Python文本处理（1）

每次处理一个字符

解决方法：

创建列表

thestring='abcdefg'
thelist=list(thestring)
print thelist

结果

['a', 'b', 'c', 'd', 'e', 'f', 'g']

使用for语句循环遍历

thestring='abcdefg'
for c in thestring:
    print c

使用列表推导式 （注意这里使用ord表示将字符转为字符值，例如a转为97）

thestring='abcdefg'
results=map(ord,thestring)
print results

讨论：

想要获得字符串中所有字符的集合，调用sets.Set

import sets
magic_chars=sets.Set('abracadabra')
poppins_chars=sets.Set('supercalifragilisticexpialidocious')
print ''.join(magic_chars & poppins_chars)

字符和字符值之间的转换

解决方法：

使用函数ord和chr

print ord('a')
print chr(97)

测试一个对象是否为一个类字符串（对象是否有字符串的行为模式）

解决方法：

使用isinstance和basestring检查

def isAString(anobj):
    return isinstance(anobj,basestring)

anobj='abcde'
print isAString(anobj)
otherobj=list(anobj)
print isAString(otherobj)

字符串对齐（左对齐、居中对齐、右对齐）

解决方法：

使用string对象的ljust、rjust和center，参数指明宽度

print '|','hey'.ljust(20),'|','hey'.rjust(20),'|','hey'.center(20),'|'

讨论：

可以不打印空格，而以其他字符打印，只需增加第二个参数

print 'hey'.center(20,'+')

去除字符串两端的空格

解决方法：

使用string对象的lstrip、rstrip和strip

x='     hey     '
print '|',x.lstrip(),'|',x.rstrip(),'|',x.strip(),'|'

合并字符串

解决方法;

使用字符串操作符join

x=['I','Love','Python']
largestring=' '.join(x)
print largestring

同样，使用最基本的%也可以达到这样的效果

x=('I','Love','Python')
largestring='%s %s %s !' % x
print largestring

讨论：

当然，使用字符串的+操作似乎能够获得更加简洁的操作，但别忘了，在python中，字符串是无法改变的，任何的改动都将会创建当前字符串的一个副本，当有大量的小段的字符串相加时，所创建的副本正比于其平方，此时使用join方式就是一个必要的选择了。当需要在创建的新的字符串中添加额外的内容时，使用%较为方便。

将字符串逐字符或逐词反转

解决方法：

使用步长为-1的切片方法

astring='I Love Python'
revchars=astring[::-1]
print revchars

结果
nohtyP evoL I 

按照单词进行反转，则需要创建一个单词的列表，将列表反转，最后使用join合并

astring='I Love Python'
revwords=' '.join(astring.split()[::-1])
print revwords

结果
Python Love I

想要逐词反转但又不想改变原先的空格，使用正则表达式分割原字符串

import re
astring='I   Love   Python'
revwords=' '.join(re.split(r'(\s+)',astring)[::-1])
print revwords

结果
Python     Love     I

检查字符串中是否包含某字符集合中的字符

解决方法：

最简单的方法如下

def containAny(seq,aset):
    for c in seq:
        if c in aset:
            return  True
        return False

seq='abc'
aset='hjkyuia'
print containAny(seq,aset)

也可以使用基于标准库itertools模块的方法，不过本质上使用的相同的方法

import itertools
def containAny(seq,aset):
    for item in itertools.ifilter(aset.__contains__,seq):
        return True
    return False

seq='abc'
aset='ghjka'
print containAny(seq,aset)

检查一个字符串是文本还是二进制

解决方法：

还没有精确的算法，不过可以使用一些启发式方法，如果字符串中包含了空值或者有超过30%的高位被置为1或是奇怪的控制码，就认为这段数据是二进制数据

控制大小写（大小写转换）

解决方法：

使用upper和lower方法比较简单，但一般使用更多的是capitalize和title方法

print 'one tWo thrEe'.capitalize()
print 'one tWo thrEe'.title()

结果
One two three
One Two Three