python——常用功能之文本处理

前言

在生活、工作中，python一直都是一个好帮手。在python的众多功能中，我觉得文本处理是最常用的。下面是平常使用中的一些总结。环境是python 3.3

0. 基础

在python中，使用str对象来保存字符串。str对象的建立很简单，使用单引号或双引号或3个单引号即可。例如：

s='nice'      #output: nice
s="nice"      #output: nice
s="Let's go"  #output: Let's go
s='"nice"'    #output: "nice"
s=str(1)      #output: 1
s='''nice
day'''        #output: nice
              #output: day

在python中， 代表换行符， 代表tab键

在python中，引用str中的某一段的内容很容易。例如：

s='123456789'
s[0]          #第一个字符:     output: 1
s[-1]         #倒数第一个字符: output: 9
s[:2]         #前2个字符：     output: 12
s[-2:]        #后2个字符：     output: 89
s[2:-2]       #去掉前2个和后2个剩余的字符 output:34567

 在python中，判断某一字符串是否在另一个字符串中：

'nice' in 'nice day' #output :True

task 1.  按照某种格式生产字符串

在python中，str对象有一个方法用于实现这种功能，这个方法是：str.format(*args,**kwargs)。例子：

'1+2={0}'.format(1+2)  #{0}是占位符，其中0表示是第一个需要被替换的。output: 1+2=3
'{0}:{1}'.format('nice','day') #{0}，{1}是占位符，{0}指第一被替换，替换成nice，{1}第二个被替换，替换成day。output:nice:day

实际用途：

我的手机拍照之后，手机的命名如下：

IMG_20130812_145732.jpg
IMG_20130812_144559.jpg

在电脑中，会根据相片的日期放到不同的文件夹，文件夹命名如下：

2013-08-10
2013-08-12

所以说，要对相片的命名进行一个转换，这样才能映射到相应的文件夹转。代码如下：

def getName(name):
    return '{0}-{1}-{2}'.format(name[4:8],name[8:10],name[10:12])

getName('IMG_20130812_145732.jpg')  #output: 2013-08-12

task 2. 替换字符串中的某一部分

 替换有2中方法，一种是使用str对象自带的方法replace()，另一种是使用re模块中sub(0的。例如：

#replace
s='nice day'
s.replace('nice','good')    #s本身不改变，但会返回一个字符串：output: good day

#sub
import re
s='cat1 cat2 cat3 in the xxx'
re.sub('cat[0-9]','CAT',s)  #s本身不改变，但会返回一个字符串：output: CAT CAT CAT in the xxx

对于re模块中的sub，需要了解正则表达式。

task 3. 拆分字符串

Excel可以到处逗号分隔符格式的文件。对于这样的字符串，我们可以把它拆成相应的字段。实现这个功能，主要使用str对象的自带方法split。例如：

s='one,two,three'
s.split(',')                            #output: ['one', 'two', 'three']

task 4. 合并字符串

除了拆分功能之外，我们可以将拆分好的字段合并成一个字符串。实现这个功能，主要使用str对象自带的方法join。例如：

l=['one', 'two', 'three']
','.join(l)                                #output: one,two,three

这个功能还可以在this模块中看到。

task 5. 整合

关于字符串的操作有很多。如果仅仅对一两行字符串进行操作，显示不出他的威力。在工作中，有可能会对文档进行处理，有的文档很大，手工的方式不好处理，这时，python就有用武之地。

例如，从数据库中导出一个表table_1的数据，导出来的数据格式如下：

insert into table_1(field1,filed2,field3)
values(value1,value2,value3);
...
insert into table_1(field1,filed2,field3)
values(value1,value2,value3);

数据生成的文件的大小大概为700M。要把这个表的数据导入到另一个数据库的表table_2中，table_1和table_2的表结构相同，仅仅是名字不同。这时，我们可以写一个python脚本，将table_1替换成table_2。例如：

path_in='table1.data'
path_out='table2.data'
f_in=open(path_in)
f_out=open(path_out,'w')
for i in f_in.readlines():
    if 'insert into table_1(field1,filed2,field3)' in i:
        f_out.write(i.repalce('tabel_1','table_2'))
    else:
        f_out.write(i)
f_in.close()
f_out.close()

结束语

使用python，让日常工作多了一个工具，多了一个选择。可以将一些重复的工作交给机器做，节省时间，提高效率。