Python: полный мануал с примерами и справочником функций

Глава 4 · начальный

Строки, Unicode, форматирование и регулярные выражения

Подготовить текст, отделить байты от символов и получить предсказуемый формат.

Строка хранит текст, но «текст» не всегда означает то, что человек считает одним видимым знаком. При обработке имён, выгрузок и сообщений важно различать символы Unicode, байты файла и формат отображения. Сначала определите договор: какие пробелы можно убрать, какая кодировка используется и какую структуру ожидает следующая часть программы.

Строка неизменяема, индекс считает кодовые точки

str — неизменяемая последовательность Unicode. Индекс text[0] получает элемент, срез text[:3] создаёт строку с выбранным фрагментом. Заменить символ присваиванием text[0] = "А" нельзя: создайте новый текст. Индексация пустой строки вызывает IndexError, а срез спокойно вернёт пустую строку. Выбирайте операцию по ожидаемой границе.

len(str) считает кодовые точки, а не обязательно видимые знаки. Буква с комбинируемым ударением или некоторые эмодзи состоят из нескольких точек. Для сравнения текстов полезна согласованная нормализация через unicodedata.normalize(). Она не означает, что любые визуально похожие знаки становятся одним символом: правила сравнения и допустимый алфавит всё равно нужно определить.

import unicodedata

text = "é"
normalized = unicodedata.normalize("NFC", text)
print(len(text), len(normalized))
data = "Привет".encode("utf-8")
print(type(data).__name__)
print(data.decode("utf-8"))
try:
    b"\xff".decode("utf-8")
except UnicodeDecodeError as error:
    print(type(error).__name__)

2 1
bytes
Привет
UnicodeDecodeError

Байты и кодировка

bytes — последовательность чисел 0–255. encode() превращает текст в байты по кодировке, decode() выполняет обратное преобразование. Укажите кодировку формата явно, когда читаете данные. Если байты не соответствуют UTF-8, ошибка помогает обнаружить несогласованный источник. Режим errors="ignore" может незаметно удалить данные; применять его просто для исчезновения сообщения не стоит.

С Python 3.15 UTF-8 используется по умолчанию в соответствующем режиме ввода-вывода, но внешние файлы могут оставаться в другой кодировке. Строка уже не является «UTF-8 строкой»: UTF-8 описывает её байтовую запись. Отделяйте эти уровни в названиях переменных, например payload_bytes и message_text. Это упрощает диагностику двойного кодирования.

Очистка: strip, split и join

strip() без аргумента удаляет крайние пробельные символы. С аргументом он получает набор отдельных символов, а не буквальный суффикс. Для удаления конкретного начала или конца используйте removeprefix() и removesuffix(). Иначе имя файла может сократиться сильнее, чем вы предполагали.

filename = "copy.py"
print(filename.strip(".py"))
print(filename.removesuffix(".py"))
raw = "  дизайн   разработка  практика "
words = raw.split()
print(words)
print(" / ".join(words))

co
copy
['дизайн', 'разработка', 'практика']
дизайн / разработка / практика

split() без разделителя объединяет серии пробелов и не создаёт пустых краёв. С явным разделителем поведение другое: "a;;b".split(";") сохраняет пустое поле между точками с запятой. join() соединяет строки выбранным разделителем; числа сначала надо превратить в строки. Для CSV с кавычками берите модуль csv: обычный split не понимает экранирование и разделитель внутри поля.

Поиск, замена и сравнение регистра

Членство part in text удобно, когда нужен только ответ «найдено?». find() возвращает индекс или −1; проверка if text.find(part): ошибочна, потому что нулевой индекс ложный, а −1 истинный. index() вместо −1 вызывает исключение. Выбирайте вариант по тому, требуется ли отсутствие считать обычным результатом или нарушением договора.

replace() создаёт новую строку; старую нужно явно заменить именем результата. Для безрегистрового сравнения Unicode обычно подходит casefold(), который шире простого lower. Перед сравнением можно нормализовать текст, но не удаляйте значимые символы без правила задачи. Имя человека, артикул и поисковый запрос могут требовать разных стратегий.

Форматирование числа и длинного текста

F-строка вычисляет выражения внутри фигурных скобок и сразу создаёт текст. Спецификатор после двоеточия управляет отображением: .2f задаёт два знака после точки, 04d — целое с дополнением нулями до четырёх позиций. Отображение округлённого float не исправляет исходную погрешность. Для десятичных правил используйте подходящий численный тип до форматирования.

Встроенный format(value, ".2f") применяет тот же договор формата к одному значению. Метод строки "{name}: {value:.2f}".format(name="Сумма", value=amount) удобен для заранее подготовленного шаблона. Это разные интерфейсы: format у значения не ищет именованные поля, а метод строки подставляет их в текст. Литерал f-строки вычисляется сразу в текущем коде. Не выбирайте eval для обработки отдельного шаблона: обычно нужен понятный формат и явные данные.

import re

amount = 2490.5
print(f"Сумма: {amount:.2f}")
print(f"Номер: {7:04d}")
for text in ("Заказ-0073", "Заказ-A73", ""):
    match = re.fullmatch(r"Заказ-(?P<number>[0-9]+)", text)
    print(int(match.group("number")) if match else "Некорректный номер")

Сумма: 2490.50
Номер: 0007
73
Некорректный номер
Некорректный номер

Для переноса обычного текста есть textwrap.fill(), для удаления общего отступа многострочной заготовки — textwrap.dedent(). Это текстовые операции, они не заменяют переносы интерфейса браузера. Отдельно учитывайте значимые переводы строк в исходнике: автоматическое выравнивание может изменить смысл стихотворения, кода или адресного блока.

Регулярное выражение и t-строка

Регулярное выражение полезно для небольшой устойчивой формы. fullmatch() проверяет всю строку, search() ищет фрагмент, findall() собирает совпадения. В предыдущем примере используются только ASCII-цифры [0-9]; \d также распознаёт другие Unicode-цифры. Не пытайтесь разбирать произвольный HTML или полноценный CSV одной регуляркой: для структуры выбирайте соответствующий парсер.

Префикс r у строкового литерала удобен для регулярных выражений: он сохраняет обратные косые черты для синтаксиса самого re. Это не отключает специальные символы регулярного выражения. Если нужно искать введённый пользователем текст буквально, подготовьте его через re.escape(); тогда точка или скобка не превратятся в команду шаблона. Не добавляйте escape ко всему готовому выражению, иначе исчезнет и задуманный синтаксис поиска.

Начиная с Python 3.14 t-строка возвращает Template, а не готовую строку. Она отделяет постоянные фрагменты от интерполяций. Обработчик шаблона решает, как собрать конечный результат. Сам синтаксис не экранирует HTML, не параметризует SQL и не обещает безопасную вставку данных. Новая конструкция нужна там, где обработка значений должна быть контролируемой отдельно от записи шаблона.

name = "<Анна>"
template = t"Привет, {name}!"
print(type(template).__name__)
print(template.strings)
print(template.values[0])

Template
('Привет, ', '!')
<Анна>

Упражнение: подготовить список подписей

Есть подписи с крайними пробелами и пустая запись. Уберите только крайние пробелы, исключите пустой результат и соедините оставшееся через запятую с пробелом. Сохраните внутренний пробел у «Новый проект». Ожидаются две подписи без пустой позиции. Это полезный маленький шаг перед формированием меню или отчёта.

raw = ["  Дизайн ", "   ", " Новый проект "]
cleaned = [value.strip() for value in raw]
print(", ".join(value for value in cleaned if value))

Дизайн, Новый проект

Справочные детали: re, Unicode, t-строки и Template.

Методы и свойства str

Все 47 публичных методов, имеющих отдельные сигнатуры str.* на странице Built-in Types.