秘籍：10個(gè)Python字符串處理技巧（附代碼）
2020-03-03 來源：raincent
本文為你介紹利用Python處理字符串的一些基本操作。
在探尋文本分析途徑時(shí)卻不知從何下手，該怎么辦?那么可以通過這個(gè)字符串處理入門教程，來了解一下利用Python處理字符串的一些基本操作。
當(dāng)前，自然語言處理和文本分析是研究和應(yīng)用的熱點(diǎn)領(lǐng)域。這些領(lǐng)域包括各種具體的技能和概念，在深入具體實(shí)踐之前需要對(duì)它們有徹底的理解，為此，必須掌握一些基本的字符串操作和處理技巧。
在我看來，必須掌握兩種字符串處理技巧：首先是正則表達(dá)式，一種基于模式的文本匹配方法。關(guān)于正則表達(dá)式有許多精彩的介紹，但是喜歡通過視頻學(xué)習(xí)的朋友仍然可以從這個(gè)視頻中受益良多：
fast.ai代碼 -初涉自然語言處理：
https://youtu.be/Q1zLqfnEXdw?list=PLtmWHNX-gukKocXQOkQjuVxglSDYWsSh9&t=630
另一個(gè)必備的字符串處理技能是：能夠利用給定編程語言的標(biāo)準(zhǔn)庫(kù)進(jìn)行基本的字符串操作。為此，本文便是一個(gè)簡(jiǎn)短的Python字符串處理入門教程，旨在為那些以文本分析作為職業(yè)的人士尋求更為深入的研究，拋磚引玉。
想對(duì)公司所有的文本有深入理解，發(fā)掘出其中的價(jià)值嗎?首先，應(yīng)了解最基本的基礎(chǔ)知識(shí)，下面，來了解一下這些初學(xué)者的技巧。
注意，有實(shí)際意義的文本分析遠(yuǎn)遠(yuǎn)超出字符串處理的范疇，那些更先進(jìn)的核心技術(shù)可能不需要你頻繁的親自對(duì)文本進(jìn)行操作。然而，對(duì)于一個(gè)成功的文本分析項(xiàng)目來說，文本數(shù)據(jù)預(yù)處理是非常重要而耗時(shí)的環(huán)節(jié)，所以，本文涵蓋的字符串處理技能將很有價(jià)值。在基礎(chǔ)層面上理解文本的計(jì)算處理對(duì)于理解更為先進(jìn)的文本分析技術(shù)同樣重要。
文中的一些示例使用Python標(biāo)準(zhǔn)庫(kù)：string module字符串模塊，為此，最好準(zhǔn)備好string module以備參考。
string module字符串模塊鏈接：
https://docs.python.org/2/library/string.html
1. 空格剝離
空格剝離是字符串處理的一種基本操作，可以使用lstrip()方法(左)剝離前導(dǎo)空格，使用rstrip()(右)方法對(duì)尾隨空格進(jìn)行剝離，以及使用strip()剝離前導(dǎo)和尾隨空格。
對(duì)剝離除空格以外的字符感興趣嗎?同樣的方法也很有用，可以通過傳遞想要?jiǎng)冸x的字符來剝離字符。
必要時(shí)不要忘記檢查字符串 format()文檔。
format()文檔：
https://docs.python.org/3/library/stdtypes.html#str.format
2. 字符串拆分
利用Python中的 split() 方法可以輕易將字符串拆分成較小的子字符串列表。
split() 方法：
https://docs.python.org/3/library/stdtypes.html#str.split
默認(rèn)情況下，split()根據(jù)空格進(jìn)行拆分，但同樣也可以將其他字符序列傳遞給split()進(jìn)行拆分。
3. 將列表元素合成字符串
需要實(shí)現(xiàn)上述操作的一個(gè)逆向操作?沒問題，利用Python中的join()方法便可將列表中的元素合成一個(gè)字符串。
join()方法：
https://docs.python.org/3/library/stdtypes.html#str.join
事實(shí)果真如此!如果想將列表元素用空格以外的東西連接起來?這可能有點(diǎn)陌生，但也很容易實(shí)現(xiàn)。
4. 字符串反轉(zhuǎn)
Python沒有內(nèi)置的字符串反轉(zhuǎn)方法。但是，可以先將字符串看做是字符的列表，再利用反轉(zhuǎn)列表元素的方式進(jìn)行反轉(zhuǎn)。
5. 大小寫轉(zhuǎn)換
利用upper(), lower(),和swapcase()方法可以進(jìn)行大小寫之間的轉(zhuǎn)換。
upper()方法：
https://docs.python.org/3/library/stdtypes.html#str.upper
lower()方法：
https://docs.python.org/3/library/stdtypes.html#str.lower
swapcase()方法：
https://docs.python.org/3/library/stdtypes.html#str.swapcase
6. 檢查是否有字符串成員
在Python中檢查字符串成員的最簡(jiǎn)單方法是使用in運(yùn)算符，語法與自然語言非常類似。
如果對(duì)找到字符串中子字符串的位置更感興趣(而不是簡(jiǎn)單地檢查是否包含子字符串)，則利用find()方法可能更為有效。
默認(rèn)情況下，find()返回子字符串第一次出現(xiàn)的第一個(gè)字符的索引，如果找不到子字符串，則返回-1。對(duì)這一默認(rèn)情況拿捏不準(zhǔn)時(shí)，可以查閱一下相關(guān)文檔。
7. 子字符串替換
找到子字符串之后，如果想替換這一子字符串，該怎么辦?Python 中的replace()字符串方法將解決這一問題。
replace()字符串方法：
https://docs.python.org/3/library/stdtypes.html#str.replace
如果同一個(gè)子字符串出現(xiàn)多次的話，利用計(jì)數(shù)參數(shù)這一選項(xiàng)，可以指定要進(jìn)行連續(xù)替換的最大次數(shù)。
8. 組合多個(gè)列表的輸出
如何以某種元素的方式將多個(gè)字符串列表組合在一起?利用zip()函數(shù)便沒問題。
zip()函數(shù)：
https://docs.python.org/3/library/functions.html#zip
9. 同字母異序詞檢查
想檢查一對(duì)字符串中，其中一個(gè)字符串是否是另一個(gè)字符串的同字母異序詞?從算法上來講，需要做的是對(duì)每個(gè)字符串中每個(gè)字母的出現(xiàn)次數(shù)進(jìn)行計(jì)數(shù)，再檢查二者計(jì)數(shù)值是否相等，直接使用collections模塊的Counter類便可實(shí)現(xiàn)。
collections模塊的Counter類：
https://docs.python.org/3/library/collections.html#collections.Counter
10. 回文檢查
如果想檢查給定的單詞是否是回文，怎么辦?從算法上看，需要?jiǎng)?chuàng)建一個(gè)單詞的反轉(zhuǎn)，然后利用 == 運(yùn)算符來檢查這2個(gè)字符串(原始字符串和反向字符串)是否相等。
雖然掌握這些字符串處理“技巧”之后，并不意味著你已經(jīng)成為了文本分析或自然語言處理專家，但這些技巧可能會(huì)激發(fā)出深入探究自然語言處理領(lǐng)域的興趣，并掌握最終成為專家所必備的技能。
相關(guān)文獻(xiàn)：
文本數(shù)據(jù)預(yù)處理：Python演練
https://www.kdnuggets.com/2018/03/text-data-preprocessing-walkthrough-python.html
Python中的·文本預(yù)處理：步驟、工具和示例https://www.kdnuggets.com/2018/11/text-preprocessing-python.html
文本數(shù)據(jù)分析完整探索與可視化：可視化與NLP相結(jié)合https://www.kdnuggets.com/2019/05/complete-exploratory-data-analysis-visualization-text-data.html
原文標(biāo)題：10 Python String Processing Tips & Tricks
原文鏈接：https://www.kdnuggets.com/2020/01/python-string-processing-primer.html
標(biāo)簽： Python
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。
