Python文本处理（1）

时间：2022-01-26 12:26:02

每次处理一个字符

解决方法：

创建列表

thestring='abcdefg'

thelist=list(thestring)

print thelist


结果


['a', 'b', 'c', 'd', 'e', 'f', 'g']



使用for语句循环遍历


thestring='abcdefg'

for c in thestring:

    print c


使用列表推导式 （注意这里使用ord表示将字符转为字符值，例如a转为97）


thestring='abcdefg'

results=map(ord,thestring)

print results


讨论：


想要获得字符串中所有字符的集合，调用sets.Set


import sets

magic_chars=sets.Set('abracadabra')

poppins_chars=sets.Set('supercalifragilisticexpialidocious')

print ''.join(magic_chars & poppins_chars)


字符和字符值之间的转换


解决方法：


使用函数ord和chr


print ord('a')

print chr(97)


测试一个对象是否为一个类字符串（对象是否有字符串的行为模式）


解决方法：


使用isinstance和basestring检查


def isAString(anobj):

    return isinstance(anobj,basestring)

anobj='abcde'

print isAString(anobj)

otherobj=list(anobj)

print isAString(otherobj)


字符串对齐（左对齐、居中对齐、右对齐）


解决方法：


使用string对象的ljust、rjust和center，参数指明宽度


print '|','hey'.ljust(20),'|','hey'.rjust(20),'|','hey'.center(20),'|'


讨论：


可以不打印空格，而以其他字符打印，只需增加第二个参数


print 'hey'.center(20,'+')


去除字符串两端的空格


解决方法：


使用string对象的lstrip、rstrip和strip


x='     hey     '

print '|',x.lstrip(),'|',x.rstrip(),'|',x.strip(),'|'


合并字符串


解决方法;


使用字符串操作符join


x=['I','Love','Python']

largestring=' '.join(x)

print largestring


同样，使用最基本的%也可以达到这样的效果


x=('I','Love','Python')

largestring='%s %s %s !' % x

print largestring


讨论：


当然，使用字符串的+操作似乎能够获得更加简洁的操作，但别忘了，在python中，字符串是无法改变的，任何的改动都将会创建当前字符串的一个副本，当有大量的小段的字符串相加时，所创建的副本正比于其平方，此时使用join方式就是一个必要的选择了。当需要在创建的新的字符串中添加额外的内容时，使用%较为方便。


将字符串逐字符或逐词反转


解决方法：


使用步长为-1的切片方法


astring='I Love Python'

revchars=astring[::-1]

print revchars

结果

nohtyP evoL I 


按照单词进行反转，则需要创建一个单词的列表，将列表反转，最后使用join合并


astring='I Love Python'

revwords=' '.join(astring.split()[::-1])

print revwords

结果

Python Love I


想要逐词反转但又不想改变原先的空格，使用正则表达式分割原字符串


import re

astring='I   Love   Python'

revwords=' '.join(re.split(r'(\s+)',astring)[::-1])

print revwords

结果

Python     Love     I


检查字符串中是否包含某字符集合中的字符


解决方法：


最简单的方法如下


def containAny(seq,aset):

    for c in seq:

        if c in aset:

            return  True

        return False

seq='abc'

aset='hjkyuia'

print containAny(seq,aset)


也可以使用基于标准库itertools模块的方法，不过本质上使用的相同的方法


import itertools

def containAny(seq,aset):

    for item in itertools.ifilter(aset.__contains__,seq):

        return True

    return False

seq='abc'

aset='ghjka'

print containAny(seq,aset)


检查一个字符串是文本还是二进制


解决方法：


还没有精确的算法，不过可以使用一些启发式方法，如果字符串中包含了空值或者有超过30%的高位被置为1或是奇怪的控制码，就认为这段数据是二进制数据


控制大小写（大小写转换）


解决方法：


使用upper和lower方法比较简单，但一般使用更多的是capitalize和title方法


print 'one tWo thrEe'.capitalize()

print 'one tWo thrEe'.title()

结果

One two three

One Two Three
相关文章