Lý thuyếtBài 8/305 phút đọc+10 XP

Phương thức chuỗi

Bạn sẽ học được

Cắt khoảng trắng, tách và ghép chuỗi — ba thao tác làm sạch dữ liệu phổ biến nhất.
Tìm, thay thế, đổi hoa thường.
Kiểm tra tiền tố, hậu tố, loại ký tự.
Cắt chuỗi bằng chỉ số và slice.
Vì sao chuỗi bất biến và mọi phương thức đều trả chuỗi mới.

Khái niệm cốt lõi

Chuỗi trong Python có hơn 40 phương thức. Không cần nhớ hết; nhớ nhóm và tra dir(str) khi cần. Bài này đi qua nhóm dùng hằng ngày trong làm sạch dữ liệu.

code

raw = "  Data,SQL,Python  "
print(raw.strip().split(","))

code

['Data', 'SQL', 'Python']

Một dòng, hai bước: strip() bỏ khoảng trắng hai đầu, split(",") tách theo dấu phẩy. Đây chính là cách đọc một dòng CSV đơn giản trước khi cần đến thư viện csv.

Mọi phương thức chuỗi đều trả về chuỗi mới, không sửa tại chỗ:

code

name = "an"
name.upper()
print(name)

code

an

Kết quả upper() bị bỏ vì không gán lại. Viết name = name.upper() hoặc name.upper() ngay trong biểu thức. Đây là lỗi im lặng — chương trình chạy, không báo gì, nhưng dữ liệu không đổi.

Nhóm làm sạch

Phương thức	Việc nó làm
`strip()`	Bỏ khoảng trắng (hoặc ký tự chỉ định) hai đầu
`lstrip()` / `rstrip()`	Chỉ bỏ bên trái / bên phải
`lower()` / `upper()`	Đổi hoa thường
`title()` / `capitalize()`	Viết hoa đầu từ / đầu chuỗi
`casefold()`	Chuẩn hoá mạnh hơn `lower()`, dùng khi so sánh

code

print("  an@example.com  ".strip().upper())
print("__data__".strip("_"))
print("Hà Nội".lower())

code

AN@EXAMPLE.COM
data
hà nội

strip("_") bỏ mọi ký tự _ ở hai đầu, không chỉ một cặp. strip() không có tham số bỏ mọi loại khoảng trắng: dấu cách, tab, xuống dòng.

Trong dữ liệu thật, chuỗi có thể chứa ký tự không nhìn thấy như non-breaking space (\xa0) từ Excel hoặc HTML. strip() không bỏ ký tự này. Cần xử lý riêng:

code

text = "An\xa0"
print(repr(text.strip()))
print(repr(text.replace("\xa0", " ").strip()))

Tách và ghép

code

line = "An,28,Hà Nội"
parts = line.split(",")
print(parts)
print(len(parts))
print(line.split(",", maxsplit=1))

code

['An', '28', 'Hà Nội']
3
['An', '28,Hà Nội']

maxsplit giới hạn số lần tách — hữu ích khi phần còn lại có thể chứa dấu phân cách (ví dụ địa chỉ có dấu phẩy).

split() không tham số tách theo mọi khoảng trắng và bỏ khoảng trắng thừa, khác split(" "):

code

print("An   Nguyễn".split())
print("An   Nguyễn".split(" "))

code

['An', 'Nguyễn']
['An', '', '', 'Nguyễn']

Đây là lý do nên dùng split() trần khi tách từ.

Ghép ngược lại bằng join:

code

print(" | ".join(["Data", "SQL", "Python"]))
print(",".join(["An", "Bình"]))

code

Data | SQL | Python
An,Bình

join được gọi trên dấu phân cách, nhận iterable chuỗi. Nếu danh sách chứa số, phải ép kiểu trước: ",".join(map(str, nums)).

Tách dòng: "a\nb".splitlines() trả ['a', 'b'] và xử lý đúng cả \r\n trên Windows.

Tìm và thay thế

code

s = "Data Analysis with Python"
print(s.find("Python"))
print(s.count("a"))
print(s.replace("Python", "SQL"))
print(s.startswith("Data"), s.endswith("Python"))

code

19
4
Data Analysis with SQL
True True

find() trả chỉ số đầu tiên hoặc -1 nếu không thấy. index() giống nhưng ném ValueError — dùng khi chắc chắn phải có.
count() đếm số lần xuất hiện, phân biệt hoa thường.
replace() thay tất cả; tham số thứ ba giới hạn số lần.
startswith() / endswith() nhận tuple để kiểm tra nhiều khả năng: s.endswith((".csv", ".xlsx")).

Kiểm tra thành viên bằng in:

code

print("SQL" in s, "sql" in s)

code

True False

in phân biệt hoa thường. Muốn không phân biệt, chuẩn hoá cả hai phía: "sql" in s.lower().

Cắt chuỗi

code

code = "VN-2025-001"
print(code[:2])
print(code[3:7])
print(code[-3:])
print(code[::-1])

code

VN
2025
001
100-5202-NV

Cú pháp [start:stop:step], stop không bao gồm. Chỉ số âm đếm từ cuối. [::-1] đảo chuỗi — cách viết gọn nhưng với dữ liệu lớn nên dùng cách rõ ràng hơn.

Cắt chuỗi không bao giờ ném lỗi khi vượt biên:

code

print(code[100:])

code

(empty)

Khác với truy cập một chỉ số: code[100] ném IndexError.

Kiểm tra loại ký tự

Phương thức	`True` khi
`isdigit()`	Toàn chữ số (kể cả số Unicode)
`isdecimal()`	Chỉ chữ số thập phân
`isalpha()`	Toàn chữ cái
`isalnum()`	Chữ và/hoặc số, không khoảng trắng
`isspace()`	Toàn khoảng trắng

isdigit() trả True cho "²" (chữ số trên), nhưng int("²") lỗi. Khi cần kiểm tra để ép kiểu, isdecimal() an toàn hơn — hoặc cứ dùng try/except và để Python quyết định.

Thực hành

Làm sạch " Data,SQL,Python " thành danh sách ba phần tử.
Ghép danh sách ["An", "Bình", "Chi"] bằng " | ".
Đếm chữ a trong một câu bất kỳ, không phân biệt hoa thường.
Kiểm tra một tên file kết thúc bằng .csv hoặc .xlsx.
Cắt mã "VN-2025-001" lấy năm và số thứ tự.
Thử name.upper() mà không gán lại và giải thích vì sao name không đổi.

Lỗi thường gặp

Triệu chứng	Nguyên nhân	Cách sửa
Chuỗi không đổi sau `strip()`	Không gán kết quả	`x = x.strip()`
`split(" ")` tạo phần tử rỗng	Nhiều khoảng trắng liền nhau	Dùng `split()` trần
`join` báo `TypeError`	Danh sách chứa số	`map(str, ...)`
`find()` trả `-1`	Không tìm thấy	Kiểm tra hoặc dùng `index()`
`in` không khớp dù thấy bằng mắt	Khác hoa thường hoặc có ký tự ẩn	Chuẩn hoá `lower()`/`strip()`
`IndexError` khi cắt	Truy cập bằng chỉ số, không phải slice	Dùng `[start:stop]`
So sánh chuỗi Unicode lạ	Dạng tổ hợp khác nhau	`unicodedata.normalize`

Lỗi cuối ít gặp nhưng khó chẩn đoán: "é" có thể được lưu dưới hai dạng Unicode (một ký tự hoặc e + dấu sắc tổ hợp). Hai chuỗi trông giống hệt nhưng == trả False. Chuẩn hoá NFC trước khi so sánh nếu dữ liệu đến từ nhiều nguồn.

Tóm tắt

strip, split, join là bộ ba làm sạch dữ liệu.
split() trần tách theo khoảng trắng và bỏ phần rỗng.
Chuỗi bất biến: mọi phương thức trả chuỗi mới, phải gán lại.
find trả -1, index ném lỗi; count phân biệt hoa thường.
Slice không ném IndexError; truy cập chỉ số thì có.

Dùng ← → để chuyển bài