 f-string：f"{变量:.2f}" 又简单又好用。
3. 文件读写用 with open(..., encoding="utf-8")，r 读、w 覆盖写、a 追加写，大文件逐行读。

下一课，我们学 模块与第三方库——学会 import 和 pip，站在千万开发者的肩膀上，不再重复造轮子。

先把「统计字数」和「简易日志」敲熟，字符串和文件的手感就长在你脑子里了。