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。