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。
|
1
2
|
mySent = 'This book is the best book on python!'print mySent.split() |
输出：
|
1
|
['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。
|
1
2
3
4
5
|
import rereg = re.compile('\\W*')mySent = 'This book is the best book on python!'listof = reg.split(mySent)print listof |
输出为：
|
1
|
['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。
|
1
2
3
4
5
6
|
import rereg = 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：
|
1
|
['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())
|
1
2
3
4
5
6
|
import rereg = 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：
|
1
|
['this', 'book', 'is', 'the', 'best', 'book', 'on', 'python'] |
下面来看一封完整的电子邮件：
内容
|
1
2
3
4
5
6
7
8
|
Hi Peter,With Jose out of town, do you want tomeet once in a while to keep thingsgoing and do some interesting stuff?Let me knowEugene |
|
1
2
3
4
5
6
|
import rereg = 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']
希望本文所述对大家Python程序设计有所帮助。
原文链接：http://www.cnblogs.com/lovephysics/p/7238479.html
