Как разбить строку на отдельные символы?

Question

Здравствуйте, помогите, пожалуйста, с такой задачей: есть строка

data = "sadsadsadsfffffffddd dddsfd dsd"

Как её разбить на отдельные символы? Понимаю, что data.split(), но только не понятно, что в split() писать. Заранее спасибо.

Answer 1

Ну намудрили ...

result = list(data)

Answer 2

data уже является последовательностью (data[i] работает). Ничего вызывать не надо.

К примеру, чтобы напечатать каждый символ на отдельной строке:

for char in text:
    print(char)

Что можно кратко записать: print('\n'.join(text)). Если нужен именно Питон список, то просто chars = list(text).

Если вы работаете с текстом, то используйте Unicode. Юникодные строки в Питоне являются неизменямыми последовательностями символов (Unicode code points).

Видимые пользователем буквы (grapheme clusters) могут состоять из нескольких символов, к примеру, ё буква может быть представлена как последовательность двух символов: U+435 U+308 в Unicode—u'\u0435\u0308' в Питоне:

>>> print(u'\u0435\u0308')
ё

Каждый символ может быть представлен в различных кодировках одним или несколькими байтами, к примеру, букву я (U+044F) можно закодировать в два байта: 11010001 10001111 в utf-8 кодировке:

>>> print(u'\u044f')
я
>>> u'\u044f'.encode('utf-8')
b'\xd1\x8f'  # два байта: 209, 143

Байты/байтовая строка (bytes тип) это неизменяемая последовательность байт в Питоне.

str тип является bytes в Питоне 2. str является Unicode в Питоне 3.

Кроме того существует понятие code unit (8 бит в utf-8, 16 бит в utf-16). Строки в Javascript можно часто рассматривать как последовательности utf-16 code unit (может иметь значение при переносе функциональности в Питон), к примеру, смайлик (U+1F602) символ представлен как два code unit: D83D DE02 в utf-16(BE) кодировке:

>>> print(u'\U0001F602')

>>> u'\U0001F602'.encode('utf-16be')
b'\xd8=\xde\x02'  # четыре байта: 216, 61, 222, 2

То есть, если у вас текст, представленный как str в Питоне 3 (Юникод), то вы можете его рассматривать как различные последовательности в зависимости от задачи:

>>> import regex  # $ pip install regex
>>> text = 'я  ё'         # 6 code points
>>> print(ascii(text))
'\u044f \U0001f602 \u0435\u0308'
>>> regex.findall(r'\X', text) # 5 grapheme clusters
['я', ' ', '', ' ', 'ё']  # 5 user-perceived characters
>>> utf16codeunits(text)    # 7 utf-16 code units
(1103, 32, 55357, 56834, 32, 1077, 776)
>>> text.encode('utf-16be') # 14 bytes in utf-16
b'\x04O\x00 \xd8=\xde\x02\x00 \x045\x03\x08'
>>> text.encode('utf-8')    # 12 bytes in utf-8
b'\xd1\x8f \xf0\x9f\x98\x82 \xd0\xb5\xcc\x88'

где utf16codeunits().

Answer 3

Для начала вопрос - а для чего разбивать-то? Если нужно обращаться к каждому символу отдельно, то это можно делать так:

data[i]

а по теме: .split работает так:

arr = data.split('<символ(ы) для разделения>')

получается массив arr. Если вы поставите символ для разделения " " (пробел), то в массиве у вас будет три элемента.

Answer 4

Если нужен список, то так:

data = "sadsadsadsfffffffddd dddsfd dsd"
l = list(data)
print(l)

['s', 'a', 'd', 's', 'a', 'd', 's', 'a', 'd', 's', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'd', 'd', 'd', ' ', 'd', 'd', 'd', 's', 'f', 'd', ' ', 'd', 's', 'd']

Answer 5

Вот ваш реальный вопрос: Как сделать частотный анализ встречаемости символов

На псевдо-коде ( он-же JS ) так:

str = "содержание_вашего_файла"
res = [];
for ( var i = 0; i < str.length; i++ ){
  var ch = str[ i ];
  if ( !res[ ch ] ) res[ ch ] = 1;
  else res[ ch ]++;
}

Answer 6

Код анализа.

text = 'hello world'
unique_letters = set(text)
analize = {}
for letter in unique_letters:
    analize[letter] = text.count(letter)
print analize # => {' ': 1, 'e': 1, 'd': 1, 'h': 1, 'l': 3, 'o': 2, 'r': 1, 'w': 1}

Answer 7

import collections, io

stats = collections.defaultdict(lambda: 0)

with open('some.txt', 'r') as fp:
    for line in fp:
        for char in line:
            stats[char] += 1

Или так, что бы не плодить вложенные циклы:

import collections, io
from itertools import chain
stats = collections.defaultdict(lambda: 0)
with open('some.txt', 'r') as fp:
    for char in chain.from_iterable(fp):
        stats[char] += 1

Answer 8

Будет прекрасно работать на массиве любого размера через выражение-генератор. Массив в память при этом не загружается:

text = 'hello world'
indecies = set(text)
values = (text.count(letter) for letter in indecies)
analize = dict(zip(indecies, values))

Answer 9

Конечно, лучший вариант

data = "sadsadsadsfffffffddd dddsfd dsd"
list(data)

Но еще хороший вариант:

[c for c in data]

Answer 10

В кавычках знак который разделяет символы:

s=input()
l=list(''.join(s))
print(l)

---

rgbycm

['r', 'g', 'b', 'y', 'c', 'm']

---

Чтобы просто вывести символы через пробел без квадратных скобок и кавычек:

s=input()
l=' '.join(s)
print(l)

---

rgbycm

r g b y c m