Python中字符串处理技能详解
Python中字符串处理技巧详解
在python开发http://www.maiziedu.com/course/python/中，我们常常需要对字符串进行处理，那如何拆分含有多种分隔符的字符串呢？下面我们通过一些实例来和大家分享下吧。
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：
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
# 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)
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
>>> 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：
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
>>> 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)
[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 :
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。
>>> 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\d{4})-(?P\d{2})-(?P\d{2})', r'\g/\g/\g' , 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：
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：
["<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：
"<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
>>> 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
>>> 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:
>>> 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：
{
'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？
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
>>> 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
>>> 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
过滤掉用户输入卡后多余的空白字符: anshengm.com@gmail.com
过滤某windows下编辑文本中的'\r': hello word\r\n
去掉文本中的unicode组合符号(音调): 'ní hǎo, chī fàn'
解决方案
字符串 strip() , lstrip() , rstrip() 方法去掉字符串两端字符
>>> 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
>>> 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
>>> s = '\tabc\t123\txyz'
>>> s.replace('\t', '')
'abc123xyz'
使用 re.sub() 删除多个
>>> 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
>>> import string
>>> s = 'abc123xyz'
>>> s.translate(string.maketrans('abcxyz','xyzabc'))
'xyz123abc'
>>> s = '\rasd\t23\bAds'
>>> s.translate(None, '\r\t\b')
'asd23Ads'
# python2.7
>>> i = u'ní hǎo, chī fàn'
>>> i
u'ni\u0301 ha\u030co, chi\u0304 fa\u0300n'
>>> i.translate(dict.fromkeys([0x0301, 0x030c, 0x0304, 0x0300]))
u'ni hao, chi fan'
文章来源：博客园
在python开发http://www.maiziedu.com/course/python/中，我们常常需要对字符串进行处理，那如何拆分含有多种分隔符的字符串呢？下面我们通过一些实例来和大家分享下吧。
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：
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
# 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)
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
>>> 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：
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
>>> 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)
[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 :
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。
>>> 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\d{4})-(?P\d{2})-(?P\d{2})', r'\g/\g/\g' , 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：
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：
["<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：
"<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
>>> 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
>>> 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:
>>> 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：
{
'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？
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
>>> 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
>>> 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
过滤掉用户输入卡后多余的空白字符: anshengm.com@gmail.com
过滤某windows下编辑文本中的'\r': hello word\r\n
去掉文本中的unicode组合符号(音调): 'ní hǎo, chī fàn'
解决方案
字符串 strip() , lstrip() , rstrip() 方法去掉字符串两端字符
>>> 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
>>> 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
>>> s = '\tabc\t123\txyz'
>>> s.replace('\t', '')
'abc123xyz'
使用 re.sub() 删除多个
>>> 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
>>> import string
>>> s = 'abc123xyz'
>>> s.translate(string.maketrans('abcxyz','xyzabc'))
'xyz123abc'
>>> s = '\rasd\t23\bAds'
>>> s.translate(None, '\r\t\b')
'asd23Ads'
# python2.7
>>> i = u'ní hǎo, chī fàn'
>>> i
u'ni\u0301 ha\u030co, chi\u0304 fa\u0300n'
>>> i.translate(dict.fromkeys([0x0301, 0x030c, 0x0304, 0x0300]))
u'ni hao, chi fan'
文章来源：博客园