Python 字符串处理常用技巧：清洗文本、提取字段和格式化输出

字符串处理最常见的是清洗，不是炫技

真实工作里，字符串处理通常不复杂，但很琐碎。标题多了空格，正文有多余换行，日志里要提取错误码，接口字段里混着中文和数字，CSV 里有不可见字符。这些问题如果靠手工改，量一大就会出错；用 Python 写几行脚本，反而更稳。

最常用的几个方法是 strip、split、join、replace、startswith、endswith、in。它们已经能解决很多文本清洗问题。不要一上来就写复杂正则，先用简单字符串方法处理，规则清楚时再引入正则。

清理多余空白可以这样写：

python代码示例

text = "  这是一段\n\n  带空格的文本  "
cleaned = " ".join(text.split())

print(cleaned)

如果文本里有明确模式，比如手机号、邮箱、订单号、错误码，可以用正则提取。正则适合规则明确的小片段，不适合解析完整 HTML、JSON 或 CSV。复杂格式优先用专门解析器。

提取邮箱示例：

python代码示例

import re

text = "联系人：test@example.com，备用邮箱：admin@example.org"
emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", text)

print(emails)

写正则时要准备正例和反例。比如邮箱要测没有 @ 的、多个 @ 的、带空格的；订单号要测位数不对的、前后有中文的。把样例先放到正则工具里看匹配结果，再放进 Python 脚本，会少很多试错。

Python 里推荐用 f-string 做字符串格式化，清楚直观。比如生成文件名、日志行、提示语、批量标题，都可以用 f-string。比起用加号拼接，它更不容易漏空格，也更容易看出最终文本长什么样。

示例：

python代码示例

name = "张三"
score = 92.5

message = f"{name} 的本次得分是 {score:.1f}"
print(message)

如果要生成大量文本，比如文章标题、批量文件名、CSV 字段，建议把格式化规则写成函数。这样后续要改模板时，只改一个地方。

字符串清洗最怕误删。比如把所有空格都删掉，中文看起来没问题，英文单词就粘在一起了；把所有标点删掉，URL 和邮箱也可能坏掉。批量处理前，最好保留原始字段，再新增清洗后的字段。这样发现规则不合适时还能回退。

处理表格数据时，可以保留 raw_text 和 clean_text 两列。处理文件时，可以输出到新文件，不要直接覆盖原文件。站内文本清理、正则工具、文本对比工具适合在写脚本前后做检查，先小样本验证，再批量处理。

一个稳妥流程是：抽样 20 条数据，写清洗规则，人工检查输出，扩大到 200 条，再跑全量。别一上来就处理全部文件。

不一定。strip、split、join、replace 已经能解决很多问题，规则复杂时再用正则。

先抽样验证，保留原始字段或原文件，再用文本对比检查变化。

适合生成提示语、文件名、日志、标题等可读文本，比加号拼接更清楚。

Python 实用