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：
1 | 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | s="ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz"
defmySplit(s,ds):
res=[s]
fordinds:
t=[]
map(lambdax: t.extend(x.split(d)), res)
res=t
returnres
printmySplit(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
1 2 3 4 5 6 7 8 | importre
s="ab;cd|efg|hi,jkl|mn\topq;rst,uvw\txyz"
printre.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)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 | In [1]:importos
# 列出当前目录以.sh和以.py结尾的文件
In [2]: [namefornameinos.listdir('.')ifname.endswith(('.py','.sh'))]
Out[2]: ['b.sh','a.py']
In [3]:importstat
# 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
total0
-rwxrw-r--1yangyang05月914:48a.py*
-rw-rw-r--1yangyang05月914:48b.sh
-rw-rw-r--1yangyang05月914:48quicksort.c
-rw-rw-r--1yangyang05月914:48stack.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”:
1 2 3 4 5 6 7 8 | 2017-05-0809:12:48status half-configured passwd:amd641:4.2-3.1ubuntu5.2
2017-05-0809:12:48status installed passwd:amd641:4.2-3.1ubuntu5.2
2017-05-0809:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
2017-05-0809:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
2017-05-0809:12:48status half-configured passwd:amd641:4.2-3.1ubuntu5.2
2017-05-0809:12:48status installed passwd:amd641:4.2-3.1ubuntu5.2
2017-05-0809:12:48startup packages configure
09:12:48startup 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。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | In [1]:importre
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]:printre.sub('(\d{4})-(\d{2})-(\d{2})',r'\2/\3/\1', log)
05/08/201709:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status half-configured passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status installed passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48startup 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]:printre.sub('(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})',r'\g<month>/\g<day>/\g<year>', log)
05/08/201709:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status unpacked passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status half-configured passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48status installed passwd:amd641:4.2-3.1ubuntu5.2
05/08/201709:12:48startup 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | 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]:forpinpl:
...: s=s+p
...:prints
...:
<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
1 2 | 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
1 2 3 4 5 6 7 8 9 | 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)forxinl)
...:
Out[7]: <generatorobject<genexpr> at0x7fe3cadef550>
In [8]: ''.join(str(x)forxinl)
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
1 2 3 4 5 | {
"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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 | 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]:forkind:
...:printk.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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 | 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]:importre
# 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]:printu.translate({0x01d2:None})
zu
|
复制讲解
感谢阅读，希望能帮助到大家
