Python字符串是不可变的Unicode序列，所有“修改”操作均创建新对象；频繁拼接应使用''.join()；str与bytes需显式编码解码；split、f-string、正则替换及中文路径处理需按规范编码。
Python字符串的本质是不可变的Unicode序列，理解这一点，就抓住了所有操作逻辑的起点。它不是字符数组，也不是字节流，而是一串经过编码规范约束的文本单元。任何看似“修改”字符串的操作（比如replace、upper、切片拼接），实际都是创建新对象——原字符串毫未改变。
字符串不可变性带来的关键影响
这直接决定你写代码的方式：
- 频繁拼接大量短字符串时，用+ 或 +=效率低（每次生成新对象，时间复杂度O(n²)），应改用''.join(list)
- 想“原地修改”，必须转成list或bytearray（后者仅限ASCII/字节场景），处理完再转回str
- id()和is比较在小字符串上可能意外返回True（CPython内部做了驻留优化），但绝不能依赖——真正可靠的相等判断永远用==
编码与解码：字符串和字节的边界在哪里
str是文本，bytes是原始字节。二者之间没有自动转换：
- str → bytes：调用.encode('utf-8')（指定编码格式，不传默认用系统locale）
- bytes → str：调用.decode('utf-8')（格式必须与编码一致，否则报UnicodeDecodeError）
- 读文件时用open(..., encoding='utf-8')直接得str；用open(..., 'rb')得bytes，需手动decode
实战中高频又易错的三类操作
不是记住方法名，而是理解它们在什么前提下安全、高效：
- split() / rsplit()：默认按空白符切分（含\n\t\r\u00A0等），且会自动过滤空字段；若需保留空字段或按固定字符切，显式传入sep参数（如s.split(',') ）
- format() / f-string：f-string在运行时求值，更轻量；format支持命名、位置、嵌套表达式，适合动态模板；两者都支持格式说明符（如f"{x:.2f}"）
- 正则替换中的\1 \2：必须用re.sub(r'(\d+)-(\d+)', r'\2-\1', s)，反斜杠后数字表示捕获组编号；若想字面输出反斜杠，得写r'\\1'或'\\\\1'
一个真实调试场景：中文路径乱码
常见于Windows下用subprocess调外部程序，或os.listdir()遇到非UTF-8编码的文件名：
- 错误做法：直接print(os.listdir('.')) → 控制台编码不匹配，显
示 - 正确思路：用os.fsencode()和os.fsdecode()做系统级编解码，或统一用pathlib.Path（自动适配）
- 终极防御：所有外部输入（文件名、环境变量、网络响应头）进来第一件事——明确它的编码，decode成str；所有输出前——encode为bytes并指定目标编码
示
