Python字符串处理实例详解

Python字符串处理实例详解

一、拆分含有多种分隔符的字符串

1.如何拆分含有多种分隔符的字符串

问题： 我们要把某个字符串依据分隔符号拆分不同的字段，该字符串包含多种不同的分隔符，例如：

    s = "ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz"

其中;,|,\t 都是分隔符号，如何处理？

方法一： 连续使用str.split()方法，每次处理一种分隔符号

    s = "ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz"

    def mySplit(s,ds):
     res = [s]
     for d in ds:
      t = []
      map(lambda x: t.extend(x.split(d)), res)
      res = t
     return res

    print mySplit(s,';|,\t')

    输出：
    ['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']

方法二： 使用正则表达式的re.split()方法，一次性拆分字符串

    import re

    s = "ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz"

    print re.split(r'[;|,\t]+',s)

    输出：
    ['ab', 'cd', 'efg', 'hi', 'jkl', 'mn', 'opq', 'rst', 'uvw', 'xyz']

二、调整字符串中文本格式

1. 如何判断字符串a是否以字符串b开头或结尾

问题：某文件系统目录下有一系列文件：a.py,quicksort.c,stack.cpp,b.sh , 编写程序给其中所有.sh文件和.py文件加上用户可执行权限？

解决方案： 使用字符串中的str.startswith()和end.startswith()方法 (注意：多个匹配时参数使用元组)

    In [1]: import os

    # 列出当前目录以.sh和以.py结尾的文件
    In [2]: [name for name in os.listdir('.') if name.endswith(('.py','.sh'))]
    Out[2]: ['b.sh', 'a.py']

    In [3]: import stat

    # 查看 a.py 文件权限
    In [4]: os.stat('a.py').st_mode
    Out[4]: 33204

    # 把文件权限转换成8进制，即为平常看到的权限
    In [5]: oct(os.stat('a.py').st_mode)
    Out[5]: '0100664'

    # 更改文件权限，添加一个可执行权限
    In [6]: os.chmod('a.py',os.stat('a.py').st_mode | stat.S_IXUSR)

    In [7]: ll
    total 0
    -rwxrw-r-- 1 yangyang 0 5月 9 14:48 a.py*
    -rw-rw-r-- 1 yangyang 0 5月 9 14:48 b.sh
    -rw-rw-r-- 1 yangyang 0 5月 9 14:48 quicksort.c
    -rw-rw-r-- 1 yangyang 0 5月 9 14:48 stack.cpp

2.如何对字符串中文本的格式进行调整

问题： 某软件的log文件，其中日期格式为"yyyy-mm-dd":

    2017-05-08 09:12:48 status half-configured passwd:amd64 1:4.2-3.1ubuntu5.2
    2017-05-08 09:12:48 status installed passwd:amd64 1:4.2-3.1ubuntu5.2
    2017-05-08 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    2017-05-08 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    2017-05-08 09:12:48 status half-configured passwd:amd64 1:4.2-3.1ubuntu5.2
    2017-05-08 09:12:48 status installed passwd:amd64 1:4.2-3.1ubuntu5.2
    2017-05-08 09:12:48 startup packages configure
    09:12:48 startup packages configure

我们想把其中日期改为美国日期的格式"mm/dd/yyyy",2017-05-08 ==> 05/08/2017 ,应如何处理？

解决方案：使用正则表达式re.sub()方法做字符串替换，利用正则表达式的捕获组捕获每个部分内容，在字符串中调整各个组的捕获顺序。

    In [1]: import re

    In [2]: log = open('/var/log/dpkg.log').read()
    # (\d{4}) 匹配到4个数字为一个捕获组，其顺序为1。故后面替换用\1放到最后，r是为了防止字符串被转义
    In [3]: print re.sub('(\d{4})-(\d{2})-(\d{2})',r'\2/\3/\1', log)
    05/08/2017 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status half-configured passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status installed passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 startup packages configure

    # 也可以为每个捕获组起个名称，而不使用默认顺序来处理
    In [5]: print re.sub('(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})',r'\g<month>/\g<day>/\g<year>', log)
    05/08/2017 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status unpacked passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status half-configured passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 status installed passwd:amd64 1:4.2-3.1ubuntu5.2
    05/08/2017 09:12:48 startup packages configure

三、字符串拼接

1.如何将多个小字符串拼接成一个大的字符串

问题：在程序中我们将各个参数按次序收集到列表中： ["<0112>", "<32>","<1024x768>","<60>" ],要把各个参数拼接成数据报进行发送"<0112><32><1024x768><60>"

解决方案：

方法一：迭代列表，连续使用"+"操作依次拼接每一个字符串

    In [1]: pl = ["<0112>", "<32>","<1024x768>","<60>" ]

    In [2]: s = ''

    # 这种方法会产生许多临时结果，会造成资源的浪费
    In [3]: for p in pl:
     ...:  s = s + p
     ...:  print s
     ...:  
    <0112>
    <0112><32>
    <0112><32><1024x768>
    <0112><32><1024x768><60>
    In [4]: s
    Out[4]: '<0112><32><1024x768><60>'

方法二：使用str.join()方法，更加快速的拼接列表中所有字符串

    In [5]: ''.join(pl)
    Out[5]: '<0112><32><1024x768><60>'

有个列表l = ['abc',123,45,'xyz'],如何让123和45以字符串的方式拼接

    In [6]: l = ['abc',123,45,'xyz']

    # 使用生成器表达式，开销比列表表达式小
    In [7]: (str(x) for x in l)
     ...: 
    Out[7]: <generator object <genexpr> at 0x7fe3cadef550>

    In [8]: ''.join(str(x) for x in l)
    Out[8]: 'abc12345xyz'

四、字符串居中对齐

1.如何对字符串进行左、右、居中对齐

问题： 某个字典存储了一系列属性值

    {
     "loDist":100.0,
     "smartCull":0.04,
     "farclip":477
    }

在程序中想以工整的格式进行输出，如何处理？

解决方案：

方法一： 使用字符串的str.ljust(),str.rjust(),str.center()进行,右,居中对齐

方法二： 使用format方法，传递类似'<20','>20','^20'参数完成同样任务

    In [1]: s = 'abc'

    In [2]: s.ljust(20)
    Out[2]: 'abc     '

    In [3]: s.ljust(20,'=')
    Out[3]: 'abc================='

    In [4]: s.center(20)
    Out[4]: '  abc   '

    In [5]: format(s,'<20')
    Out[5]: 'abc     '

    In [6]: d = {
     ...:  "loDist":100.0,
     ...:  "smartCull":0.04,
     ...:  "farclip":477
     ...: }

    In [7]: d.keys()
    Out[7]: ['loDist', 'smartCull', 'farclip']

    In [8]: w =max(map(len,d.keys()))

    In [9]: for k in d:
     ...:  print k.ljust(w),':',d[k]
     ...:  
    loDist : 100.0
    smartCull : 0.04
    farclip : 477

2.去掉不需要的字符串

问题：

    1.过滤掉用户输入中前后多余的空白字符： ' nick@gmail.com '

2.过滤某windows下编辑文本中的'\r': 'hello world\r\n'

3.去掉文本中的unicode组合符号(音调):u'zǒu'

解决方案：

方法一： 字符串strip(),lstrip(),rstrip()方法去掉字符串两端字符

方法二：删除单个固定位置的字符，可以使用切片+拼接的方式

方法三：字符串的replace方法或正则表达式re.sub()方法删除任意位置字符

方法四：字符串translate()方法,可以同时删除多种不同字符

    In [1]: s = ' abc 123 '

    In [2]: s.strip()
    Out[2]: 'abc 123'

    In [3]: s.lstrip()
    Out[3]: 'abc 123 '

    In [4]: s = '-----ab+++++'

    In [5]: s.strip('-+')
    Out[5]: 'ab'

    In [6]: s = 'abc:123'

    In [7]: s[:3]+s[4:]
    Out[7]: 'abc123'

    In [8]: s = '\tabc\t123\txyz'
    # 去除\t
    In [9]: s.replace('\t','')
    Out[9]: 'abc123xyz'

    In [10]: s = '\tabc\t123\txyz\ropq\r'

    In [11]: import re
    # 去除\t\r
    In [12]: re.sub('[\t\r]','',s)
    Out[12]: 'abc123xyzopq'

    In [13]: s = 'abc\refg\n\2342\t'
    # 去除\t\r\n
    In [14]: s.translate(None,'\t\r\n')
    Out[14]: 'abcefg\x9c2'

    In [15]: u = u'zǒu'

    In [16]: u
    Out[16]: u'z\u01d2u'

    In [17]: print u.translate({0x01d2:None})
    zu

感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！