7 Cara Cara Menyemak Sama ada Rentetan Python Mengandungi Substring

Bekerja dengan rentetan adalah tugas biasa dalam Python. Anda sering perlu memikirkan sama ada rentetan mengandungi rentetan lain.

Kaedah paling mudah untuk menyemak sama ada rentetan Python mengandungi subrentetan termasuk operator 'in', fungsi find() dan kaedah index(). Senario yang lebih kompleks boleh diselesaikan dengan ungkapan biasa atau perpustakaan luaran seperti Panda.

Artikel ini menunjukkan kepada anda:

• empat kaedah mudah

• dua fungsi regex yang lebih kompleks

• kaedah menggunakan perpustakaan Pandas

Anda akan mempelajari setiap teknik melalui contoh sintaks dan penggunaannya. Anda juga akan mendapat petua tentang kaedah yang terbaik untuk keperluan yang berbeza.

Mari kita mulakan!

Isi kandungan

• Asas Rentetan Python
• 4 Cara Paling Mudah untuk Semak Substring
  • 1. Dalam Operator
  • 2. Kaedah Cari().
  • 3. Kaedah Indeks().
  • 4. Kaedah Count().
• 2 Cara Memadankan Rentetan Dengan Ungkapan Biasa
  • 1. re.Search()
  • 2. re.Findall()
• Cara Mencari Substrings Dengan Panda
  • str.contains() Fungsi dalam Panda
• Petua untuk Memilih Kaedah Khusus dalam Python
  • 1. Kepantasan Pemprosesan
  • 2. Lokasi Subrentetan
  • 3. Kiraan Subrentetan
  • 4. Corak Kompleks
  • 5. Melakukan Analisis Teks
• Fikiran Akhir

Asas Rentetan Python

Rentetan dalam Python ialah jujukan aksara yang digunakan untuk mewakili data berasaskan teks. Ia boleh termasuk huruf, digit, simbol dan ruang putih.

Ia adalah salah satu jenis data terbina dalam Python dan boleh dibuat menggunakan sama ada:

• petikan tunggal (' ')

• petikan berganda (” “)

• petikan tiga kali ganda ("' "' atau """ """)

Rentetan diindeks, yang bermaksud anda boleh mengakses aksara tertentu dengan merujuk nombor indeksnya. Indeks permulaan ialah 0, yang bermaksud aksara pertama rentetan mempunyai indeks 0, yang kedua mempunyai indeks 1, dan seterusnya.

Seterusnya, kita melihat cara untuk menyemak subrentetan.

4 Cara Paling Mudah untuk Semak Substring

Python menyediakan banyak cara untuk menyemak sama ada subrentetan tertentu wujud dalam rentetan yang lebih besar. Ada yang lebih kompleks daripada yang lain. Untuk semakan paling asas, kaedah paling mudah ialah operator dalam atau salah satu daripada tiga kaedah rentetan.

1. dalam operator

2. kaedah cari().

3. kaedah indeks().

4. kaedah count().

1. Dalam Operator

Pengendali 'dalam' dalam Python ialah cara yang mudah dan intuitif untuk memeriksa sama ada satu rentetan wujud dalam rentetan lain. Operator ini menyemak keahlian dan mengembalikan nilai boolean:

• Benar jika subrentetan ditemui dalam rentetan utama

• Palsu jika tidak

Berikut ialah beberapa contoh kod:

s = "Hello, world!"
sub = "world"
result = sub in s
print(result)  # Output: True

Pengendali 'dalam' adalah peka huruf besar-kecil. Ini bermakna ia menganggap aksara kecil dan huruf besar sebagai berbeza. Kod di atas tidak akan menemui subrentetan "hello", jadi pengendali mengembalikan palsu.

Jika anda ingin melakukan semakan tidak sensitif huruf besar-besaran, anda boleh menukar kedua-dua rentetan utama dan subrentetan kepada kes yang sama sebelum melakukan semakan:

s = "Hello, world!"
sub = "hello"
result = sub.lower() in s.lower()
print(result)  # Output: True

Kelemahan operator in ialah ia tidak memberikan kedudukan subrentetan dalam rentetan utama. Untuk itu, anda memerlukan kaedah lain dalam bahagian ini. Teruskan membaca…

2. Kaedah Cari().

Kaedah find() mengembalikan indeks pertama di mana subrentetan muncul, atau -1 jika subrentetan tidak ditemui.

Anda memanggil kaedah find() pada rentetan s , menghantar sub rentetan sebagai hujah. Berikut adalah contoh:

s = "Hello, world!"
sub = "world"
index = s.find(sub)

if index != -1:
     print("Found at index:", index)  # Output: Found at index: 7
else:
     print("Not found")

Anda boleh menentukan indeks permulaan atau akhir untuk mengehadkan carian anda. Kelemahan kaedah ini ialah ia berhenti pada kejadian pertama.

3. Kaedah Indeks().

Kaedah index () agak serupa dengan kaedah find() , kecuali ia menimbulkan ValueError apabila subrentetan tidak dijumpai. Ini bermakna anda harus membungkus panggilan dalam bahagian Cuba/Kecuali.

Untuk menggunakan kaedah index() , panggilnya pada rentetan s , dan hantar sub rentetan sebagai hujah.

s = "Hello, world!"
sub = "world"

try: 
     index = s.index(sub)
     print("Found at index:", index)  # Output: Found at index: 7
except ValueError:
     print("Not found")

Kaedah ini juga berhenti pada subrentetan pertama di dalam teks.

4. Kaedah Count().

Kaedah .count() mengira berapa kali subrentetan berlaku dalam rentetan asal. Ia mengembalikan integer yang mewakili kiraan ini. Jika subrentetan tidak ditemui dalam rentetan utama, ia mengembalikan 0.

Berikut ialah contoh mudah yang mencari huruf "o" dalam teks "Hello, dunia!":

s = "Hello, world!"
sub = "o"
print(s.count(sub))  # Output:2

2 Cara Memadankan Rentetan Dengan Ungkapan Biasa

Menggunakan ungkapan biasa (regex) adalah lebih kompleks sedikit daripada kaedah dalam bahagian sebelumnya. Walau bagaimanapun, mereka memberi anda lebih banyak pilihan untuk mencari dan menganalisis teks yang anda hadapi.

Dua daripada cara termudah dalam modul semula ialah:

1. carian()

2. findall()

1. re.Search()

Fungsi search () dalam modul semula mencari corak dalam rentetan tertentu dan mengembalikan objek padanan jika padanan ditemui. Jika tidak, ia mengembalikan Tiada .

Secara lalai, fungsi ini adalah sensitif huruf besar-besaran. Anda boleh menggunakan bendera re.IgnoreCase untuk mengelakkan sensitiviti huruf besar.

Berikut ialah contoh mudah yang menggunakan pernyataan bersyarat berdasarkan sama ada rentetan ditemui:

import re
pattern = "python"
text = "I love Python programming"
match = re.search(pattern, text, re.IGNORECASE)

if match: 
     print("Pattern found")
else:
     print("Pattern not found")

Ambil perhatian bahawa kaedah ini mencari padanan pertama dan kemudian berhenti mencari. Jika anda ingin mencari semua padanan, maka yang seterusnya dalam senarai ini adalah untuk anda.

2. re.Findall()

Kaedah ini mencari semua kemunculan corak carian dalam rentetan tertentu dan mengembalikan senarai yang mengandungi semua padanan.

Contoh ini menggunakan corak yang sepadan dengan satu bijih lagi digit dalam rentetan. Rentetan teks "123, 456, 789" mengandungi tiga jujukan digit.

import re 

pattern = "d+" 
text = "123, 456, 789" 
numbers = re.findall(pattern, text) 

print(numbers)

Ini adalah jawapan daripada kod sampel: ['123', '456', '789'].

Cara Mencari Substrings Dengan Panda

Pandas ialah pustaka analisis dan manipulasi data sumber terbuka yang popular untuk Python. Ia menyediakan struktur data dan fungsi yang diperlukan untuk memanipulasi dan menganalisis data berstruktur.

Salah satu struktur data utama yang disediakan oleh Pandas ialah DataFrame. Anda boleh menggunakan struktur data serba boleh ini untuk menyemak satu rentetan di dalam rentetan yang lain.

Kelebihan Pandas ialah ia menyediakan pakej kod yang anda perlu tulis secara meluas dalam bahasa pengaturcaraan lain. Khususnya, banyak kuasa dimuatkan di dalam fungsi mengandungi.

str.contains() Fungsi dalam Panda

Kaedah str.contains() menguji jika corak tertentu atau ungkapan biasa terkandung dalam rentetan lajur DataFrame.

Berikut ialah contoh yang mengimport pustaka dan mencari rentetan dalam senarai rentetan:

import pandas as pd

# Creating a sample DataFrame 
data = {'fruits': ['apple', 'banana', 'cherry', 'watermelon', 'orange']} 
df = pd.DataFrame(data) 

# Searching for substrings in the 'fruits' column 
has_an = df['fruits'].str.contains(pat='an', regex=False)

# Filtering the DataFrame based on the search results 
filtered_df = df[has_an] 
print(filtered_df)

Dalam contoh ini, kami mencari subrentetan 'an' dalam lajur 'buah' dan menapis DataFrame dengan sewajarnya. Outputnya ialah:

• 1 pisang

• 4 oren

Jika anda sedang mencari lebih banyak contoh tentang perkara yang boleh dilakukan oleh Panda, lihat video ini:

Petua untuk Memilih Kaedah Khusus dalam Python

Pilihan kaedah bergantung pada keperluan khusus tugas anda.

Berikut ialah empat sebab untuk memilih salah satu kaedah yang telah anda pelajari daripada artikel ini, ditambah satu kaedah bonus yang akan anda pelajari di tempat lain di blog ini:

1. Kepantasan pemprosesan

2. Anda perlu mengetahui lokasi subrentetan

3. Anda perlu mengetahui bilangan kejadian subrentetan

4. Anda mahu memadankan corak yang kompleks

5. Melakukan analisis teks

1. Kepantasan Pemprosesan

0perator 'dalam' ialah pilihan terbaik jika anda hanya ingin mengetahui sama ada subrentetan wujud dalam rentetan.

Ia mudah, intuitif dan pantas untuk tujuan ini. Walau bagaimanapun, ia tidak memberikan maklumat tentang lokasi atau kiraan subrentetan.

2. Lokasi Subrentetan

Gunakan kaedah .find() atau .index() jika anda perlu mengetahui kedudukan kejadian pertama subrentetan dalam rentetan.

Kedua-duanya mengembalikan indeks kejadian pertama subrentetan.

3. Kiraan Subrentetan

Gunakan kaedah .count() apabila anda ingin mengetahui berapa kali subrentetan berlaku dalam rentetan.

4. Corak Kompleks

Jika anda perlu memadankan corak kompleks atau melakukan carian tidak peka huruf besar-besaran, ungkapan biasa adalah yang paling fleksibel. Fungsi re.search () boleh mengendalikan corak melangkaui subrentetan ringkas dan boleh melakukan carian tidak sensitif huruf besar-besaran dengan mudah.

Walau bagaimanapun, ungkapan biasa boleh berlebihan untuk semakan subrentetan mudah dan juga boleh menjadi lebih perlahan dan lebih kompleks untuk digunakan dan diselenggara.

5. Melakukan Analisis Teks

Lihat artikel kami tentang analisis teks dalam Python , yang menunjukkan kepada anda cara bekerja dengan pustaka textblob.

Anda boleh menggunakan fungsi .tags untuk menyemak bahagian pertuturan atau fungsi .ngram untuk mencari perkataan yang kerap muncul bersama dalam dokumen.

Fikiran Akhir

Anda telah mempelajari tujuh kaedah untuk menyemak sama ada perkataan atau objek rentetan terkandung dalam yang lain. Ini termasuk pengendali keahlian, fungsi terbina dalam, regex dan fungsi Pandas.

Setiap kaedah adalah betul untuk beberapa situasi tetapi tidak untuk semua. Gunakan artikel ini sebagai helaian tipu semasa anda menguasai bahasa pengaturcaraan Python dan menggunakan penyelesaian terbaik untuk tugas analisis rentetan anda.

Ingat, tiada kaedah satu saiz yang sesuai untuk semua. Setiap pendekatan mempunyai kelebihan dan keistimewaan tersendiri, jadi jangan ragu untuk memilih pendekatan yang sesuai dengan gaya anda atau masalah tertentu yang anda cuba selesaikan. Pada penghujung hari, Python adalah tentang menjadikan hidup anda lebih mudah, jadi terima fleksibilitinya!