Métodos de cadeia de caracteres no Python
Cadeias de caracteres são um dos tipos de método mais comuns no Python. Geralmente, você precisa manipular as cadeias de caracteres para extrair informações ou ajustar a um determinado formato. O Python inclui vários métodos de cadeia de caracteres projetados para fazer as transformações mais comuns e úteis.
Os métodos de cadeia de caracteres fazem parte do tipo str, o que significa que os métodos existem como variáveis ou parte da cadeia de caracteres diretamente. Por exemplo, o método .title() retorna a cadeia de caracteres com iniciais em maiúsculas e pode ser usado diretamente com uma cadeia de caracteres:
print("temperatures and facts about the moon".title())
Saída: Temperatures And Facts About The Moon
Os mesmos comportamento e uso ocorrem em uma variável:
heading = "temperatures and facts about the moon"
heading_upper = heading.title()
print(heading_upper)
Dividir uma cadeia de caracteres
Um método comum de cadeia de caracteres é .split(). Sem argumentos, o método separa a cadeia de caracteres em cada espaço. Se você usar o método dessa forma, criará uma lista de cada palavra ou número separado por um espaço:
temperatures = "Daylight: 260 F Nighttime: -280 F"
temperatures_list = temperatures.split()
print(temperatures_list)
Saída: ['Daylight:', '260', 'F', 'Nighttime:', '-280', 'F']
Neste exemplo, você está lidando com várias linhas, portanto, o caractere de nova linha (implícito) pode ser usado para dividir a cadeia de caracteres ao final de cada linha, criando linhas individuais:
temperatures = "Daylight: 260 F\n Nighttime: -280 F"
temperatures_list = temperatures.split('\n')
print(temperatures_list)
Saída: ['Daylight: 260 F', 'Nighttime: -280 F']
Esse tipo de divisão torna-se útil quando você precisa de um loop para processar ou extrair informações ou quando você está carregando dados de um arquivo de texto.
Pesquisar uma cadeia de caracteres
Alguns métodos de cadeia de caracteres podem procurar conteúdos antes do processamento, sem usar um loop. Vamos supor que você tem duas frases que discutem as temperaturas em diversos planetas e luas. No entanto, você está interessado apenas em temperaturas relacionadas à nossa lua. Ou seja, se as frases não estão falando sobre a Lua da Terra, elas não devem ser processadas para extrair informações.
A maneira mais simples de descobrir se uma determinada palavra, caractere ou grupo de caracteres existe em uma cadeia de caracteres é usar o operador in:
print("Moon" in "This text will describe facts and challenges with space travel")
Saída: False
print("Moon" in "This text will describe facts about the Moon")
Saída: True
Uma abordagem para localizar a posição de uma palavra específica em uma cadeia de caracteres é usar o método .find():
temperatures = """Saturn has a daytime temperature of -170 degrees Celsius, while Mars has -28 Celsius."""
print(temperatures.find("Moon"))
Saída: -1
O método .find() retorna um -1 quando a palavra não é encontrada ou retorna o índice (o número que representa o local na cadeia de caracteres). O exemplo a seguir mostra como ele se comportaria se você estiver procurando a palavra Marte:
temperatures = """Saturn has a daytime temperature of -170 degrees Celsius, while Mars has -28 Celsius."""
print(temperatures.find("Mars"))
Saída: 64
64 é a posição em que "Mars" aparece na cadeia de caracteres.
Outra maneira de pesquisar conteúdo é usar o método .count(), que retorna o número total de ocorrências de uma determinada palavra em uma cadeia de caracteres:
temperatures = """Saturn has a daytime temperature of -170 degrees Celsius, while Mars has -28 Celsius."""
print(temperatures.count("Mars"))
print(temperatures.count("Moon"))
1
0
As cadeias de caracteres em Python diferenciam letras minúsculas de minúsculas, o que significa que Lua e lua são consideradas palavras distintas. Para fazer uma comparação sem diferenciar maiúsculas de minúsculas, você pode converter uma das cadeias de caracteres em letras minúsculas usando o método .lower():
print("The Moon And The Earth".lower())
Saída: the moon and the earth
Semelhante ao método .lower(), as cadeias de caracteres têm um método .upper() que faz o oposto, convertendo cada caractere em letras maiúsculas:
print("The Moon And The Earth".upper())
Saída: THE MOON AND THE EARTH
Dica
Quando você está pesquisando e verificando conteúdos, a abordagem mais adequada é converter a cadeia de caracteres para minúsculas a fim de evitar que isso atrapalhe nas correspondências encontradas. Por exemplo, se você estiver contando o número de vezes que a palavra o aparece, o método não contará as ocorrências de O, embora ambos correspondam à mesma palavra. Você pode usar o método .lower() para alterar todos os caracteres para minúsculos.
Verificar conteúdo
Há ocasiões em que você terá que processar textos para extrair informações apresentadas de modo irregular. Por exemplo, a seguinte cadeia de caracteres é mais simples de processar do que um parágrafo não estruturado:
temperatures = "Mars Average Temperature: -60 C"
Para extrair a temperatura média em Marte, você pode fazer bem com os seguintes métodos:
temperatures = "Mars Average Temperature: -60 C"
parts = temperatures.split(':')
print(parts)
print(parts[-1])
['Mars average temperature', ' -60 C']
' -60 C'
O código anterior confia que tudo o que vem após os dois-pontos (:) corresponde a dados de temperatura. A cadeia de caracteres é dividida em :, o que produz uma lista de dois itens. Usar [-1] na lista retorna o último item, que é a temperatura neste exemplo.
Se o texto for irregular, você não poderá usar os mesmos métodos de divisão para obter o valor. Você deve fazer um loop sobre os itens e verificar se os valores são de um determinado tipo. O Python tem métodos que ajudam a verificar o tipo de cadeia de caracteres:
mars_temperature = "The highest temperature on Mars is about 30 C"
for item in mars_temperature.split():
if item.isnumeric():
print(item)
Saída: 30
Como o método .isnumeric(), .isdecimal() pode verificar se há cadeias de caracteres que se parecem com decimais.
Importante
Pode ser surpreendente descobrir que "-70".isnumeric() retornaria False. Isso ocorre porque todos os caracteres da cadeia de caracteres precisariam ser numéricos e o traço (-) não é. Se você precisar verificar números negativos em uma cadeia de caracteres, o método .isnumeric() não funcionará.
Há validações adicionais que você pode aplicar nas cadeias de caracteres para checar valores. Para números negativos, o traço aparece como um prefixo do número, podendo ser detectado com o método .startswith():
print("-60".startswith('-'))
Saída: True
Da mesma forma, o método .endswith() ajuda a verificar o último caractere de uma cadeia de caracteres:
if "30 C".endswith("C"):
print("This temperature is in Celsius")
Saída: This temperature is in Celsius
Texto de transformação
Há outros métodos que ajudam em situações em que o texto precisa ser transformado em outra coisa. Até agora, você viu cadeias de caracteres que podem usar C para Celsius e F para Fahrenheit. Você pode usar o método .replace() para encontrar e substituir ocorrências de um caractere ou grupo de caracteres:
print("Saturn has a daytime temperature of -170 degrees Celsius, while Mars has -28 Celsius.".replace("Celsius", "C"))
Saída: Saturn has a daytime temperature of -170 degrees C, while Mars has -28 C.
Conforme mencionado anteriormente, .lower() é uma excelente maneira de normalizar o texto para fazer uma pesquisa que não faça distinção entre maiúsculas e minúsculas. Vamos verificar rapidamente se algum texto discute temperaturas:
text = "Temperatures on the Moon can vary wildly."
print("temperatures" in text)
Saída: False
text = "Temperatures on the Moon can vary wildly."
print("temperatures" in text.lower())
Saída: True
Talvez você não precise fazer a verificação que não faz distinção entre maiúsculas e minúsculas o tempo todo, mas converter todas as letras para minúsculas é uma boa estratégia quando o texto mistura letras maiúsculas e minúsculas.
Depois de dividir o texto e executar as transformações, talvez seja necessário unir as partes novamente. Assim como o método .split() pode separar caracteres, o método .join() pode uni-los novamente.
O método .join() requer um objeto iterável (como uma lista do Python) como um argumento, portanto, seu uso é diferente de outros métodos de cadeia de caracteres:
moon_facts = ["The Moon is drifting away from the Earth.", "On average, the Moon is moving about 4cm every year."]
print(' '.join(moon_facts))
Saída: The Moon is drifting away from the Earth. On average, the Moon is moving about 4cm every year.
Neste exemplo, ' ' é usado para colocar todos os itens na lista.