将字符串拆分为不同长度的块

Question

为了正确格式化字符串，我需要将它分成不同长度的块。

例如，这是一个字符串 - 25c319f75e3fbed5a9f0497750ea12992b30d565，为了将其拆分为固定长度的块，我会简单地使用步骤和切片：

s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
n = 2
print("-".join([s[i:i+n] for i in range(0, len(s), n)]))

但是，如果n 是要拆分的数字列表，我该怎么办，例如：

s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
n = [8, 4, 4, 4, 4, 12] # edited for consistency - Coldspeed

我提出的唯一解决方案是：

print("-".join([s[0:8], s[8:12], s[12:16], s[16:20], s[20:24], s[24:32]]))

这不是pythonic，更不一定可靠的字符串长度很大。

最后一个代码示例的输出：

25c319f7-5e3f-bed5-a9f0-4977-50ea1299

那么这可以用更 Pythonic 的单线方式完成吗？如果不是，还有什么其他更自动化的方法可以做到这一点？

Answer 1

从字符串创建一个迭代器并使用itertools.islice进行增量切片：

from itertools import islice

s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
it = iter(s)
n = [8, 4, 4, 12]

s = '-'.join(''.join(islice(it, None, x)) for x in n)
print(s)
# 25c319f7-5e3f-bed5-a9f0497750ea

请注意，如果切片的总大小不等于字符串的长度，则字符串的尾部会丢失；迭代器未完全耗尽。

您可以在最后的预处理阶段附加尾随部分（如果需要）：

s += '-' + ''.join(it)
print(s)
# 25c319f7-5e3f-bed5-a9f0497750ea-12992b30d565

---

这是另一种使用 for 循环的方法，通过增加起始索引来逐步分割字符串：

start = 0
d = []
for i in n:
   d.append(s[start:start+i])
   start += i
d.append(s[start:])
print('-'.join(d))
# 25c319f7-5e3f-bed5-a9f0497750ea-12992b30d565

Answer 2

>>> s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
>>> n = [8, 4, 4, 4, 4, 12]
>>> print '-'.join([s[sum(n[:i]):sum(n[:i+1])] for i in range(len(n))])

输出

25c319f7-5e3f-bed5-a9f0-4977-50ea12992b30

Answer 3

恐怕不是单线，而是从我的头顶：

s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
n = [8, 4, 4, 4, 4, 12]
res=[]
for split in n:
    temp=s[:split]
    s=s[split:]
    res.append(temp) 
print(res)

输出是一个数组，其中包含可以相应操作的相应字符串：

 ['25c319f7', '5e3f', 'bed5', 'a9f0', '4977', '50ea12992b30']

Answer 4

s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
n = [8, 4, 4, 12]

def make_chunks(s,n):
    result = []
    for length in n:
        result.append(s[:length])
        s = s[length:]
    if s:
        result.append(s)
    return '-'.join(result)

print(make_chunks(s,n))

Answer 5

如果我们从列出的数据开始：

string = '25c319f75e3fbed5a9f0497750ea12992b30d565'
lengths = [8, 4, 4, 12]

我们可以使用扫描来查找每个部分的开头或结尾：

import itertools
ends = list(itertools.accumulate(lengths))

看来accumulate 是特定于 Python 3 的，因此我们可能需要一种解决方法来在 Python 2 中进行扫描（这个在 O(n²) 时很慢）：

starts = [sum(lengths[:i]) for i in range(len(lengths))]

然后我们可以使用组合来提取部分：

dashed = '-'.join(string[end-length : end]
                  for end,length in zip(ends,lengths))

所有这些长度/索引操作的优点是它不会创建字符串的副本，只会创建其各个部分。否则，肖恩的解决方案非常简洁。

Answer 6

如果可能的字符集已知并且每个块的大小是固定的，也可以使用正则表达式和capturing groups：

import re

s = '25c319f75e3fbed5a9f0497750ea12992b30d565'
n = [8, 4, 4, 4, 4, 12]

pattern = ''
for nchars in n:
    pattern += f'([\w]{{{nchars}}})'
print(pattern)
# '([\\w]{8})([\\w]{4})([\\w]{4})([\\w]{4})([\\w]{4})([\\w]{12})'

pattern = re.compile(pattern, re.ASCII)
matches = pattern.search(s)

print(matches.groups())
# ('25c319f7', '5e3f', 'bed5', 'a9f0', '4977', '50ea12992b30')

print("-".join(matches.groups()))
# '25c319f7-5e3f-bed5-a9f0-4977-50ea12992b30'

正则表达式模式基本上是以下的重复模式：

([\\w]{n})

对于块大小列表中的每个 n 项目，其中：

• (...) 表示“匹配括号内的任何正则表达式，并指示组的开始和结束；执行匹配后可以检索组的内容，并且可以在字符串中稍后匹配"
• \w 表示“匹配 ASCII 字符集中被认为是字母数字的字符；这相当于 [a-zA-Z0-9_]。”（假设是 re.ASCII 标志）
• {n} 表示“指定应该精确匹配前一个 RE 的 n 副本；较少的匹配会导致整个 RE 不匹配。例如，a{6} 将精确匹配六个 'a' 字符，但不匹配五。"