Python食谱-1.10.使用一个字符集合来过滤字符串

By digitalsatori on 八月 3rd, 2009

原文作者:	Jurgen Hermann, Nick Perkins, Peter Cogolo
中文编译:	Tony (digitalsatori)

问题

给定一个字符集合，如何创建一个过滤功能，使其作用于任意的字符串s，返回一个字符串其只包含指定字符集合中的字符。

解决方法

字符串对象的translate方法是一个处理这类问题的快速，有效的方法。但是要让translate来完成这类任务，我们还需要事先做一些准备工作。translate的第一个参数是翻译表。在我们以上的问题中并不涉及任何翻译，所以我们必须让第一个参数表示“不翻译”。translate的第二个参数表示那些字符我们要删除。因为在上述问题中，我们被要求保留而不是删除指定的字符。所以我们必须要给予第二个参数所有非保留的字符，用以被删除。closure 是做这种预先准备工作的最佳选择：

import string
# 创建一个代表所有字符的可重用的字符串，其作用是
# 作为一个"不做任何翻译"的翻译对照表
allchars = string.maketrans('','')
def makefilter(keep):
  """返回一个函数，该函数以一个字符串为输入参数，运行
  后返回一个仅包含'keep'中的字符的字符串拷贝。
  注意：'keep' 必须是普通字符串， 不能是Unicode字符串
  """
  #创建一个包含除'keep'中字符以外的所有字符的字符串:
  #keep的反集，表示我们要删除的那些字符
  delchars = allchars.translate(allchars, keep)
  def thefilters(s):
    return s.translate(allchars, delchars)
  return thefilters

if __name__ == '__main__':
  just_vowels = makefilter('aeiou')
  print just_vowels('four score and seven years ago')
#结果: ouoeaeeyeaao
  print just_vowels('tiger, tiger burning bright')
#结果: ieieuii

讨论

理解上面所示代码的关键在于了解string模块中的maketrans函数以及string对象的translate方法。一个字符串的translate方法返回这个字符串的一个副本。translate利用其第一个参数中获得的翻译对照表将原字符串对照替换，并且删除第二个参数中所指定的字符从而最终获得这个字符串副本。maketrans是专门用于创建翻译对照表的函数。(翻译对照表是一个包含恰好256个字符的字符串 t:当你将t作为第一个参数传递给某个字符串的translate方法时，这个字符串的每个字符 c 将被被转换为结果字符串的字符t[ord(c)]

在上述的解决方案中，通过将过滤任务分为准备和执行两个阶段，从而大大的提高了执行效率。代表所有字符的字符串无疑是可以被重用的，所以我们将其创建为该模块的全局变量。这样就可以保证让所有的过滤函数都使用同一个‘所有字符’字符串对象，避免浪费内存。作为translate方法的第二个参数，包含需删除字符的字符串对象，依赖于需要保存的字符集合，因为它是后者的反集：我们需要让translate删除所有那些不需要保留的字符。所以我们在 makefilter函数中创建了‘需删除字符'的字符串。创建上述字符串很容易，只要利用translate方法将‘所有字符’的字符串中删除’需保留字符‘即可。当我们将解决方案中的代码作为主程序运行时，其中的测试代码展示了如何通过调用makefilter函数来创建一个过滤函数，将这个过滤函数与一个变量通过赋值关联起来。然后对一些字符串调用该过滤函数并打印出结果。

顺便提一下。对'allchars（所有字符）'调用过滤函数，能获得’保留字符串'的规范形式，即获得一个按字母顺序排列，没有重复字符的’保留字符串‘的副本。你可以利用这个点子创建一个简单的函数获取任意字符串的‘规范形式。

def canonicform(s):
""" Given a string s, return s's characters as a canonic-form string:
        alphabetized and without duplicates. """
    return makefilter(s)(allchars)

在解决方法中的代码我们用的def语句定义一个函数并返回一个嵌套函数(closure).用def语句来定义函数很通用，清晰，当然你也可以用lambda来创建这个函数：

return lambda s: s.translate(allchars, delchars)

大多数的python程序员还是认为使用def比用lambda代码更清晰易读。

因为本问题针对的是对字符集合的处理，你也可以使用Python的集合（Set）类型来完成同样的任务。而translate方法的速度往往要比使用sets快得多。但是，正如 Python食谱1.8 中所提醒的，上文解决方案中的方法只能处理普通字符串，不能处理Unicode字符串。

要对Unicode字符串处理类似的问题，我们需要做一些完全不同的准备工作。Unicode字符串的translate方法只有一个形参：一个映射或者序列，其以字符串中每个字符的编码值为索引。字符的编码值未包含在映射的键值中（或者序列的索引值中）的，其将会原样拷贝至输出字符串，反之则以映射表或序列中的值替代，其值可以是一个Unicode字符也可以是None，这样原字符串中的这个对应字符就会被删除。这样的设置与普通字符串的处理有很大的不同，所以我们只能重新编码。

通常我们会使用一个字典或列表来作为Unicode字符串translate方法的参数。但是对于本文中涉及的任务（保留指定字符，删除所有其他字符），我们需要一个其大无比的dict或字符串,用来映射所有’非保留字符'为None。我们最好还是设计一个类来解决这个问题。我们会用到__getitem__特殊方法，该方法在对象做索引操作时被调用。我们还通过__call__方法使这个类的实例可被调用：

import sets class Keeper(object):
    def _ _init_ _(self, keep):
        self.keep = set(map(ord, keep))
    def _ _getitem_ _(self, n):
        if n not in self.keep:
            return None
        return unichr(n)
    def _ _call_ _(self, s):
        return unicode(s).translate(self)
makefilter = Keeper
if _ _name_ _ == '_ _main_ _':
    just_vowels = makefilter('aeiouy')
    print just_vowels(u'four score and seven years ago')
# emits: ouoeaeeyeaao
    print just_vowels(u'tiger, tiger burning bright')
# emits: ieieuii