python常用文本处理方法小结

A

B

C

1 迭代器计数’ 'collections.Counter()

collections.Counter()是一个计数器，可以用来计数一个迭代器(字符串，列表，set）中每个字符出现的次数

    a = [1,2,3,4,4,5,6,6,'hello']
    b = [43，4]
    c= 'hewlkewklxc'
    print(Counter(a))  # Counter({4: 2, 6: 2, 1: 1, 2: 1, 3: 1, 5: 1, 'hello': 1})
    print(Counter(b))  # Counter({43: 1})
    print(Counter(c))  # Counter({'e': 2, 'w': 2, 'l': 2, 'k': 2, 'h': 1, 'x': 1, 'c': 1})
    print(Counter(a)-Counter(b))  # Counter({4: 1, 6: 2, 1: 1, 2: 1, 3: 1, 5: 1, 'hello': 1})

看起来Counter生成的是一个字典，但其实，他还有一些字典没有的功能，比如可以进行加减（普通字典不能进行加减），加法的话就是将来个计数器记的个数取并集，而减法很特殊，Counter(a)-Counter(b)的逻辑是：如果某字符两个对象中都出现了，那就将出现次数相减，如果减下来是负的，那就不显示；如果a中出现b中没出现，那就直接减0，显示在结果中；如果b有a没有，则也不显示。

D

E

F

1 字符串格式化’ '.format()

用于对字符串对象进行格式化，利用{}和:进行占位和具体格式
.format()传入你需要进行格式化的内容，可以是数字和字符串

也可以用来做进制转换，很方便

'{}, {} and {others} others like this'.format(*names[:3], others=n-2)
#如果需要设置参数的话，在后面需要写成关键词参数
#format支持有索引、无索引和关键词三种

G

H

I

J

1 列表连接 ’ '.join()

str.join(iter)方法可以把列表，字典（key），元祖等的各元素连接起来，分隔符使用前面的str，但要注意需要连接的对象iter其中的迭代元素必须要是字符串类型，如果是数字会报错

list1 = [2,3,4]
print(' '.join(list1))
#Traceback (most recent call last):
#  File "", line 73, in <module>
#    print(' '.join(list1))
#TypeError: sequence item 0: expected str instance, int found

K

L

M

1 制作映射表’ 'str.maketrans()

进行字符转换’ 'str.translate(trantable)

intab = "aeiou"
outtab = "12345"
trantab = str.maketrans(intab, outtab)   # 制作翻译表 翻译表内是ASCII或者Unicode编码的对应，为一个字典
 
str = "this is string example....wow!!!"
print (str.translate(trantab))  # 生成的trantab必须是一个字典
#th3s 3s str3ng 2x1mpl2....w4w!!!

N

O

P

1 输出函数print

print(*objects, sep=' ', end='\n', file=sys.stdout, flush=False)
#objects -- 复数，表示可以一次输出多个对象。输出多个对象时，需要用 , 分隔。
#sep -- 用来间隔多个对象，默认值是一个空格。
#end -- 用来设定以什么结尾。默认值是换行符 \n，我们可以换成其他字符串。
#file -- 要写入的文件对象。
#flush -- 输出是否被缓存通常决定于 file，但如果 flush 关键字参数为 True，流会被强制刷新。

#简单例子
print('awd','wdasd','dawda',sep='&')
#awd&wdasd&dawda



list =['awd','wdasd','dawda']
for item in list:
	print(item,end = '  ')
#awd  wdasd  dawda  
#  对比 不写end参数默认为\n
for item in list:
	print(item)
#awd
#wdasd
#dawda

Q

R

1 反转reverse(reversed)

reverse（）方法为list独有，list.reverse()，也就是说，在字典，字符串或者元组中，是没有这个内置方法的，且直接在原对象上进行修改

lista = [1, 2, 3, 4]
lista.reverse()
print(lista)
#[4, 3, 2, 1]

reversed()可以对一切迭代器进行反转（字典不行，因为不是迭代器）
返回的是一个反转后的迭代器（需要用list，next等方法获得值）

aa = (1, 2, 3)
print(tuple(reversed(aa)))
#(3, 2, 1)

2 字符替换 replace()

str.replace(old, new[, max])  # old:需要更换的原字符串 # new： 需要更换的新字符串 max：最大替换次数

函数返回一个新的修改好的字符串，而原字符串不会进行更改！
字典直接用=改是改不动的，因为是不可变对象！

S

1 字符串分割 spilt

obj = str.split(str="", num=string.count(str)).
#str -- 分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t)等。,如果有多个空格或者空字符，会被认为是一组，就是会被一起分割掉
print(' #Fuiaxmgw  rwmPv uzuisbwhpB  nkdqki vcumQakpysz angoZlYmlnpbsPtecjvewpjx'.split())
#  ['#Fuiaxmgw', 'rwmPv', 'uzuisbwhpB', 'nkdqki', 'vcumQakpysz', 'angoZlYmlnpbsPtecjvewpjx']
#  而如果指定了分割符号，例如一个空格' '，就会严格按照一个空格分，前面如果是空就显示空
print(' #Fuiaxmgw  rwmPv uzuisbwhpB  nkdqki vcumQakpysz angoZlYmlnpbsPtecjvewpjx'.split(' '))
#  ['', '#Fuiaxmgw', '', 'rwmPv', 'uzuisbwhpB', '', 'nkdqki', 'vcumQakpysz', 'angoZlYmlnpbsPtecjvewpjx']
#num -- 分割次数。默认为 -1, 即分隔所有。

2 列表排序 sort(sorted)

sort()无返回值，直接在原list上进行,Sort为list列表独有的函数，使用list.sort()方法
sorted（）有返回值，可迭代对象都可以使用，obj = sorted()，生成的是可迭代对象形成的列表

list.sort(cmp=None, key=None, reverse=False)
#cmp -- 可选参数, 如果指定了该参数会使用该参数的方法进行排序。
#key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
#reverse -- 排序规则，reverse = True 降序， reverse = False 升序（默认）。

#example
aList = [123, 'Google', 'Runoob', 'Taobao', 'Facebook'];
aList.sort();
print "List : ",aList
List :  [123, 'Facebook', 'Google', 'Runoob', 'Taobao']


obj = list.sorted()
#sort在原迭代对象上进行排序，无返回值，而sorted会生成一个新的对象
#也可以直接使用sort（）和sorted（），用法一样,只要是可迭代对象都可以使用该方法，但要注意迭代的东西到底是什么

key方法使用：

key可以让你指定使用某一你自定的方法进行排序，key的值是一个函数，你可以自定一个函数

def func(*args):
	pass

sorted(iterable,key = func)

也可以使用匿名函数，这是一种比较常见的方法

sorted(iterable,key = lambda x:f(x))
#一般在排序中，匿名函数的参数只有一个，就是你这个可迭代对象的迭代的对象，如果是list，那就是list中的每一个元素，字典比较特殊，他默认迭代的是键，也就是说，如果你写成的是sort(dict,key = lambda x:x)的形式的话，函数会提取出每一个字典元素的键进行比较，结果会变成一个list

迭代的是什么，最后的生成的就是以这个迭代的形式的列表集合！所以如果你要对字典的值排序，iterable要改成dict.items（），生成键值元组（key，value），再取出value，因为迭代的是元组，所以最后的形式也是[元组，元组，元组,…]

3 列表去重 set()

利用集合创建方式set() （集合是不包含重复元素的）

obj = set(raw)
# 集合基本操作
# 添加元素
s.add( x )
s.update( x )  # 元素可以是字典列表元祖
# 移除
s.remove( x ) #  将元素 x 从集合 s 中移除，如果元素不存在，则会发生错误。
s.discard( x ) #  如果元素不存在，不会发生错误
# 判断元素是否在集合中存在
x in s

4 字符串索引 str[]

字符串的索引str[1]用于输出字符串的某一个元素

var1 = 'Hello World!'
var2 = "Runoob"
 
print ("var1[0]: ", var1[0])
print ("var2[1:5]: ", var2[1:5])
#  可以使用':'来表示多少位到多少位的输出，**但是要注意[]是左闭右开的，与range一样**

T

U

V

W

X

Y

Z