Programación de Computadores - UNAL

Strings

Carácteres

Definición
Un carácter es el elemento mínimo de información usado para representar, controlar, transmitir y visualizar datos. Al conjunto de carácteres usados con este fin se le llama: esquema de codificación. Los esquemas de codificación en general usan un número de bits o bytes fijos.

Esquema ASCII

Código Estadounidense Estándar para el Intercambio de Información (American Standard Code for Information Interchange).

En su versión original usa 7 bits, definiendo 128 carácteres.
En la versión extendida usa 8 bits (esto es 1 byte), definiendo 256 carácteres.
Es la base de los archivos de texto plano (o sin formato).
Es el esquema base para la escritura de programas en casi todos los lenguajes de programación (incluido Python).

Código ASCII

Unicode

Esquema de codificación cuyo objetivo es dar a cada carácter usado por cada uno de los lenguajes humanos su propio código, es decir, permitir la "internacionalización" de la computación.

UTF-8: Definido por ocho (8) bits (un byte). Toma como base el ASCII, ANSI de Windows y el ISO 􀀀 8859 􀀀 1. Muy usado en HTML.
UTF-16: Definido por 16 bits (2 bytes). Usa una representación de longitud variable que permite su optimización en procesos de codificación a texto (usando un subconjunto de ASCII o UTF 􀀀 8).
UTF-32: Definido por 32 bits (4 bytes). Es el mas simple pues usa una representación de longitud fija.

Unicode

Chars

Dado que Python usa ASCII para la escritura de sus programas, se cuenta con un esquema de representación para indicar que se usaran los mismos. El carácter a usar se delimita por el carácter ' o por el carácter " (llamado escape) de carácteres tanto de control o Unicode.

'A': Se refiere al carácter A
"3": Se refiere al carácter 3
'"': Se refiere al carácter "
"'": Se refiere al carácter '

Cadenas de carácteres

Una cadena de carácteres str es una secuencia de cero o mas carácteres. Una cadena de carácteres se delimita por el carácter ' o por el carácter ". Una cadena de carácteres es una estructura de datos inmutable, esto significa que no puede ser cambiada.

'ejemplo de cadena'
"Cadena con un tabulado \t y una nueva \n línea"
'Cadena con un carácter unicode \u01F4 y una comilla doble"'
"Cadena con una comilla simple ', una comilla doble " y una diagonal invertida \"
La cadena vacía "" o ''

Ejemplo 1:

str1 = "ejemplo de cadena"
print(str1)

Ejemplo 2:

cadena = "Cadena con un tabulado \t, y una nueva \n linea"
print(cadena)

Operadores

Concatenar

Concatena (pega) dos cadenas. Se utiliza el símbolo +.

Ejemplo 3:

nombre = "Minch Yoda"
trabajo = "Stars War"
print(nombre + " el maestro")
print(nombre + trabajo)
print(trabajo + " " + nombre)

Comparar

Se usan los operadores convencionales (<, <=, >, >=, ==, !=) para comparar cadenas usando el orden lexicográfico. En el orden lexicográfico, se comparan de izquierda a derecha uno a uno los carácteres, mientras sean iguales. En el caso que no sean iguales, si el carácter de la primera cadena es menor que el de la segunda a la primer cadena se le considera menor, pero si es mayor, a la primer cadena se le considera mayor. Si todos los carácteres son iguales, las cadenas son iguales.

Ejemplo 4:

print("Rojas" < "Rosas")
print("Rojas" == "rosas")

Subindice

Accede los elementos de una cadena, el primer índice de la cadena es cero (0). Se usa el operador [index].

Ejemplo 4:

nombre = "Minch Yoda"
print(nombre[0]) # imprime M
print(nombre[6]) # imprime Y
print(nombre[4]) # imprime h

Pertenencia

Es posible determinar si una subcadena se encuentra en una cadena de carácteres. Se utiliza el operador in.

Ejemplo 5:

text = "cien años de soledad"
if "años" in text:
  print("yes")
else:
  print("no")

Al igual que una lista, una cadena se puede convertir en un iterable utilizando el bucle for y el operador in.

Ejemplo 6:

s = "hola amigos mios"
for letra in s: # se puede iterar cada letra de la cadena
print(letra, end = ", ")

Métodos

len()

La función len determina la longitud de una cadena.

Ejemplo 7:

nombre = "Minch Yoda"
trabajo = "Stars War"
planeta = "Tatoon \t cinco"
vacia = ""
print(len(nombre)) # 10
print(len(trabajo)) # 9
print(len(planeta)) # 14
print(len(vacia)) # 0

slicing

La función slice obtiene una porción (subcadena) de una cadena. La notación es similar a la función range, [inicio:fin:incremento].

Ejemplo 8:

nombre = "Minch Yoda"
print(nombre[:5]) # Minch
print(nombre[0:7]) # Minch Y
print(nombre[6:10]) # Yoda
print(nombre[::-1]) # adoY hcniM

count

El método count obtiene las veces que una subcadena se encuentra en una cadena (o en una parte de ella). La notación es count(subcadena, inicio, fin).

Ejemplo 9:

str1 = "The avengers"
print(str1.count("e")) # 3
print(str1.count("e", 0, 3)) # 1
print(str1.count("e", 4, len(str1))) # 2
cad = "abcabcabcabcabc" 
print(cad.count("abc")) # 5

Busqueda (find - rfind)

Los métodos find y rfind obtienen la primera y última ocurrencia de una subcadena en una cadena (o en una parte de ella), respectivamente. La notación es find/rfind(subcadena, inicio, fin).

Ejemplo 9:

str2 = "It is not despair, for despair is " \
"only for those who see the end " \
"beyond all doubt. We do not."
print("first:", str2.find("despair")) # 10
print("last:", str2.rfind("despair")) # 23

Casing

Mayúsculas, min;usculas, capitalización, swap.

Ejemplo 10:

s = "cien años de soledad en Macondo"
print(s.lower()) # Muestra la cadena en minusculas
print(s.upper()) # Muestra la cadena en mayusculas
print(s.capitalize()) # Primer letra a mayuscula
print(s.title()) # Primer letra cada palabra a mayuscula
print(s.swapcase()) # Mayusculas <-> minusculas

Removiendo carácteres

El metodo strip/lstrip/rstrip remueve los carácteres deseados a los dos lados/izquierda/derecha de una cadena. La notación es strip/lstrip/rstrip(carácteres). Si no se dan carácteres como argumento, elimina espacios en blanco (espacios y tabulaciones).

Ejemplo 11:

s = "---++---cien a~nos de soledad en Macondo---++---"
print(s.strip("-+"))
print(s.lstrip("-+"))
print(s.rstrip("-+"))

split()

El método split divide una cadena de acuerdo a una subcadena que sirve como delimitador, dejando las partes separadas en una lista. La notación es split(delimitador).

Ejemplo 11:

sdate = "01-06-2021"
sp = sdate.split("-")
print(sp)
print("dia:", sp[0], "- mes:", sp[1], "- año:", sp[2])

Justificación

Existen cuatro métodos para justificar cadenas:

ljust() : Justificar una cadena a la izquierda
rjust() : Justificar una cadena a la derecha
center() : Centrar una cadena
zfill() : Llenar una cadena con ceros

Ejemplo 12:

str1 = "Bogota"
print(str1.ljust(15, "#"))
print(str1.rjust(15, "#"))
print(str1.center(15, "#"))
account = "123456789"
print(account.zfill(15))

replace

El método replace reemplazar una subcadena en una cadena por otra. La notación es replace(anterior, nueva).

Ejemplo 12:

str1 = "cien años de soledad"
print(str1)
rep = str1.replace("cien", "setenta")
print(rep)
rep = rep.replace("años", "días")
print(rep)
rep = rep.replace("soledad", "clases sincronicas!")
print(rep)

.join

En general, permite convertir el contenido de una lista/tupla/string en un string separada por un carácter en particular.

Ejemplo 13:

l1 = ["1", "2", "3", "4"]
s1 = ", ".join(l1)
print(s1)

Ejemplo 14:

s2 = "Hola"
print(" ".join(s2))

print

Tiene la forma:

*print(objects, sep=' ', end='\n', file=None, flush=False)

Imprime objects al flujo de texto file, separándolos por sep y seguidos por end.

Todos los argumentos que no son por palabra clave se convierten a cadenas tal y como str() hace y se escriben al flujo, separados por sep y seguidos por end. Tanto sep como end deben ser cadenas; también pueden ser None, lo cual significa que se empleen los valores por defecto. Si no se indica objects, print() escribirá end.

format

A la hora de imprimir cadenas de carácteres se pueden 'formatear' para lograr cierto estilo o reemplazar ciertos valores. Existen diversas formas de hacerlo:

Old style

El estilo clásico utiliza el operador %. Se asemeja bastante a usar printf de C. % Define un placeholder en el cual se podrá reemplazar un valor con ciertas carácteristicas (tipo de datos, representación, entre otras).

name = "Felipe"
print("Hola, %s" % name)

En caso que sean múltiples argumentos se pueden referir con una tupla.

name = "Felipe"
dia = 15
print("Hola, %s, hoy es el dia %i" % (name, dia))

Tipos de datos a representar en el placeholder.

`b`	Binary integer
`c`	Single character
`d`	Decimal integer
`e` or `E`	Exponential
`f` or `F`	Floating point
`g` or `G`	Floating point or Exponential
`o`	Octal integer
`s`	String
`x` or `X`	Hexadecimal integer
`%`	Percentage

Felipe's style (maybe the worse)

As expected, I wanna do thing in my own way. To format stuff in a string I just concatenate all stuff using + and convert everyting to a string with str().

name = "Felipe"
dia = 15
print("Hola, "+ name + ", hoy es el dia " + str(dia))

The new style

Python 3 trajó consigo una nueva forma de formatear utilizando la función .format(). En términos generales se asemeja al uso del placeholder %, el cual es sustituido por {}, luego dentro de los argumentos de la función format se reemplazan los valores y el estilo.

name = "Felipe"
print("Hola, {}".format(name))

name = "Felipe"
dia = 15
print("Hola, {}, hoy es el dia {}".format(name, dia))

name = "Felipe"
dia = 15
print("Hola, {nombre}, hoy es el dia {dia}".format(nombre=name, dia=dia))

name = "Felipe"
dia = 15
print("Hola, {nombre:s}, hoy es el dia {dia:d}".format(nombre=name, dia=dia))

f-Strings

Disponibles para Python 3.6+ esta nueva nueva forma permite embeber expresiones de python dentro de cadenas de carácteres.

name = "Felipe"
print(f'Hola, {name}')

name = "Felipe"
dia = 15
print(f"Hola, {name}, hoy es el dia {dia}")

Reto 12

Consulte que hacen los siguientes métodos de strings en python: endswith, startswith, isalpha, isalnum, isdigit, isspace, istitle, islower, isupper.
Procesar el archivo y extraer:

Cantidad de vocales
Cantidad de consonantes
Listado de las 50 palabras que más se repiten

fegonzalez7/pdc_unal_clase16