Python进阶强化训练之字符串处理技巧

转载博客地址：https://ansheng.me/

内容源自刘硕老师的《Python进阶强化训练》

视频课程：http://coding.imooc.com/class/62.html

如何拆分含有多种分隔符的字符串？

• 实际案例

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

1	s  =  'asd;aad|dasd|dasd,sdasd|asd,,Adas|sdasd;Asdasd,d|asd'

其中<,>,<;>,<|>,<\t>都是分隔符，如何处理？

解决方案

• 连续使用split()方法，每次处理一种分隔符

1 2 3 4 5 6 7 8 9 10 11 12

# 使用Python2 def  mySplit(s,ds):      res  =  [s]      for  d  in  ds:          t  =  []          map ( lambda  x: t.extend(x.split(d)), res)          res  =  t      return  [x  for  x  in  res  if  x]   s  =  'asd;aad|dasd|dasd,sdasd|asd,,Adas|sdasd;Asdasd,d|asd' result  =  mySplit(s,  ';,|\t' ) print (result)

1 2	C:\Users\Administrator>C:\Python\Python27\python.exe E:\python - intensive - training\s2.py [ 'asd' ,  'aad' ,  'dasd' ,  'dasd' ,  'sdasd' ,  'asd' ,  'Adas' ,  'sdasd' ,  'Asdasd' ,  'd' ,  'asd' ]

• 使用正则表达式的re.split()方法，一次性拆分字符串

1 2 3

>>>  import  re >>> re.split( '[,;\t|]+' , 'asd;aad|dasd|dasd,sdasd|asd,,Adas|sdasd;Asdasd,d|asd' ) [ 'asd' ,  'aad' ,  'dasd' ,  'dasd' ,  'sdasd' ,  'asd' ,  'Adas' ,  'sdasd' ,  'Asdasd' ,  'd' ,  'asd' ]

如何判断字符串a是否以字符串b开头或结尾？

• 实际案例

如某目录有如下文件：

1 2 3 4 5 6

quicksort.c graph.py heap.java install.sh stack.cpp ......

现在需要给.sh和.py结尾的文件夹上可执行权限

解决方案

• 使用字符串的startswith()和endswith()方法

1 2 3 4 5 6

>>>  import  os, stat >>> os.listdir( './' ) [ 'heap.java' ,  'quicksort.c' ,  'stack.cpp' ,  'install.sh' ,  'graph.py' ] >>> [name  for  name  in  os.listdir( './' )  if  name.endswith(( '.sh' , '.py' ))]  [ 'install.sh' ,  'graph.py' ] >>> os.chmod( 'install.sh' , os.stat( 'install.sh' ).st_mode | stat.S_IXUSR)

1 2	[root@iZ28i253je0Z t] # ls -l install.sh  - rwxr - - r - -  1  root root  0  Sep  15  18 : 13  install.sh

如何调整字符串中文本的格式？

• 实际案例

某软件的日志文件，其中日期格式为yyy-mm-dd:

1 2 3 4

2016 - 09 - 15  18 : 27 : 26  statu unpacked python3 - pip: all 2016 - 09 - 15  19 : 27 : 26  statu half - configured python3 - pip: all 2016 - 09 - 15  20 : 27 : 26  statu installd python3 - pip: all 2016 - 09 - 15  21 : 27 : 26  configure asdasdasdas: all  python3 - pip: all

需要把其中日期改为美国日期的格式mm/dd/yyy,2016-09-15 --> 09/15/2016,要如何处理？

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，在替换字符串中各个捕获组的顺序。

1 2 3 4 5 6 7 8

>>> log  =  '2016-09-15 18:27:26 statu unpacked python3-pip:all' >>>  import  re # 按顺序 >>> re.sub( '(\d{4})-(\d{2})-(\d{2})' , r '\2/\3/\1'  , log) '09/15/2016 18:27:26 statu unpacked python3-pip:all' # 使用正则表达式的分组 >>> re.sub( '(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})' , r '\g<month>/\g<day>/\g<year>'  , log) '09/15/2016 18:27:26 statu unpacked python3-pip:all'

如何将多个小字符串拼接成一个大的字符串？

• 实际案例

在设计某网络程序时，我们自定义了一个基于UDP的网络协议，按照固定次序向服务器传递一系列参数：

1 2 3 4 5 6 7

hwDetect:        "<0112>" gxDepthBits:     "<32>" gxResolution:    "<1024x768>" gxRefresh:       "<60>" fullAlpha:       "<1>" lodDist:         "<100.0>" DistCull:        "<500.0>"

在程序中我们将各个参数按次序收集到列表中：

1	[ "<0112>" , "<32>" , "<1024x768>" , "<60>" , "<1>" , "<100.0>" , "<500.0>" ]

最终我们要把各个参数拼接成一个数据包进行发送：

1	"<0112><32><1024x768><60><1><100.0><500.0>"

结局方案

• 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

>>>  for  n  in  [ "<0112>" , "<32>" , "<1024x768>" , "<60>" , "<1>" , "<100.0>" , "<500.0>" ]: ...  result  + =  n ... >>> result '<0112><32><1024x768><60><1><100.0><500.0>'

• 使用str.join()方法，更加快速的拼接列表中所有字符串

1 2 3

>>> result  =  ''.join([ "<0112>" , "<32>" , "<1024x768>" , "<60>" , "<1>" , "<100.0>" , "<500.0>" ]) >>> result '<0112><32><1024x768><60><1><100.0><500.0>'

如果列表中有数字，可以使用生成器进行转换:

1 2 3

>>> hello  =  [ 222 , 'sd' , 232 , '2e' , 0.2 ] >>> ''.join( str (x)  for  x  in  hello) '222sd2322e0.2'

如何对字符串进行左, 右, 居中对齐？

• 实际案例

某个字典中存储了一系列属性值：

1 2 3 4 5 6

{    'ip' : '127.0.0.1' ,    'blog' :  'www.anshengme.com' ,    'title' :  'Hello world' ,    'port' :  '80' }

在程序中，我们想以以下格式将其内容输出，如何处理？

1 2 3 4

ip    :  127.0 . 0.1  blog  : www.anshengme.com  title : Hello world  port  :  80

解决方案

• 使用字符串的str.ljust(),str.rjust,str.cente()进行左右居中对齐

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> info  =  { 'ip' : '127.0.0.1' , 'blog' :  'www.anshengme.com' , 'title' :  'Hello world' , 'port' :  '80' } # 获取字典中的keys最大长度 >>>  max ( map ( len , info.keys())) 5 >>> w  =  max ( map ( len , info.keys())) >>>  for  k  in  info: ...    print (k.ljust(w),  ':' ,info[k]) ... # 获取到的结果 port  :  80 blog  : www.anshengme.com ip    :  127.0 . 0.1 title : Hello world

• 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

>>>  for  k  in  info: ...    print ( format (k, '^' + str (w)),  ':' ,info[k]) ... port  :  80 blog  : www.anshengme.com   ip   :  127.0 . 0.1 title : Hello world

如何去掉字符串中不需要的字符？

• 实际案例

1. 过滤掉用户输入卡后多余的空白字符: anshengm.com@gmail.com

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

3. 去掉文本中的unicode组合符号(音调): ‘ni hao, chi fan’

解决方案

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

1 2 3 4 5 6 7 8

>>> email  =  '  anshengm.com@gmail.com     ' >>> email.strip() 'anshengm.com@gmail.com' >>> email.lstrip() 'anshengm.com@gmail.com     ' >>> email.rstrip() '  anshengm.com@gmail.com' >>>

• 删除某个固定位置的字符，可以使用切片+拼接的方法

1 2	>>> s[: 3 ]  +  s[ 4 :] 'abc123'

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

1 2 3

>>> s  =  '\tabc\t123\txyz' >>> s.replace( '\t' , '') 'abc123xyz'

使用re.sub()删除多个

1 2 3

>>>  import  re >>> re.sub( '[\t\r]' ,'', string) 'abc123xyzopq'

• 字符串translate()方法，可以同时删除多种不同字符

1 2 3 4

>>>  import  string >>> s  =  'abc123xyz' >>> s.translate(string.maketrans( 'abcxyz' , 'xyzabc' ))                     'xyz123abc

1 2 3

>>> s  =  '\rasd\t23\bAds' >>> s.translate( None ,  '\r\t\b' )                                      'asd23Ads'

1 2 3 4 5 6

# python2.7 >>> i  =  u 'ni hao, chi fan' >>> i u 'ni\u0301 ha\u030co, chi\u0304 fa\u0300n' >>> i.translate( dict .fromkeys([ 0x0301 ,  0x030c ,  0x0304 ,  0x0300 ])) u'ni hao, chi fan

转载博客地址：https://ansheng.me/

内容源自刘硕老师的《Python进阶强化训练》

视频课程：http://coding.imooc.com/class/62.html