python字符串处理依赖内置str类型及方法、re模块、pandas.str访问器和unicode编码保障。str方法覆盖清洗、切分、格式化等；re处理复杂模式；pandas实现向量化文本操作；unicode支持多语言文本正确处理。
Python 本身没有叫“字符串操作库”的独立第三方包——它的强大文本处理能力，就来自内置的 str 类型 + 一整套设计精良的字符串方法。所谓“实现强大的文本处理库”，其实是把原生字符串操作用得精准、组合得巧妙、再辅以标准库扩展。
字符串方法就是你的第一层文本处理引擎
Python 的 str 对象自带几十个实用方法，覆盖绝大多数日常清洗和转换需求，无需安装任何额外依赖：
-
清洗类：
strip()去首尾空格；replace(' ', '_')统一空格；translate(str.maketrans(...))批量字符映射 -
切分与重组：
split(',')拆字段；rsplit(maxsplit=1)从右拆最后一处；join()高效拼接列表 -
大小写与格式：
lower()/upper()/title()/capitalize()；zfill(5)补零；center(20, '-')居中填充 -
查找与判断：
startswith('http')；contains = 'error' in text；find()返回位置，rfind()从右找
这些方法链式调用自然流畅，比如：
clean_name = name.strip().replace(' ', ' ').title()
正则表达式（re模块）补足复杂模式需求
当规则超出简单子串匹配（比如“提取所有邮箱”“清理HTML标签”“识别日期格式”），re 就是必选项：
-
re.sub(r'\s+', ' ', text)—— 多个空白缩成一个空格 -
re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)—— 提取全部邮箱 -
re.search(r'(\d{4})-(\d{2})-(\d{2})', line)—— 捕获年月日分组
关键点：正则不是替代字符串方法，而是协同使用。例如先用 splitlines() 分行，再对每行用 re.sub() 清洗。
Pandas 的 .str 访问器让批量文本处理变“向量化”
如果你处理的是表格数据（如 CSV 或 Excel 中的列），Pandas 的 .str 方法能一次性作用于整个 Series：
df['phone'] = df['raw_phone'].str.replace(r'\D', '', regex=True) # 去掉所有非数字
df['domain'] = df['email'].str.extract(r'@(.+?)\.', expand=False) # 提取邮箱域名
df['tag'] = df['desc'].str.contains('urgent|high', case=False, na=False) # 标记关键词
它底层复用了 Python 字符串方法和 re，但自动处理缺失值（NaN）、广播逻辑和类型安全，省去循环。
编码与 Unicode 处理是多语言文本的底线保障
中文、日文、emoji、带重音符号的西文字母……都靠 Python 3 的 Unicode 原生支持：
- 文件读写务必指定
encoding='utf-8'（显式优于默认） - 遇到乱码先检查
text.encode('utf-8').decode('gbk', errors='ignore')是否可救回 - 需标准化时用
unicodedata.normalize('NFKC', text)统一全角/半角、连字等
不处理编码，再漂亮的清洗逻辑也跑不通真实业务数据。
不复杂但容易忽略
