Python 制表位感知 len() 和填充函数

Question

Python 的 len() 和诸如 string.ljust() 之类的填充函数不支持制表位，即它们像对待任何其他单宽字符一样对待 '\t'，并且不不会将 len() 向上舍入到最接近的 tabstop 倍数。示例：

len('Bear\tnecessities\t')

是 17 而不是 24 （即 4+(8-4)+11+(8-3) ）

并说我还想要一个函数 pad_with_tabs(s) 这样

pad_with_tabs('Bear', 15) = 'Bear\t\t'

寻找简单的实现这些 - 紧凑性和可读性第一，效率第二。 这是一个基本但令人恼火的问题。 @gnibbler - 你能展示一个纯粹的 Pythonic 解决方案，即使它的效率低 20 倍？

当然，您可以使用 str.expandtabs(TABWIDTH) 来回转换，但这很笨拙。 导入数学来获取 TABWIDTH * int( math.ceil(len(s)*1.0/TABWIDTH) ) 似乎也有点矫枉过正。

我无法管理比以下更优雅的东西：

TABWIDTH = 8

def pad_with_tabs(s,maxlen):
  s_len = len(s)
  while s_len < maxlen:
    s += '\t'
    s_len += TABWIDTH - (s_len % TABWIDTH)
  return s

函数的结果：

s = pad_with_tabs(s, ...)

并且由于Python字符串是不可变的，除非我们想将函数猴子修补到字符串模块中以将其添加为方法，否则我们还必须分配给 特别是我无法使用列表理解或 string.join(...) 获得干净的方法：

''.join([s, '\t' * ntabs])

如果没有特殊情况，len(s) 是 len(s) 的情况。 TABWIDTH 的整数倍），或已经 len(s)>=maxlen。

谁能展示更好的 len() 和 pad_with_tabs() 函数？

Answer 1

我相信 gnibbler 是最适合大多数实际情况的。但无论如何，这里有一个简单的（不考虑 CR、LF 等）解决方案来计算字符串的长度而不创建扩展副本：

def tab_aware_len(s, tabstop=8):
    pos = -1
    extra_length = 0
    while True:
        pos = s.find('\t', pos+1)
        if pos<0:
            return len(s) + extra_length
        extra_length += tabstop - (pos+extra_length) % tabstop - 1

可能它对于一些巨大的字符串甚至内存映射文件可能很有用。这是稍微优化的填充函数：

def pad_with_tabs(s, max_len, tabstop=8):
    length = tab_aware_len(s, tabstop)
    if length<max_len:
        s += '\t' * ((max_len-1)//tabstop + 1 - length//tabstop)
    return s

Answer 2

TABWIDTH * int( math.ceil(len(s)*1.0/TABWIDTH) ) 确实是一个巨大的过度杀戮；您可以更简单地获得相同的结果。对于正的 i 和 n，请使用：

def round_up_positive_int(i, n):
    return ((i + n - 1) // n) * n

经过适当的翻译后，此过程适用于我曾经使用过的几乎任何语言。

然后你可以做 next_pos = round_up_positive_int(len(s), TABWIDTH)

为了稍微提高代码的优雅性，而不是

while(s_len < maxlen):

使用这个：

while s_len < maxlen:

Answer 3

不幸的是，我无法“按原样”使用接受的答案，因此这里有稍微修改的版本，以防万一有人遇到同样的问题并通过搜索发现这篇文章：

from decimal import Decimal, ROUND_HALF_UP
TABWIDTH = 4

def pad_with_tabs(src, max_len):
    return src + "\t" * int(
        Decimal((max_len - len(src.expandtabs(TABWIDTH))) / TABWIDTH + 1).quantize(0, ROUND_HALF_UP))


def pad_fields(input):
    result = []
    longest = max(len(x) for x in input)
    for row in input:
        result.append(pad_with_tabs(row, longest))
    return result

输出列表包含正确填充的行，其中选项卡计数四舍五入，因此结果数据当原始答案中没有添加制表符时，无论角 0.5 情况如何，都将具有相同的缩进级别。

Answer 4

TABWIDTH=8
def my_len(s):
    return len(s.expandtabs(TABWIDTH))

def pad_with_tabs(s,maxlen):
    return s+"\t"*((maxlen-len(s)-1)/TABWIDTH+1)

为什么我使用 expandtabs()？
好吧，它很快

$ python -m timeit '"Bear\tnecessities\t".expandtabs()'
1000000 loops, best of 3: 0.602 usec per loop
$ python -m timeit 'for c in "Bear\tnecessities\t":pass'
100000 loops, best of 3: 2.32 usec per loop
$ python -m timeit '[c for c in "Bear\tnecessities\t"]'
100000 loops, best of 3: 4.17 usec per loop
$ python -m timeit 'map(None,"Bear\tnecessities\t")'
100000 loops, best of 3: 2.25 usec per loop

任何对字符串进行迭代的操作都会变慢，因为即使您在循环中不执行任何操作，仅迭代也比 expandtabs 慢约 4 倍。

$ python -m timeit '"Bear\tnecessities\t".split("\t")'
1000000 loops, best of 3: 0.868 usec per loop

即使只是在选项卡上拆分也需要更长的时间。您仍然需要迭代拆分并将每个项目填充到制表符