Python 支持制表符的 len() 和填充函数

Question

Python中的 len() 函数和像 string.ljust() 这样的填充函数并不考虑制表符的宽度，也就是说，它们把 '\t' 当作普通的单字符来处理，不会把 len() 的结果向上调整到最近的制表符宽度的倍数。举个例子：

len('Bear\tnecessities\t')

结果是17，而不是24（也就是4+(8-4)+11+(8-3)）。

假设我还想要一个函数 pad_with_tabs(s)，使得：

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

我在寻找这些函数的简单实现——首先要紧凑和易读，其次才是效率。这是一个基础但让人烦恼的问题。

@gnibbler - 你能展示一个纯Python的解决方案吗？即使它的效率低20倍也没关系。

当然，你可以使用 str.expandtabs(TABWIDTH) 来进行转换，但这有点麻烦。

引入数学库来计算 TABWIDTH * int( math.ceil(len(s)*1.0/TABWIDTH) ) 似乎也太复杂了。

我没能想出比下面的更优雅的方案：

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

而且由于Python字符串是不可变的，除非我们想要把我们的函数添加到字符串模块中作为一个方法，否则我们必须将函数的结果赋值给一个变量：

s = pad_with_tabs(s, ...)

特别是我没能用列表推导式或 string.join(...) 找到干净的解决方案：

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

而且还要处理 len(s) 小于 TABWIDTH 的整数倍，或者 len(s) >= maxlen 的特殊情况。

有没有人能展示更好的 len() 和 pad_with_tabs() 函数？

Answer 1

TABWIDTH * int( math.ceil(len(s)*1.0/TABWIDTH) ) 这个写法其实太复杂了；你可以用更简单的方法得到同样的结果。对于正数 i 和 n，可以这样做：

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

这个方法在我用过的几乎所有编程语言中都能用，只要稍微调整一下就行。

然后你可以这样写 next_pos = round_up_positive_int(len(s), TABWIDTH)

为了让你的代码看起来更优雅一点，不要用

while(s_len < maxlen):

而是用这个：

while s_len < maxlen:

Answer 2

我觉得gnibbler的方法在大多数实际情况下是最好的。不过，这里有一个简单的方法（没有考虑换行符等）来计算字符串的长度，而不需要创建一个扩展的副本：

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

这个方法可能对一些非常大的字符串或者内存映射文件会有用。下面是一个稍微优化过的填充函数：

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 3

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)

我为什么要用 expandtabs()？
因为它很快

$ 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

任何对你的字符串进行循环的操作都会慢，因为单单循环的速度大约是 expandtabs 的四倍慢，即使在循环中什么都不做。

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

就连简单地按制表符分割字符串也会花更多时间。你还得对分割后的每个项目进行循环，并把它们填充到制表符的位置。