百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

如何使用 Python 的 f-string 进行字符串格式化

itomcoil 2025-03-28 17:43 18 浏览

Python 中的字符串格式化曾经有点麻烦。必须在 % 运算符、str.format() 或字符串连接的组合之间进行选择,才能将变量注入字符串中。幸运的是,Python 3.6 引入了 f-strings(格式化字符串文字),这是一种使代码更简洁、更具可读性和更高效的强大方法。

什么是 f 字符串?

f-string 是前缀为字母 f 的字符串文本,允许在大括号 {} 内包含表达式,这些表达式在运行时进行计算。这使得包含变量值、执行计算甚至调用函数变得容易 - 所有这些都直接在字符串中完成。

下面是一个基本示例:

name = "Alice"
age = 30
message = f"My name is {name} and I am {age} years old."
print(message)

输出:

My name is Alice and I am 30 years old.

f 字符串的美妙之处在于它们的简单性:您只需在开始引号前加上一个 f,然后使用 {} 将值直接插入到字符串中。

f 字符串的优点

1. 可读性

与旧的格式设置方法相比,F 字符串更具可读性,因此很容易看到每个变量或表达式的去向。

2. 简洁

F 字符串消除了对 str.format() 等详细方法调用的需要。您的字符串更简洁,代码更短。

3. 灵活性

可以在 {} 中嵌入任何有效的 Python 表达式,包括算术运算或函数调用。

4. 类型提示集成

使用类型提示时,f-strings 可以帮助确保变量的格式与其预期类型一致:

def greet(user: str) -> str:
    return f"Hello, {user}!"

print(greet("Alice"))

类型提示与 f 字符串相结合,有助于使代码自文档化且可读。

使用 f 字符串的示例

1. 使用 f 字符串格式化变量

假设有一些表示产品的变量:

product = "Laptop"
price = 999.99
formatted = f"The {product} costs ${price:.2f}."
print(formatted)

输出:

The Laptop costs $999.99.

此处,:.2f 指定价格的格式应为小数点后两位 — 非常适合显示货币值。

2. 在 f 字符串中执行计算

您可以直接在 f 字符串中包含计算:

length = 5
width = 3
area_message = f"The area of the rectangle is {length * width} square units."
print(area_message)

输出:

The area of the rectangle is 15 square units.

3. 使用格式说明符

F 字符串支持各种格式说明符来控制输出:

# Right-aligned text with padding
print(f"|{'Hello':>10}|")

# Left-aligned text
print(f"|{'World':<10}|")

# Center-aligned text
print(f"|{'Center':^10}|")

# Formatting numbers
num = 1234.56789
print(f"Number with commas: {num:,.2f}")
print(f"Percentage: {0.756:.1%}")

输出:

|     Hello|
|World     |
| Center   |
Number with commas: 1,234.57
Percentage: 75.6%

4. 使用 f 字符串进行调试

使用 {var=} 语法进行快速调试:

x = 42
print(f"{x=}")

输出:

x=42

高级功能

1. 多行 f 字符串

对于较长的字符串,请使用多行 f 字符串以获得更好的可读性:

name = "Alice"
city = "Wonderland"
message = (
    f"Hello, {name}!\n"
    f"Welcome to {city}. We hope you enjoy your stay."
)
print(message)

2. 处理特殊字符

如果你需要在 f 字符串中包含大括号 {},只需将它们加倍即可:

result = f"To include curly braces, use double braces: {{ and }}."
print(result)

输出:

To include curly braces, use double braces: { and }.

与模板字符串的比较

虽然 f-strings 通常更快、可读性更强,但 string 模块中的 Python 模板字符串在处理不受信任的 input 时提供了更好的安全性。

from string import Template

user_input = "Alice"
template = Template("Hello, $name!")
message = template.substitute(name=user_input)
print(message)

模板字符串更安全,因为它们只允许变量替换,不支持任意表达式。在处理用户生成的内容以防止注入攻击时,这可能是一个显著的优势。

安全注意事项

F 字符串允许任意表达式,如果您直接合并用户输入,这可能会有风险:

user_input = "__import__('os').system('ls')"
# Dangerous! Avoid using f-strings with untrusted input:
# print(f"User input: {user_input}")

相反,在将用户输入包含在 f 字符串中之前,请使用 Template strings 或对其进行清理,以避免潜在的安全漏洞。

性能比较

f 弦的主要优点之一是它们的性能。让我们将 f 字符串与 % 运算符、str.format()模板字符串进行比较:

import timeit

name = "Alice"
age = 30

f_string_time = timeit.timeit("f'{name} is {age} years old'", globals=globals(), number=1000000)
format_time = timeit.timeit("'{} is {} years old'.format(name, age)", globals=globals(), number=1000000)
percent_time = timeit.timeit("'%s is %d years old' % (name, age)", globals=globals(), number=1000000)
template_time = timeit.timeit("Template('$name is $age years old').substitute(name=name, age=age)", 
                              globals=globals(), number=1000000)

print(f"f-string: {f_string_time:.6f}s, str.format(): {format_time:.6f}s, %-formatting: {percent_time:.6f}s, Template: {template_time:.6f}s")

典型输出:

f-string: 0.085123s, str.format(): 0.121456s, %-formatting: 0.130567s, Template: 0.155789s

结论:f 字符串是最快的,但如果安全是一个问题(例如,处理用户输入),请考虑使用模板字符串。

要避免的陷阱

1. 仅限 Python 3.6+

F 字符串仅在 Python 3.6 及更高版本中可用。如果您使用的是旧版本,则需要使用其他格式设置方法。

2. 保持表达式简单

避免在 {} 中使用过于复杂的表达式以提高可读性:

# Instead of this:
formatted = f"The result is {((10 ** 2 + 5) / 3):.2f}"

# Do this:
result = (10 ** 2 + 5) / 3
formatted = f"The result is {result:.2f}"

3. 谨慎对待用户输入

切勿直接将 f 字符串与不受信任的输入一起使用。使用 Template strings 以获得更安全的方法。

结论

F 字符串提供了一种现代、可读且简洁的方式来在 Python 中格式化字符串。它们功能强大、灵活且性能卓越,是大多数使用案例的理想选择。但是,对于涉及用户输入的方案,请考虑使用 Template strings 以避免安全问题。

相关推荐

最强聚类模型,层次聚类 !!_层次聚类的优缺点

哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...

python决策树用于分类和回归问题实际应用案例

决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...

Python教程(四十五):推荐系统-个性化推荐算法

今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...

简单学Python——NumPy库7——排序和去重

NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...

PyTorch实战:TorchVision目标检测模型微调完

PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...

C4.5算法解释_简述c4.5算法的基本思想

C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...

Python中的数据聚类及可视化分析实践

探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...

用Python来统计大乐透号码的概率分布

用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...

python:支持向量机监督学习算法用于二分类和多分类问题示例

监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...

数据挖掘流程_数据挖掘流程主要有哪些步骤

数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...

使用Python寻找图像最常见的颜色_python 以图找图

如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...

财务预算分析全网最佳实践:从每月分析到每天分析

原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...

常用数据工具去重方法_数据去重公式

在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...

Python教程(四十):PyTorch深度学习-动态计算图

今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...