文字列

8. 文字列#

8.1. 基本#

文字列はシングルクォーテーション（'）、またはダブルクォーテーション（"）で囲む。代入文により、変数に文字列への参照が代入される。なお、C言語における文字型charに相当するものはない。

s = 'stress'

s

'stress'

type(s)

str

文字列の長さ（文字数）はlen関数で取得できる。

len(s)

6

文字列はユニコード文字列として表現されているため、日本語の文字列も問題なく表現できる。

s = 'ストレス'

len(s)

4

空文字列は''やstr関数で作成できる。

s = ''
s

''

s = str()
s

''

8.2. 特殊文字や複数行にわたる文字列#

文字列において、\は\n（改行文字）や\t（タブ文字）などの特殊文字を表現するためのエスケープ・シーケンスと解釈されるため、文字通りの解釈にはならない。

s = 'C:\Users\okazaki'

  File "/tmp/ipykernel_204989/1140256298.py", line 1
    s = 'C:\Users\okazaki'
                          ^
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 2-3: truncated \UXXXXXXXX escape

\を文字として表現するには、\\とする。

s = 'C:\\Users\\okazaki'
print(s)

C:\Users\okazaki

文字列の先頭にrを書くことで、\がエスケープ・シーケンスの一部と解釈されず、文字通りに解釈される（raw string）。

s = r'C:\Users\okazaki'
print(s)

C:\Users\okazaki

文字列の中に'を含めるには、文字列全体をダブルクォーテーション（"）で囲んでおくとよい。

s = "stress's"
s

"stress's"

シングルクォーテーション（'）で囲まれた文字列の中でシングルクォテーション（'）を含めるには、エスケープ・シーケンス\'を使う。

s = 'stress\'s'
s

"stress's"

複数行にわたる文字列を定義するには、"""を用いるとよい。

s = """先頭行
2行目
3行目"""

print(s)

先頭行
2行目
3行目

s

'先頭行\n2行目\n3行目'

8.3. 数値と文字列の間の変換#

数値から文字列への変換にはstr関数を用いる。ただ、ひとつの数値を文字列に変換するだけでなく、他の数値や文字列を一緒に文字列として表現するには、後述するフォーマット文字列が便利である。

x = 10
s = str(x)
s

'10'

x = 3.14
s = str(x)
s

'3.14'

文字列から数値への変換にはint関数を用いる。

s = '10'
x = int(s)
x

10

s = '3.14'
x = float(s)
x

3.14

数値から2進数形式の文字列への変換にはbin関数を用いる。

bin(255)

'0b11111111'

数値から16進数形式の文字列への変換にはhex関数を用いる。

hex(255)

'0xff'

8.4. インデックス、スライス#

文字列中の\(i\)番目（先頭は\(0\)番目）の文字を取り出す。

s = 'stressed'

s[0]

's'

s[1]

't'

文字列の範囲外の文字を取り出そうとすると、エラーになる。

s[8]

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
/tmp/ipykernel_204989/495611267.py in <module>
----> 1 s[8]

IndexError: string index out of range

末尾の文字を取り出す。

s[len(s)-1]

'd'

負のインデックス\(-i\)は、文字列の末尾から数えて\(i\)番目の文字を取り出す。

s[-1]

'd'

s[-3]

's'

その他、スライスの使い方はリストと同様である。

s[0:3]

'str'

s[:3]

'str'

s[6:]

'ed'

s[:-2]

'stress'

s[-2:]

'ed'

s[:6:2]

'srs'

s[::2]

'srse'

s[::-1]

'desserts'

文字列は不変なオブジェクトであるため、その要素は変更することはできない（可変と不変を参照）。

s[3] = 'a'

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/tmp/ipykernel_204989/2319426980.py in <module>
----> 1 s[3] = 'a'

TypeError: 'str' object does not support item assignment

8.5. 文字列に対する操作#

s = "https://www.nlp.c.titech.ac.jp/search?q=Natural+Language+Processing"

小文字への変換。

s.lower()

'https://www.nlp.c.titech.ac.jp/search?q=natural+language+processing'

大文字への変換。

s.upper()

'HTTPS://WWW.NLP.C.TITECH.AC.JP/SEARCH?Q=NATURAL+LANGUAGE+PROCESSING'

文字列の置換。

s.replace('search', 'find')

'https://www.nlp.c.titech.ac.jp/find?q=Natural+Language+Processing'

指定した文字列が最初に現れる場所（インデックス）を返す。

s.find('/')

6

s[:6]

'https:'

s[6:]

'//www.nlp.c.titech.ac.jp/search?q=Natural+Language+Processing'

指定した文字が見つからない場合は-1を返す。

s.find('html')

-1

指定した文字列が最後に現れる場所（インデックス）を返す。

s.rfind('/')

30

s[:30]

'https://www.nlp.c.titech.ac.jp'

s[30:]

'/search?q=Natural+Language+Processing'

指定した文字（'+'）で文字列を分割し、リストで表現する（なお、s[40:]は'Natural+Language+Processing'である）。

v = s[40:].split('+')
v

['Natural', 'Language', 'Processing']

リストの要素を指定した文字（'/'）で連結する。

t = '+'.join(v)
t

'Natural+Language+Processing'

リストの要素を指定した文字（', '）で連結する。

', '.join(v)

'Natural, Language, Processing'

リストの要素をそのまま（空文字で）連結する。

''.join(v)

'NaturalLanguageProcessing'

先頭もしくは末尾に指定した文字（複数指定可）が付いているとき、それを取り除く。

s = '  one, two, three, '

s.strip(' ')

'one, two, three,'

s.strip(', ')

'one, two, three'

末尾に指定した文字（複数指定可）が付いているとき、それを取り除く。

s.rstrip(' ')

'  one, two, three,'

s.rstrip(',')

'  one, two, three, '

s.rstrip(', ')

'  one, two, three'

先頭に指定した文字（複数指定可）が付いているとき、それを取り除く。

s.lstrip(' ')

'one, two, three, '

s.lstrip(',')

'  one, two, three, '

s.lstrip(', ')

'one, two, three, '

8.6. 文字列に対する条件#

s = "Tokyo Institute of Technology 2020"

文字列の一致。

s == 'TokyoTech'

False

文字列の不一致。

s != 'TokyoTech'

True

辞書順による文字列の比較。

s < 'Tokyo Tech'

True

s > 'Tokyo Tech'

False

部分文字列を含むか。

'Tokyo' in s

True

部分文字列を含まないか。

'University' not in s

True

指定した文字列で始まるかどうかチェックする。

s.startswith('Tokyo')

True

s.startswith('Institute')

False

指定した文字列で終わるかどうかチェックする。

s.endswith('2020')

True

s.endswith('Technology')

False

（すべてが）大文字か。

s.isupper()

False

s[0].isupper()

True

s[1].isupper()

False

（すべてが）小文字か。

s.islower()

False

s[0].islower()

False

s[1].islower()

True

（すべてが）空白文字か。

s.isspace()

False

s[0].isspace()

False

s[5].isspace()

True

（すべてが）アルファベット文字か。

s.isalpha()

False

s[:5].isalpha()

True

s[:6].isalpha()

False

（すべてが）数字か。

s.isnumeric()

False

s[-4:].isnumeric()

True

'七十七'.isnumeric()

True

'七十七銀行'.isnumeric()

False

8.7. フォーマット文字列#

year = 2020
month = 'December'
date = 9
hour = 9
minute = 15
second = 43.3

8.7.1. printf形式の文字列書式化#

C言語風のprintf形式の文字列書式化は、%演算子で利用可能。ただし、Python 3ではあまり推奨されていない。

'%s %d, %d' % (month, date, year)

'December 9, 2020'

'%02d:%02d:%02.03f, %s %d, %d' % (hour, minute, second, month, date, year)

'09:15:43.300, December 9, 2020'

8.7.2. 書式指定文字列#

Python 3では、書式指定文字列（str.formatメソッド）が用いられる。変数の値を文字列として埋め込みたい箇所を{}で囲う。値の型を指定しなくてもよい。

formatメソッドの引数の位置に応じて文字列に埋め込む。

'{1} {2}, {0}'.format(year, month, date)

'December 9, 2020'

'{2} {1}, {0}'.format(year, month, date)

'9 December, 2020'

引数の位置の指定を省略し、引数の先頭から順に{}を埋める。

'{} {}, {}'.format(month, date, year)

'December 9, 2020'

引数に名前を付け、その名前を書式指定文字列で参照する。

'{m} {d}, {y}'.format(y=year, m=month, d=date)

'December 9, 2020'

整数や浮動小数点数も型を指定せずに埋め込める。

'{}:{}:{}'.format(hour, minute, second)

'9:15:43.3'

整数や浮動小数点数の整形方法を指定。多くの場合、printf形式の文字列書式化の%の代わりに:に置き換えるだけで済む。例えば、%02.3fは:02.3fとなる。

'{:02}:{:02}:{:02.3f}'.format(hour, minute, second)

'09:15:43.300'

8.7.3. フォーマット済み文字列リテラル#

フォーマット済み文字列リテラル（文字列の先頭にプレフィックスfまたはFを付ける）を使うと、formatメソッドを呼び出すことなく、アクセス可能な変数を参照できる。

f'{month} {date}, {year}'

'December 9, 2020'

書式指定を行い、数値の0埋めや桁数を揃える。

f'{hour:02}:{date:02}:{second:02.03f}, {month} {date}, {year}'

'09:09:43.300, December 9, 2020'

Pythonの式を直接書式指定に埋め込むこともできる。

f"{month[:3]} {date}, '{year % 2000}"

"Dec 9, '20"

8.8. 文字エンコーディング#

s = 'Python言語'

ユニコードで表現されている文字列を任意の文字コードでエンコードするには、encodeメソッドを用いる。バイト列と呼ばれる、バイナリデータを格納するオブジェクトが得られる。以下の例は、文字列sをUTF-8に変換する例である。

s.encode('utf8')

b'Python\xe8\xa8\x80\xe8\xaa\x9e'

同様に、文字列sをUTF-16に変換する例である。

s.encode('utf-16')

b'\xff\xfeP\x00y\x00t\x00h\x00o\x00n\x00\x00\x8a\x9e\x8a'

ある文字コードでエンコードされたバイト列から文字列を得る（デコードする）には、decodeメソッドを用いる。

b = b'\xe6\x97\xa5\xe6\x9c\xac\xe8\xaa\x9e'
b.decode('utf8')

'日本語'