python文本处理

基本的文本操作：

• 解析数据并将数据放入程序内部的结构
• 将数据以某种方式转化为另一种相似的形式，数据本身发生了改变
• 生成全新的数据

在python中，可以用下列方式表现一个文本字符串'',""：

'this is a literal string'
Out[1]: 'this is a literal string'

"this is a literal string"
Out[2]: 'this is a literal string'

使用3引用符，无须在文本中加入换行和续行。按原貌存储。

bigger = """
this is an even
bigger string that
spans three lines
"""

在字符串面前加r或R，表示该字符串是一个真正的“原”字符串，在字符串前面加一个u或U使之成为一个unicode

big = r"This is a long string \
    with a backslash and a newline in it"
hello = u'Hello\u0020World'

s.isdigit()
s.upper()
s.count('needle')

1.1 每次处理一个字符

调用内建list，用字符串作为参数： thelist = list(thestring)
for语句完成遍历：

for c in thestring:
    do_something_with(c)

results = [do_something_with(c) for c in thestring]

用map函数处理：results = map(do_something, thestring)

内建函数chr,str,ord,unichr

print ord('a')
97

print chr(97)
a

print ord(u'\u2002')
8194

print repr(unichr(8224))
u'\u2020'

print map(ord, 'dxlmaoe')
[100, 120, 108, 109, 97, 111, 101]

测试一个对象是否是类字符串

利用内建的isinstance和basestring 来简单快速检查某个对象是否是字符串或者Unicode对象

def isAstring(anobj):
    return isinstance(anobj, basestring)

或许还有类型测试的方法：

def isExactlyAString(anobj):
    return type(anobj) is type('')

然而Unicode对象无法通过。basestring 是 str和unicode类型的共同基类。但是python标准库中的UserString类的实例，是无能为力的。

def isStringLike(anobj):
    try: anobj + ''
    except: return False
    else: return True

Python中通常的类型检查方法是所谓的鸭子判断法：如果它走路像鸭子，叫声也像鸭子，那么对于我们的应用而言，就可以认为它是鸭子。

字符串对齐

实现字符串对齐：左对齐，居中对齐，或者右对齐

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

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

去除字符串两端的空格

获得一个开头和末尾都没有多余空格的字符串

x = '  hej  '

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

x = 'xyxxyy hejyx yyx'

print '|'+x.strip('xy')+'|'
| hejyx |

合并字符串

有一些小的字符串，想把这些字符串合并成一个大字符串。

largeString = ''.join(pieces)
largeString = '%s%s something %s yet more'%(smal11,small2, sma113)
largeString = sma111+sma112+'something' + smal13+'yet more'

import operator
largeString = reduce(operator.add, pieces, '')

将字符串逐字符或逐词反转

把字符串逐字符或逐词反转过来。

revchars = astring[::-1]

revwords = astring.split()
revwords.reverse()
revwords = ''.join(revwords)

revwords = ' '.join(astring.split()[::-1])
如果想逐词反转但又同时不改变原先的空格，可以用正则表达式来分隔原字符串：

import re
revwords = re.split(r'(\s+)', astring)
revwords.reverse()
revwords = ''.join(revwords)

或者也可以这样写:revwords = ''.join(re.split(r'(\s+)', astring)[::-1])

检查字符串是否包含某字符集合中的字符

def containsAny(seq, aset):
    for c in seq:
        if c in aset: return True
    return False

---

import itertools
def containsAny(seq, aset):
    for item in itertools.ifilter(aset.__contains__, seq):
        return True
    return False