字符串和文本處理

字符串是一種重要的數(shù)據(jù)形式，有價值的程序都會涉及到對于字符串的處理。幸運的是，強大的python內(nèi)置了很多函數(shù)，來幫助我們解析和處理字符串。本文會涉及到字符串編碼，簡單的字符串處理函數(shù)。

字符串編碼

在 Python3 中，文本總是 Unicode, 由 str 類型進行表示，二進制數(shù)據(jù)使用 bytes 進行表示。不會出現(xiàn)python2種將 str 與 bytes 偷偷的混在一起的情況，使得兩者的區(qū)別更加明顯[1]。

我們知道，計算機儲存的都是二進制信息，二進制信息有很多種編碼方式來表示字符，有的編碼方式叫BIG-5，有的編碼方式叫GBK，有的編碼方式叫UTF-8，不一而足。

在python3中，默認的編碼方式是UTF-8。python內(nèi)置了可以處理字符串的decode()函數(shù)和encode()函數(shù)，decode()函數(shù)將其它編碼的字符串轉(zhuǎn)化為UTF-8，encode()函數(shù)將UTF-8編碼轉(zhuǎn)化為其它編碼[2]。

拼接字符串

使用+拼接少量字符串，形式簡潔，速度很快。比如：

>>> string_1 = "Hello">>> string_2 = "World">>> string = string_1 + string_2>>> print(string)HelloWorld

對于已知值的字符串，可以依次打出其值并賦值給一個字符串變量，也可以實現(xiàn)字符串的連接。

# 無需加號的連接>>> string_3 = "Hello" "World">>> print(string_3)HelloWorld

隨著字符串數(shù)量的增多，字符串連接的效率會迅速降低[3]。這時就需要使用join()方法，它本質(zhì)上是一個函數(shù)。join()是專屬于字符串的一種方法，字符串后面只要加上一個點，就能夠使用該方法。

>>> parts = ['Is', 'Chicago', 'Not', 'Chicago?']# 用空格連接>>> ' '.join(parts)'Is Chicago Not Chicago?'# 用逗號連接>>> ','.join(parts)'Is,Chicago,Not,Chicago?'# 不使用任何字符，直接連接>>> ''.join(parts)'IsChicagoNotChicago?'

多個需要連接的字符串，一般會放在列表里面。然后使用join()方法連接。注意，在','.join(parts)中，parts表示待連接的字符串，逗號意味著：每個字符串之間用逗號連接。

拆分字符串

字符串的分割需要用到split()方法，它也是python的內(nèi)置函數(shù)，專門用于拆分字符串。函數(shù)split()只接受一個參數(shù)，這個參數(shù)決定了字符串應(yīng)該在何處拆分。

>>> line = 'Is Chicago Not Chicago?'# 用逗號分隔>>> parts = line.split(' ')>>> print(parts)['Is', 'Chicago', 'Not', 'Chicago?']# 拆分和連接是互逆的，先拆分后連接，還是原來的字符串>>> ' '.join(line.split(' ')) == lineTrue

如果想在多個字符處分隔應(yīng)該怎么辦呢？聰明的你不難想到，多次使用split()方法，每次使用不同的字符。具體見下面的例子：

現(xiàn)在我們還沒有學到列表連接的方法，暫且使用+。和字符串的連接類似，用+連接列表也會有性能問題，這時需要用到append()方法，感興趣的同學可以查閱相關(guān)資料。

首尾字符過濾

首尾字符過濾用strip()方法，strip()默認過濾掉空格' '和換行```，也可以指定過濾的字符。具體可以看下面的例子：

# 默認過濾首尾空格和換行符號>>> line = ' Hello, world! '>>> line.strip()'Hello, world!'# 過濾掉'?'>>> line = 'Is Chicago Not Chicago?'>>> line.strip('?')'Is Chicago Not Chicago'

字符的查找和替換

查找的方法是find()，用法和上面的類似，具體用法請看下面的例子。

>>> line = 'Hello, world!'>>> line.find('o')4

123find()方法，從字符串的開頭開始尋找目標字符，遇到第一個符合的字母就停止尋找，并返回該字符的序號。

# 根據(jù)空格和字母c，拆分字符串line>>> line = 'Is Chicago Not Chicago?'>>> part_1 = line.split(' ')>>> print(part_1)['Is', 'Chicago', 'Not', 'Chicago?']>>> part_2 = []>>> for index in part_1:···part_2 = part_2 + index.split('c')>>> print(part_2)['Is', 'Chi', 'ago', 'Not', 'Chi', 'ago?']

替換的方法是：replace()，基本的使用格式是：字符串.replace(參數(shù)1, 參數(shù)2)，參數(shù)1表示要被替換的字符，參數(shù)2表示替換成的字符。具體見下面的例子：

>>> line = 'Hello, world!'>>> line.replace('', '')'Hello, world!'# 一次性替換全部>>> line.replace('o', 'a')'Hella, warld!'

replace()方法不是惰性的，它會把所有符合條件的字符都替換成目標字符。

總結(jié)

python3默認編碼是UTF-8，其它編碼轉(zhuǎn)換成UTF-8需要使用decode()方法

少量拼接使用+，大量字符串拼接需要使用join()方法

拆分字符串需要使用split()方法，可以自定義拆分的基準字符

strip()可以實現(xiàn)過濾首尾的特定字符，默認過濾空格和換行

字符的查找和替換分別使用find()和replace()方法

思考

# 根據(jù)一種字符串分隔字符只需要用split()方法# 兩次使用split()方法也可以實現(xiàn)按兩種字符分隔字符串# 請編寫一個函數(shù)，將任意一個字符串按任意兩個字符分隔# 比如輸入字符串：'Hello, welcome to congge python'# 分隔參數(shù)：空格和英文逗號# 輸出：['Hello', 'welcome', 'to', 'congge', 'python']def my_split(string, character1, character2): array = string.split(character1) output = [] for i in array: output = output + i.split(character2) return output

總結(jié)

以上是生活随笔為你收集整理的c++ string分割字符串split_python 字符串和文本处理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。