


Description détaillée de plusieurs méthodes de chaînes en python
字符串格式化
>>> '%s plus %s equals %s' % (1,1,2) '1 plus 1 equals 2'
字段的宽度和精度
*字段宽度是转换后的值所保留的最小字符个数,精度(对于数字)是包含的小数位数,或者(对于字符)转换后的值所能包含的最大字符数
>>> from math import pi >>> '%10f' % pi ' 3.141593' >>> from math import pi >>> '%10f' % pi #字段宽10 ' 3.141593' >>> '%10.2f' % pi #字段宽10,精度2 ' 3.14' >>> '%.2f' % pi #精度2 '3.14' >>> '%.5s' % 'My name is ningsi' 'My na' >>> '%.*s' % (5,'My name is ningsi') 'My na'
符号、对齐和0填充
>>> '%010.2f' % pi #用0填充 '0000003.14' >>> '%-10.2f' % pi #左对齐 '3.14 ' >>> print ('% 5d' % 10)+'\n'+('%5d' % -10) 10 -10 >>> print ('%+5d' % 10)+'\n'+('%+5d' % -10) +10 -10
字符串的方法
find 查找子字符串
>>> N='ning si de shu de'>>> N.find('de')8 >>> N.find('dee')-1 >>> N.find('de',9,16) #范围包含第一个索引不包含第二个-1
join 是split方法的逆方法
>>> s=['1','2','3','4'] >>> q.join(s) '1+2+3+4' >>> p='','usr','bin','env' >>> '/'.join(p) '/usr/bin/env'>>> print 'C:'+'\\'.join(p) C:\usr\bin\env
lower 返回字符串的小写字母版
>>> 'My name is ningsideshu'.lower() 'my name is ningsideshu' >>> if 'name' in ['my','Name','is']:print 'Found it!' >>> if 'my' in ['my','Name','is']:print 'Found it!' Found it!
replace 替换
>>> 'This is a pen'.replace('pen','apple')'This is a apple'
split 将字符串分割成序列
>>> '1+2+3+4+5'.split('+') ['1', '2', '3', '4', '5'] >>> '/usr/bin/env'.split('/') ['', 'usr', 'bin', 'env'] >>> 'Using the default'.split() #默认所有空格作为分隔符(空格、换行等) ['Using', 'the', 'default']
strip 返回去除两侧空格(或指定字符)的字符串 (另外:lstrip,rstrip)
>>> ' My name is Nsds '.strip()'My name is Nsds'>>> ' *My name is Nsds * '.strip(' *')'My name is Nsds'
translate 替换,与replace不同的是,可以替换单个字符(字符串中的某些部分)
>>> from string import maketrans >>> N=maketrans('ns','mf') >>> 'My name is ningsideshu'.translate(N) 'My mame if mimgfidefhu' >>> 'My name is ningsideshu'.translate(N,'M') #第二个参数指定需要删除的字符 'y mame if mimgfidefhu'
模版字符串
>>> from string import Template >>> s=Template('$x. name $x!') >>> s.substitute(x='hello') 'hello. name hello!' >>> s=Template("It't ${x}tastic!") >>> s.substitute(x='slurm') "It't slurmtastic!" >>> s=Template("It't ${x}tastic${y}!") >>> s.substitute(x='slurm',y='a') "It't slurmtastica!" >>> s=Template('A $thing must never $action.') >>> d={} >>> d['thing']='gentleman' >>> d['action']='show his socks' >>> s.substitute(d) 'A gentleman must never show his socks.'
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Ce tutoriel montre comment utiliser Python pour traiter le concept statistique de la loi de Zipf et démontre l'efficacité de la lecture et du tri de Python de gros fichiers texte lors du traitement de la loi. Vous vous demandez peut-être ce que signifie le terme distribution ZIPF. Pour comprendre ce terme, nous devons d'abord définir la loi de Zipf. Ne vous inquiétez pas, je vais essayer de simplifier les instructions. La loi de Zipf La loi de Zipf signifie simplement: dans un grand corpus en langage naturel, les mots les plus fréquents apparaissent environ deux fois plus fréquemment que les deuxième mots fréquents, trois fois comme les troisième mots fréquents, quatre fois comme quatrième mots fréquents, etc. Regardons un exemple. Si vous regardez le corpus brun en anglais américain, vous remarquerez que le mot le plus fréquent est "th

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Traiter avec des images bruyantes est un problème courant, en particulier avec des photos de téléphones portables ou de caméras basse résolution. Ce tutoriel explore les techniques de filtrage d'images dans Python à l'aide d'OpenCV pour résoudre ce problème. Filtrage d'image: un outil puissant Filtre d'image

Les fichiers PDF sont populaires pour leur compatibilité multiplateforme, avec du contenu et de la mise en page cohérents sur les systèmes d'exploitation, les appareils de lecture et les logiciels. Cependant, contrairement aux fichiers de texte brut de traitement Python, les fichiers PDF sont des fichiers binaires avec des structures plus complexes et contiennent des éléments tels que des polices, des couleurs et des images. Heureusement, il n'est pas difficile de traiter les fichiers PDF avec les modules externes de Python. Cet article utilisera le module PYPDF2 pour montrer comment ouvrir un fichier PDF, imprimer une page et extraire du texte. Pour la création et l'édition des fichiers PDF, veuillez vous référer à un autre tutoriel de moi. Préparation Le noyau réside dans l'utilisation du module externe PYPDF2. Tout d'abord, l'installez en utilisant PIP: pip is p

Ce tutoriel montre comment tirer parti de la mise en cache Redis pour augmenter les performances des applications Python, en particulier dans un cadre Django. Nous couvrirons l'installation redis, la configuration de Django et les comparaisons de performances pour mettre en évidence le bien

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

Ce didacticiel montre la création d'une structure de données de pipeline personnalisée dans Python 3, en tirant parti des classes et de la surcharge de l'opérateur pour une fonctionnalité améliorée. La flexibilité du pipeline réside dans sa capacité à appliquer une série de fonctions à un ensemble de données, GE

Python, un favori pour la science et le traitement des données, propose un écosystème riche pour l'informatique haute performance. Cependant, la programmation parallèle dans Python présente des défis uniques. Ce tutoriel explore ces défis, en se concentrant sur l'interprète mondial
