Python文字列操作


Pythonにおける基本的な文字列操作

連結には+演算子を使う
a = 'Python'
b = '2.7'
c = a + b
print c  # => 'Python2.7'

a = 'Python'
b = ' is '
c = 'fancy'
print a + b + c  # => 'Python is fancy'

joinメソッドとリスト/タプルを使って連結するテクニック

RubyのjoinはArrayのメソッド(連結文字列を引数にとる)、
Pythonのjoinはstrのメソッド(list/tupleを引数にとる)と、逆になっているのでRubyとは異なる

strings = ['dog', 'cat', 'penguin']
print ','.join(strings)  #=> 'dog,cat,penguin'
繰り返し

同じ内容を繰り返す場合は*演算子で整数を与えると指定した回数だけリピートした文字列が生成されます。
s = 'dog?'
print s * 3  #=> 'dog?dog?dog?'
値の埋め込み

文字列に変数の値を展開する際

sprintfスタイル: '%s, %s' % ('Hello', 'World')
拡張sprintfスタイル: '%(a)s, %(b)s' % dict(a='Hello', b='World')
formatメソッド利用: '{0}, {1}'.format('Hello', 'World')

sprintfスタイル

文字列に % 演算子で値またはlist/tupleを与える
a = 'Python'
b = 'a programming language'
print '%s is %s' % (a, b)  # => 'Python is a programming language'

c = 'World'
print 'Hello, %s!' % c  # => 'Hello, World!'
文字列中の展開記号(%sなど)の個数の数だけ、与える値も必要です。
展開記号が1つの場合は%のあとの値はlist/tupleにする必要はありません。
(1要素のlist/tupleでも展開されます) 上の例だと最初のprint文のテンプレート文字列は展開記号%sを2つ含むので、
%の後にくる値で与えるタプルの要素の数も2つになっています。テンプレート文字列中で、%という文字自体を文字として残したい場合は%%と '%'2文字にするとよい です。
以下のようなフォーマット指定子があります。

%s - 文字列として展開
%d - 整数として展開
%f - 小数点数として展開

タプルやリストを '(1, 2, 3)' のような文字列として展開してほしいときは
tuple_var = (1, 2, 3)
print 'tuple_var is: %s' % (tuple_var,)
としないと3個あるのに置換先のプレースホルダが1個しかないのでエラーに

フォーマット文字列の%のあとに丸カッコでかこってdictオブジェクトのキーを指定し、
フォーマット文字列に対して%演算子の右辺にdictオブジェクトを指定します。
繰り返し同じ値を埋め込む際、すでにdict変数がある場合などに便利でしょう。
v = dict(first='Michael', family='Jackson')
print 'He is %(first)s, %(first)s %(family)s.' % v
formatメソッドの利用

formatメソッドを使うことでformatメソッド専用のテンプレート言語を使うことができます。
print '{0}, {1}'.format('Hello', 'World')  #=> 'Hello, World'

置換(replace)

s = 'Today is Monday.'
print s.replace('Monday', 'Sunday')  #=> 'Today is Sunday.'
s2 = 'Hello Hello'
print s.replace('Hello', 'Bye')  #=> 'Bye Bye' 第三引数を指定しなければすべて置換
s3 = 'World World'

print s.replace('World', 'Hello', 1)  #=> 'Hello World' # 第三匹数で置換する個数を指定
あるパターンに従って文字列を置換する、といった処理はre(正規表現)パッケージのsubメソッドを使います。
import re
s = 'Hello World'
print re.sub(r"[a-z]", "A", s)  #=> 'HAAAA WAAAA'
N文字目の文字の取得

s = 'abc'
n = 1  # 'a'がほしい
print s[n-1]  # 0ベースインデックスで文字を取得

s2 = 'xyz'
print s[-1]  # 'z' 最後の文字
部分文字列の取得(N文字目から、M文字とりだす)

s = "This is a pen."
n = 1
m = 4
print s[n-1:n-1+m]  # 'This'
print s[0:4]  # 'This'
print s[-4:-1]  # 'pen'
検索

findを使います。後ろ向きに検索したいときはrfindが使えます。
findは該当文字列が見つかれば0からはじまる文字列位置を, 見つからなければ-1を返します。
s = 'abcabcabc'
index = s.find('b')  # indexは1(2文字目)
第二引数で検索を開始する位置を指定できます。
s = 'abcabcabc'
index = s.find('b', 2)  # indexは4(5文字目)
以下のようなコードで文字列中からすべてのターゲットを探し出せます。
s = 'abcabcabc'
target = 'b'
index = -1
while True:
    index = s.find(target, index + 1)
    if index == -1:
        break
    print 'start=%d' % index 
1文字ずつ処理

string型はイテレータでもあるので、以下のようにforで処理できます。文字のlistが欲しければlist(strvalue)
for c in 'aiueo':
    print c 

print list('hoge')  # => ['h', 'o', 'g', 'e']

s = 'aiueo'
for i in range(len(s)):
    c = s[i]
    print c
両端の空白削除

strip, lstrip, rstripが使えます。
stripは両端からスペース・タブ文字・改行(\rおよび\n)を削除した文字列を、
lstripはstripと同等の処理を左端のみに適用したものを、
rstripはstripと同等の処理を右端のみに適用したものを返します。
s = ' x '
print 'A' + s.strip() + 'B'  # => 'AxB'
print 'A' + s.lstrip() + 'B'  # => 'Ax B'
print 'A' + s.rstrip() + 'B'  # => 'A xB'
改行削除(perlやrubyのchomp相当の処理)

line = 'hoge\n'
msg = line.rstrip() + 'moge'
print msg  # => 'hogemoge'

with open('./test.txt') as fh:
    for line in fh:
        no_line_break_line = line.rstrip()
        # なにかする
全部大文字にする

upper()メソッドを使います。

print 'hello'.upper()  # => 'HELLO'
全部小文字にする

lower()メソッドを使います。
print 'BIG'.lower()  # => 'big'
ある文字列が部分文字列として含まれるかどうか調べる

s = 'abc'
print 'b' in s  #=> True
print 'x' in s  #=> False
ある文字列が部分文字列として登場する回数を数える

先ほど出てきたfindメソッドを使って自力でやってもよいですが、countという便利なメソッドがあります。
s = 'aaabbc'
print s.count('b')  #=> 2
intを文字列に変換する

v = 1
print str(v)
print '%d' % v
floatを文字列に変換する

f = 1.234
print str(f)  #=> '1.234'
print '%f' % f  #=> '1.234000'
listを文字列に変換する, tupleを文字列に変換する

変換というか、デバッグprintなどで文字列で表現したいことはありますよね。
v = [1,2,3]
print str(v)  #=> '[1, 2, 3]'
print '%s' % v  #=> '[1, 2, 3]'
tuple1つを%sで表示しようとすると, Pythonが与えられたtupleをテンプレート用の値のリストと解釈してエラーになってしまいます。
v = (1, 2, 3)
print str(v) #=> '(1, 2, 3)' よい例
print '%s' % v #=> '(1, 2, 3)'を期待するが、TypeErrorになってしまう
print '%s' % (v,) #=> '(1, 2, 3)' よい例
joinなどを使って組み立ててみるのもいいですね。
v = [1,2,3]
print '<' + ('/'.join([ str(item) for item in v ])) + '>'  #=> '<1/2/3>'
tupleオブジェクトも同様です。
dictを文字列に変換する

変換というか、デバッグprintなどで文字列で表現したい時
v = dict(a=1, b=2)
print str(v)  #=> "{'a': 1, 'b': 2}"
print '%s' % v  #=> "{'a': 1, 'b': 2}" 
keysやリスト内包表記、joinを使ってワンライナーで文字列生成
v = dict(a=1, b=2)
print '<' + ', '.join([ '%s=%s' % (k, v[k]) for k in v.keys() ]) + '>'  #=> ''
(2系) バイト列をunicode文字列にする

ファイルやソケットから読み込んだデータはそのままだとバイト列なので、unicode文字列に解釈してあげないと
文字単位の操作がうまくできません。Python2系(2.7など)ではstr(バイト列)とunicode(文字列)は区別されており、
Webアプリケーショなど入力にマルチバイト文字が想定されるシーンでは文字列はunicodeオブジェクトとして扱ったほうがよい。
バイト列をエンコーディングを指定してunicode文字列として解釈するためにはdecodeメソッドを使います。
with open('utf8_content_file.txt', 'rb') as fh:
    byte_content = fh.read()  # ぜんぶ読み込む, この時点ではバイト列
    print len(byte_content)  # バイト数
    unicode_string = byte_content.decode('utf-8')  # utf-8エンコーディングで、文字の並びとして解釈
    print len(unicode_string)  # 文字数
(2系) unicode文字列をバイト列にする

逆にファイルやソケットに書き込むとき、文字列をバイト列にしないといけないです。そういうときはunicodeオブジェクトのencodeメソッドをつかいます。
unicode_string = u'マルチバイト文字の文字列'
with open('./utf8_content_file.txt', 'wb') as fh:  # 書き込みモードでopen
    byte_content = unicode_string.encode('utf-8')  # utf-8エンコーディングで表現した場合のバイト列を取得
    fh.write(byte_content)  # バイト列を書き込み