问题14:如何拆分含有多种分隔符的字符串

方法一:连续使用str.spilt()方法,每次处理一种分隔符;

str.split()方法的应用:按某一种分隔符分割字符串;

#不能用单词字符进行分割(字母、数字、下划线)

A、str.split()的用法

#此处是str.spilt(),而不是re.spilt()

s = 'ab, cd,; aef;,; gh;aij|kl|amb\t op\tqr'
s1 = s.split()
#A、默认状态按空格进行分割;
print(s1)
#输出:['ab,', 'cd,;', 'aef;,;', 'gh;aij|kl|amb', 'op', 'qr']

s2 = s.split(',')
#B、按某一符号进行分割
print(s2)
#输出:['ab', ' cd', '; aef;', '; gh;aij|kl|amb\t op\tqr']

B、代码

def mysplit(s, ds):
    res = [s]

    for d in ds:
        t = []
        #t.extend(x.split(d)):此处,extend将x.aplit(d)返回的结果的元素,添加到t中
        [t.extend(x) for x in map(lambda x: x.split(d), res)]
        res = t
    #去除空列表里的空字符串
    return [x for x in res if x]

s = 'ab,cd,;aef;,;gh;aij|kl|amb\top\tqr'
print(mysplit(s, ';,|\t'))
#

 

方法二:使用正则表达式的re.split()方法,一次性拆分字符串(更快捷方便)

import re
s = 'ab,cd,;aef;,;gh;aij|kl|amb\top\tqr'
s1 = re.split('[,;|\t]*', s)
#去除s1中的空字符串
print([x for x in s1 if x])

 

转载于:https://www.cnblogs.com/volcao/p/8761483.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值