本文实例讲述了Python实现简单文本字符串处理的方法。分享给大家供大家参考,具体如下:
对于一个文本字符串,可以使用Python的string.split()
方法将其切割。下面看看实际运行效果。
mySent = 'This book is the best book on python!' print mySent.split()
输出:
['This', 'book', 'is', 'the', 'best', 'book', 'on', 'python!']
可以看到,切分的效果不错,但是标点符号也被当成了词,可以使用正则表达式来处理,其中分隔符是除单词、数字外的任意字符串。
import re reg = re.compile('\\W*') mySent = 'This book is the best book on python!' listof = reg.split(mySent) print listof
输出为:
['This', 'book', 'is', 'the', 'best', 'book', 'on', 'python', '']
现在得到了一系列词组成的词表,但是里面的空字符串需要去掉。
可以计算每个字符串的长度,只返回大于0的字符串。
import re reg = re.compile('\\W*') mySent = 'This book is the best book on python!' listof = reg.split(mySent) new_list = [tok for tok in listof if len(tok)>0] print new_list
输出为:
['This', 'book', 'is', 'the', 'best', 'book', 'on', 'python']
最后,发现句子中的第一个字母是大写的。我们需要同一形式,把大写转化为小写。Python内嵌的方法,可以将字符串全部转化为小写(.lower()
)或大写(.upper()
)
import re reg = re.compile('\\W*') mySent = 'This book is the best book on python!' listof = reg.split(mySent) new_list = [tok.lower() for tok in listof if len(tok)>0] print new_list
输出为:
['this', 'book', 'is', 'the', 'best', 'book', 'on', 'python']
下面来看一封完整的电子邮件:
内容
Hi Peter, With Jose out of town, do you want to meet once in a while to keep things going and do some interesting stuff"htmlcode">import re reg = re.compile('\\W*') email = open('email.txt').read() list = reg.split(email) new_txt = [tok.lower() for tok in list if len(tok)>0] print new_txt输出:
复制代码 代码如下:['hi', 'peter', 'with', 'jose', 'out', 'of', 'town', 'do', 'you', 'want', 'to', 'meet', 'once', 'in', 'a', 'while', 'to', 'keep', 'things', 'going', 'and', 'do', 'some', 'interesting', 'stuff', 'let', 'me', 'know', 'eugene']更多关于Python相关内容可查看本站专题:《Python字符串操作技巧汇总》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
Python,文本字符串,处理
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新动态
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]