科技行者

行者学院 转型私董会 科技行者专题报道 网红大战科技行者

知识库

知识库 安全导航

至顶网软件频道应用软件Python 中的文本处理

Python 中的文本处理

  • 扫一扫
    分享文章到微信

  • 扫一扫
    关注官方公众号
    至顶头条

本文介绍了Python 中的文本处理的语法规则并举例说明

作者:David Mertz 来源:developerWorks  2007年9月15日

关键字: python 文本处理 软件

  • 评论
  • 分享微博
  • 分享邮件

Python 是由 Guido van Rossum 开发的、可免费获得的、非常高级的解释型语言。其语法简单易懂,而其面向对象的语义功能强大(但又灵活)。Python 可以广泛使用并具有高度的可移植性。

字符串 -- 不可改变的序列

如同大多数高级编程语言一样,变长字符串是 Python 中的基本类型。Python 在“后台”分配内存以保存字符串(或其它值),程序员不必为此操心。Python 还有一些其它高级语言没有的字符串处理功能。

在 Python 中,字符串是“不可改变的序列”。尽管不能“按位置”修改字符串(如字节组),但程序可以引用字符串的元素或子序列,就象使用任何序列一样。Python 使用灵活的“分片”操作来引用子序列,字符片段的格式类似于电子表格中一定范围的行或列。以下交互式会话说明了字符串和字符片段的的用法:

字符串和分片

>>> s = "mary had a little lamb"

>>> s[0] # index is zero-based

'm'

>>> s[3] = 'x' # changing element in-place fails

Traceback (innermost last):

File "<stdin>", line 1, in ?

TypeError: object doesn't support item assignment

>>> s[11:18] # 'slice' a subsequence

'little '

>>> s[:4] # empty slice-begin assumes zero

'mary'

>>> s[4] # index 4 is not included in slice [:4]

' '

>>> s[5:-5] # can use "from end" index with negatives

'had a little'

>>> s[:5]+s[5:] # slice-begin & slice-end are complimentary

'mary had a little lamb'



另一个功能强大的字符串操作就是简单的 in 关键字。它提供了两个直观有效的构造:

in 关键字

>>> s = "mary had a little lamb"

>>> for c in s[11:18]: print c, # print each char in slice

...

l i t t l e

>>> if 'x' in s: print 'got x' # test for char occurrence

...

>>> if 'y' in s: print 'got y' # test for char occurrence

...

got y

在 Python 中,有几种方法可以构成字符串文字。可以使用单引号或双引号,只要左引号和右引号匹配,常用的还有其它引号的变化形式。如果字符串包含换行符或嵌入引号,三重引号可以很方便地定义这样的字符串,如下例所示:

三重引号的使用

>>> s2 = """Mary had a little lamb

... its fleece was white as snow

... and everywhere that Mary went

... the lamb was sure to go"""

>>> print s2

Mary had a little lamb

its fleece was white as snow

and everywhere that Mary went

the lamb was sure to go

使用单引号或三重引号的字符串前面可以加一个字母 "r" 以表示 Python 不应该解释规则表达式特殊字符。例如:

使用 "r-strings"

>>> s3 = "this  and  that"

>>> print s3

this

and

that

>>> s4 = r"this  and  that"

>>> print s4

this  and  that 

在 "r-strings" 中,可能另外组成换码符的反斜杠被当作是常规反斜杠。在以后的规则表达式讨论中会进一步说明这个话题。

文件和字符串变量

我们谈到“文本处理”时,我们通常是指处理的内容。Python 将文本文件的内容读入可以操作的字符串变量非常容易。文件对象提供了三个“读”方法: .read()、.readline() 和 .readlines()。每种方法可以接受一个变量以限制每次读取的数据量,但它们通常不使用变量。 .read() 每次读取整个文件,它通常用于将文件内容放到一个字符串变量中。然而 .read() 生成文件内容最直接的字符串表示,但对于连续的面向行的处理,它却是不必要的,并且如果文件大于可用内存,则不可能实现这种处理。

.readline() 和 .readlines() 非常相似。它们都在类似于以下的结构中使用:

Python .readlines() 示例

fh = open('c:autoexec.bat')

for line in fh.readlines():

print line

.readline() 和 .readlines() 之间的差异是后者一次读取整个文件,象 .read() 一样。.readlines() 自动将文件内容分析成一个行的列表,该列表可以由 Python 的 for ... in ... 结构进行处理。另一方面,.readline() 每次只读取一行,通常比 .readlines() 慢得多。仅当没有足够内存可以一次读取整个文件时,才应该使用 .readline()。

    • 评论
    • 分享微博
    • 分享邮件
    邮件订阅

    如果您非常迫切的想了解IT领域最新产品与技术信息,那么订阅至顶网技术邮件将是您的最佳途径之一。

    重磅专题
    往期文章
    最新文章