Python开发中不得不知的字符串处理技巧

在python开发中，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): 'ni? ha?o, chi? fa?n'

　　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'ni? ha?o, chi? fa?n'

　　>>> 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