python 文本处理

作者：DataCastle

自从认识了python这门语言，所有的事情好像变得容易了，作为小白，小编今天就为大家总结一下python的文本处理的一些小方法。

话不多说，代码撸起来。

——python大小写字符互换

在进行大小写互换时，常用到的方法有4种，upper（）、lower（）、capitalize() 和title（）。

str = "www.dataCASTLE.com"

print(str.upper())# 把所有字符中的小写字母转换成大写字母

print(str.lower())# 把所有字符中的大写字母转换成小写字母

print(str.capitalize())# 把第一个字母转化为大写字母，其余小写

print(str.title())# 把每个单词的第一个字母转化为大写，其余小写

WWW.DATACASTLE.COM

www.datacastle.com

Www.datacastle.com

Www.Datacastle.Com

还可以同时进行大小写互换：

s="hGdssWW678qqfdDDD777f8888sD8FJJss jjYYhVV #sh&"

def fn(x):

if x.is lower():

return x.upper()

elif x.is upper():

return x.lower()

else:

return x

result=''.join([fn(r) for r in list(s)])

print(result)

HgDSSww678QQFDddd777F8888Sd8fjjSS JJyyHvv #SH&

在s当中，不仅有大小写字母，还有数字，符号作为干扰，运用代码成功将大小写进行了互换。

——行列互换

01 ：insert进行A行与N行的互换

1.txt文本内容

with open('D:\\r\\1.txt','r') as f:

txt=f.readlines()

txt.insert(4,txt[1])#第二行插入第五行的位置

del(txt[1])#删除原来的第二行

print(txt)

1 A 一

3 C 三

4 D 四

2 B 二

5 E 五

6 F 六

02： 矩阵的行列互换

matrix = [[1, 1, 1, 1],

[2, 2, 2, 2],

[3, 3, 3, 3],]

trans = []

for i in range(4):

trans.append([row[i] for row in matrix])

print('\n', trans)

[[1, 2, 3],

[1, 2, 3],

[1, 2, 3],

[1, 2, 3]]

关于行列互换的情况，python有一个很好用的库pandas，其中的操作非常简便，可以到之前的文章”十分钟上手pandas“中查看。

——实现快速排序

快排的思想：首先任意选取一个数据（通常选用数组的第一个数）作为关键数据，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟快速排序。

01：超级"简短"的python实现的快速排序，一行代码轻松实现快速排序。

def quickSort(arg):

if(arg==[]):

return []

return quickSort([i for i in arg[1:] if i<=arg[0]])+[arg[0]]+quickSort([i for i in arg[1:] if i>arg[0]])

print quickSort([11,22,8,23,7,33,13,28,66,777])

[7, 8, 11, 13, 22, 23, 28, 33, 66, 777]

02：一般快排实现

def quicksort(array, left, right):

#建立递归终止条件

if left >= right:

return

low = left#low为序列左边要移动的游标

high = right#high为序列右边要移动的游标

key = array[low]#将左边的数设为基准元素

while left < right:

# 当left与right未重合，并且比基准元素要大，就将游标向左移动

while left < right and array[right] > key:

right -= 1

# 如果比基准元素小，就跳出循环，并且把其放在基准元素左边

array[left] = array[right]

# 当low与last未重合，并且比基准元素要小，就将游标向右移动

while left < right and array[left] <= key:

left += 1

# 如果比基准元素大，就跳出循环，并且把其放在基准元素右边

array[right] = array[left]

# 当low与last相等，就是基准元素的排序位置

array[right] = key

# 对排序好的元素左右两边的序列进行递归

quicksort(array, low, left - 1)

quicksort(array, left + 1, high)

array = [11,22,8,23,7,33,13,28,66,777]

print("Quick Sort: ")

quicksort(array,0,len(array)-1)

print(array)

[7, 8, 11, 13, 22, 23, 28, 33, 66, 777]

03：《算法导论》中的快排程序

def quicksort(array, l, r):

if l < r:

q = partition(array, l, r)

quick_sort(array, l, q - 1)

quick_sort(array, q + 1, r)

def partition(array, l, r):

x = array[r]

i = l - 1

for j in range(l, r):

if array[j] <= x:

i += 1

array[i], array[j] = array[j], array[i]

array[i + 1], array[r] = array[r], array[i+1]

return i + 1

array = [11,22,8,23,7,33,13,28,66,777]

print("Quick Sort: ")

quicksort(array,0,len(array)-1)

print(array)

[7, 8, 11, 13, 22, 23, 28, 33, 66, 777]

04：python对list有一个内置函数sorted()排序

a = [11,22,8,23,7,33,13,28,66,777]

b=sorted(a)

print(b)

print(a)

[7, 8, 11, 13, 22, 23, 28, 33, 66, 777]

[11, 22, 8, 23, 7, 33, 13, 28, 66, 777]

sorted虽然是使用函数方法进行排序，但是效果非常好。使用sorted函数进行排序，不会改变a原有的排序，并且当文本中有其余字母符号等干扰时，也可以成功的将数字进行排序。

——文本对齐

有些时候我们得到的文本可能是混乱的，需要进行对齐处理，关于对齐有以下几种方法：

2.txt文本内容

01：format格式化对齐

# format格式化对齐

def f1():

with open("D:\\r\\2.txt","r") as f:

for s in f:

l=s.rsplit ()

#左对齐，填充符号自定

t='{0:<5} {1:<7} {2}'.format(l[0],l[1],l[2])

print(str(t))

f1()

111 ABC 西瓜

22222 AABBC 水蜜桃

3333 CSDDGFF 香蕉

44 QQQSED 波罗蜜

02：just对齐

#just对齐

r=''

def f2():

f=open("D:\\r\\2.txt","r")

for s in f:

l=s.rsplit() #通过指定分隔符对字符串进行切片

print(l[0].ljust(5," "),l[1].ljust(7," "),l[2])

f2()

111 ABC 西瓜

22222 AABBC 水蜜桃

3333 CSDDGFF 香蕉

44 QQQSED 波罗蜜

——分行输出

01：正则表达式分行输出

#正则表达式

a="aA1一bB2二cC3三dD4四eE5五fF6六gG7七hH8八iI9九"

import re

reg=["[a-z]","[A-Z]","\d","[^\da-zA-Z]"]

#compile和findall一起使用，返回一个列表

for s in reg:

rega=re.compile(s)

s=re.findall(rega,a)

print("".join(s))

abcdefghi

ABCDEFGHI

123456789

一二三四五六七八九

02：string方法分行输出

#string方法

a="aA1一bB2二cC3三dD4四eE5五fF6六gG7七hH8八iI9九"

import string

ta=tb=tc=td=''

la=string.ascii_lowercase#la为小写字母

ua=string.ascii_uppercase#ua为大写字母

nb=string.digits#nb为0~9的数字

ub="一二三四五六七八九"

#分别从a中找出小写、大写字母、数字并进行分行输出

for s in a:

if s in la:

ta=ta+s

if s in ua:

tb=tb+s

if s in nb:

tc=tc+s

if s in ub:

td=td+s

print(ta)

print(tb)

print(tc)

print(td)

abcdefghi

ABCDEFGHI

123456789

一二三四五六七八九

好了，今天的分享就到这里。