python 2.x和3.x中maketrans和translate函数的使用

时间：2023-01-30 11:38:39

  maketrans和translate函数是进行字符串字符编码的常用方法。本文着重点在于演示其基本用法和在不同版本下操作的差异。本文提到的2.X版本指2.6以上的版本，3.X版本指3.1以上的版本。
    2.X版本把字符串基本分为两种：unicode字符串和8位字符串str，后者包含字节数据和我们常见的ASCII码数据；而3.X版本则重新对字符串进行了划分，分为了字节字符串bytes和文本字符串str，两者都是不可变的，所以添加了一个可变的字节字符串类型bytearray。
     2.X版本中string类型和str、unicode类型大量方法是重复的，所以3.X版本不提倡使用string模块中与str重复的方法。string模块中还有很多有用的常量和方法，比如string.digits，可以在字符串编码中方便地使用。

     2.X中maketrans和translate函数的签名：
  1. string.maketrans(from, to)
  1. string.translate(s, table[, deletechars])
  2. str.translate(table[, deletechars])
  3. unicode.translate(table)
    3.X中maketrans和translate函数的签名：
  1. static str.maketrans(x[, y[, z]])
  2. static bytes.maketrans(from, to)
  3. static bytearray.maketrans(from, to)
  1. str.translate(map)
  2. bytes.translate(table[, delete])
  3. bytearray.translate(table[, delete])
    从中可以看出，相对于2.X的string模块的maketrans方法，3.X中分别提供了三个静态方法用于创建映射表。
   下面让我们看一个简单的例子来说明字符串转换的过程：
    2.X下的演示过程：
  1. >>> import string                                         #导入string模块
  2. >>> map = string.maketrans('123', 'abc')  #建立映射表，将字符串中含有的'1','2','3'替换为'a','b','c'
  3. >>> s = '54321123789'                               #转换前的字符串
  4. >>> s.translate(map)                                    #用创建的映射表map转换字符串
  5. '54cbaabc789'                                                #转换后的字符串
    3.X下的演示过程：
  1. >>> map = str.maketrans('123','abc')
  2. >>> s = '54321123789'
  3. >>> s.translate(map)
  4. '54cbaabc789'
    2.X使用了string的maketrans函数，而3.X使用了str的maketrans函数，除了这一点，使用方法是基本相同的。若指定字符串中要删除的字符时，使用就会略有不同，如下：
    2.X下的演示过程：
  1. >>> import string
  2. >>> map = string.maketrans('123', 'abc')
  3. >>> s = '54321123789'
  4. >>> s.translate(map, '78')               #除了转换，还要删除字符串中的字符'7','8'
  5. '54cbaabc9'                              #转换后的字符串没有字符'7','8'
    3.X下的演示过程：
  1. >>> map = str.maketrans('123','abc', '78')#要删除的字符需要在这指定
  2. >>> s = '54321123789'
  3. >>> s.translate(map)
  4. '54cbaabc9'
    我在读《Python Cookbook》遇到了一个基于2.X版本的例子，如下
  1. import string 
  2. def translator(frm='', to='', delete='', keep=None): 
  3.     if len(to) == 1: 
  4.         to = to * len(frm) 
  5.     trans = string.maketrans(frm, to) 
  6.     if keep is not None: 
  7.         allchars = string.maketrans('', '') 
  8.         delete = allchars.translate(allchars, keep.translate(allchars,delete)) 
  9.     def translate(s): 
  10.         return s.translate(trans, delete) 
  11.     return translate
    见代码中加红部分，allchars应该是一个返回的映射表，为什么还可以调用translate方法，所以它应该是一个str类型，测试如下：
  1. >>> import string
  2. >>> map = string.maketrans('123', 'abc')
  3. >>> type(map)
  4. <type 'str'>
    在3.X版本中这个方法不能正常通过运行，那么错在什么地方呢，我们看看映射表是什么类型：
  1. >>> map = str.maketrans('123','abc')
  2. >>> type(map)
  3. <class 'dict'>
    知道了映射表的类型了，我们就可以对其进行“后期加工”，像上面《Python Cookbook》中的例子一样， 来满足我们的编码要求 。

   上面讨论的例子用的字符串是ASCII字符组成的，如果是字节类型，2.X版本中操作是一样的，3.X中调用bytes或bytearray的函数；若是unicode类型的，2.X需要用unicode的translate方法，注意下面的代码

  1. >>> print u"hallo".translate({97:u'e'})
  2. hello
  3. >>> print u"hallo".translate({'a':u'e'})
  4. hallo
  5. >>> print u"hallo".translate({u'a':u'e'})
  6. hallo
    结果之所以不一样，查阅手册可知unicode的translate方法的映射表也就是字典的键必须是unicode的位序数，值可以是unicode的位序数、unicode字符串或这None。

    其他具体信息可以查阅python 标准库手册。
    
    转载请注明。


以下是其他参考资料：

python的中文问题一直是让人不爽的一件事情，而python的一个强大之处恰恰是string的处理，而且string就难免不包含chinese。所以处理string中的chinese就变得很重要了。

实验室的complex network项目，目前是数据处理阶段，考虑到python的高效和强大的string功能，我决定使用python对大量的数据进行处理。

下面是一个简单的demo，先贴代码，然后进行说明：

python 代码
  1. # -*- coding: gb18030 -*-   
  2. import string  
  3. import re  
  4.   
  5. identify = string.maketrans('', '')   
  6.   
  7. delEStr = string.punctuation + ' ' + string.digits  #ASCII 标点符号，空格和数字   
  8. delCStr = '《》（）&%￥#@！{}【】'   
  9.   
  10. s = '*（北京）'   
  11.   
  12. s = s.translate(identify, delEStr) #去掉ASCII 标点符号和空格   
  13. if re.findall('[\x80-\xff].', s):    #s为中文   unicode编码中，中文字符范围为 [^\u4e00-\u9fa5]
  14.    s = s.translate(identify, delCStr)   
  15.    print s   
  16. else: #s为英文   
  17.     print s  

当然，首先是要import string和re（这里需要正则表达式功能）。

delEStr是一个包含英文标点符号和数字的字符串，就如 '(){}<>1234 ' 这样。delCStr是一个包含中文标点符号的字符串。s是一个测试字符串。

12行的功能就是把s中的英文标点符号都删除。


Python code ?
1
2
3
4
import  string
s  =  'abcdef'
table  =  s.maketrans( 'bc' , 'BC' )
s.translate(table)

楼主给出的代码是没有错的，但是string模块根本没有用上。原因是这样的：2.x系列string模块和内置的str类型有很多方法是重复的，所以3.x系列时string模块把这些重复的方法都去掉了，只保留一些独有的方法和常量来有区别与str类型，所以调用string的maketrans出错，所以上面的代码即使不import string也是可以通过的

标签：

相关文章