Python字符串怎么处理 Python字符串处理方法

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：

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

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

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)

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]:�'

# 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”:

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。

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\d{4})-(?P\d{2})-(?P\d{2})',r'\g/\g/\g', 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

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

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

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]: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

{

 "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

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

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