3.3 Strenger

En tekst er en rekke enkelttegn i fast rekkefølge. Du kan måle lengden, indeksere og løpe gjennom den, nøyaktig som med en liste:

tekst = "sykkel" print(len(tekst))
print(tekst[0], tekst[3], tekst[-1])
for tegn in "bil":
    print(tegn)

Utskrift:

6 s k l b i l

Tellingen starter på null, og negativ indeks teller bakfra — samme regler som i
kap. 3.1.

Den ene store forskjellen kommer i neste definisjon: en liste kan endres, en tekst kan ikke.

Henter ut ett tegn som en tekst av lengde 1:

kode = "A4213" print(kode[0])
print(kode[1] + kode[2])
print(int(kode[1] + kode[2]))

Utskrift:

A
42
42

De to siste linjene er verdt å studere. kode[1] er teksten "4" og kode[2] er teksten "2", så plusstegnet skjøter dem til "42" — det er ikke tallet seks. Først int(...) gjør det om til et tall, og da ser utskriften tilfeldigvis lik ut.

Skulle du regnet med sifrene, måtte hvert av dem konverteres for seg:
int(kode[1]) + int(kode[2]) gir 6. Dette er feilkode #3 i sin reneste form.

Gir antall tegn, medregnet mellomrom og tegnsetting:

navn = "Ada" print(len(navn), len(""), len("to ord"))

Utskrift:

3 0 6

Merk den tomme teksten "" med lengde 0 — den er startpunktet i bygge-mønsteret lenger nede, og den er kanttilfellet du skal sjekke funksjonene dine på.

Og merk at "to ord" har seks tegn, ikke fem. Mellomrommet er et tegn som alle andre.

Går gjennom teksten tegn for tegn. Løkkevariabelen er en tekst av lengde 1:

antall = 0 for tegn in "kollektiv":
    if tegn == "l":
        antall = antall + 1 print(antall)

Utskrift:

2

Dette er den formen du skal bruke når du bare trenger tegnene. Trenger du
plassen — for eksempel for å gå bakfra, eller for å sammenligne med
naboen — bruker du for i in range(len(tekst)): i stedet, og henter tegnet med
tekst[i].

Valget er nøyaktig det samme som for lister, og svaret på det samme spørsmålet:
trenger du plassen?

En tekst kan ikke endres etter at den er laget. Dette går ikke:

tekst = "bil" tekst[0] = "s"

Programmet stopper, og siste linje i feilmeldingen er TypeError: 'str' object does not support item assignment. Blokken er merket som ikke-kjørbar fordi feilen er plantet med vilje.

Løsningen er alltid den samme: bygg en ny tekst i stedet.

tekst = "bil" ny = "s" + tekst[1] + tekst[2]
print(tekst, ny)

Utskrift:

bil sil

Legg merke til at den opprinnelige teksten er urørt. Det er en egenskap, ikke en begrensning: en tekst du har sendt til en funksjon, kan aldri komme endret tilbake, og det gjør tekster trygge å regne med.

del1 = "sykkel" del2 = "utleie" print(del1 + " " + del2)
ny = "" ny = ny + "a" ny += "b" print(ny, len(ny))

Utskrift:

sykkel utleie ab 2

Merk at mellomrommet må skrives inn selv, som en egen tekst " ". Plusstegnet setter tekstene helt inntil hverandre.

ny += "b" betyr nøyaktig det samme som ny = ny + "b". Begge er greie på eksamen — velg én og hold deg til den gjennom hele besvarelsen.

Gjør et tall om til tekst, slik at det kan skjøtes sammen med andre tekster:

antall = 12 print("Vi har " + str(antall) + " sykler")
print(str(3.5) + "!", len(str(100)))

Utskrift:

Vi har 12 sykler
3.5! 3

Uten str(...) ville første linje stoppet med en feilmelding: du kan ikke skjøte en tekst og et tall med plusstegnet.

Legg merke til siste uttrykk. str(100) er teksten "100", som har tre
tegn. Det er en grei måte å telle sifre på uten å regne.

Deler teksten i en liste av ord, på hvert mellomrom:

setning = "buss tog trikk" print(setning.split())
print(len(setning.split()))
print(setning.split()[0])

Utskrift:

['buss', 'tog', 'trikk']
3 buss

Resultatet er en helt vanlig liste, med alt du kan gjøre med lister fra
kap. 3.1: indeksering, len, og en for-løkke over elementene.

Merk skrivemåten: setning.split() med punktum foran og tomme parenteser etter.
Det er en metode — en funksjon som hører til teksten den står bak — samme form som liste.append(...).

Uten argument deler .split() på ett eller flere blanktegn, og den kaster tomme biter. "a b".split() gir derfor to elementer, ikke fire.

Med et argument deler den på nøyaktig det tegnet du oppgir:

linje = "Ada;19;Oslo" felt = linje.split(";")
print(felt)
print(felt[0], felt[1])
print(int(felt[1]) + 1)

Utskrift:

['Ada', '19', 'Oslo']
Ada 19
20

Dette er formen filoppgavene bruker: én linje inneholder flere felt, skilt av semikolon, komma eller kolon.

Legg merke til siste linje. Feltene er alltid tekster, også når de ser ut som tall. Skal du regne med et felt, må det gjennom int(...) først — det er feilkode #4, og den rammer alle som glemmer det.

Oppgi du feil skilletegn, får du én stor bit i stedet for flere små:
"Ada;19".split(",") gir ['Ada;19']. Da er feilen ikke en feilmelding, men et galt svar lenger nede. Det er feilkode #8.

Fjerner blanktegn i endene og gir en ny tekst. .rstrip() fjerner bare til høyre; .strip() fjerner i begge ender:

linje = "Ada;19\n" print(len(linje))
print(len(linje.rstrip()))
print(linje.rstrip().split(";"))
print("  ada  ".strip())

Utskrift:

7
6
['Ada', '19']
ada

Tegnet \n i første linje er linjeskiftet — ett enkelt tegn, ikke to, slik lengden 7 viser. Det henger med hver eneste linje du leser fra en fil, og det er nettopp det .rstrip() er til for.

Rekkefølgen er alltid .rstrip() FØR .split(). Snur du den, deler du opp
en tekst som fortsatt har linjeskiftet i seg, og det siste feltet blir feil.

Svarer True eller False på om en delstreng finnes i teksten:

tekst = "kollektivtrafikk" print("trafikk" in tekst)
print("Trafikk" in tekst)
print("t" in tekst)
print("ki" in tekst)

Utskrift:

True
False
True
False

Merk to ting. Testen skiller stor og liten bokstav — andre linje er usann bare fordi T er stor. Og tegnene må stå etter hverandre og i riktig rekkefølge:
"ki" finnes ikke, selv om både k og i gjør det hver for seg. ("kt" ville derimot gitt True, fordi de to står inntil hverandre i kollektiv.)

in forteller om delen finnes, ikke hvor. Trenger du plassen, teller du deg fram med en indeksløkke, slik du gjorde med lister.

Gir en ny tekst med bare små eller bare store bokstaver. Den opprinnelige er urørt:

navn = "Ada Berg" print(navn.lower())
print(navn.upper())
print(navn)
print("ADA".lower() == "ada")

Utskrift:

ada berg
ADA BERG
Ada Berg
True

Den vanligste bruken er å sammenligne uten å bry seg om store bokstaver: gjør begge sider små først, og sammenlign så.

Merk at metodene returnerer en ny tekst. Skriver du bare navn.lower() på en linje for seg, kastes resultatet og navn er uendret — samme felle som med alt annet som returnerer noe.

Ett enkelt symbol i en tekst: en bokstav, et siffer, et mellomrom, et komma eller et linjeskift.

I Python finnes ingen egen datatype for ett tegn. tekst[0] gir en tekst av lengde 1, og den kan alt en tekst kan — den kan sammenlignes, skjøtes og sendes til en funksjon.

Det er derfor sifferbetingelsen tegn >= "0" and tegn <= "9" fungerer: du sammenligner to tekster, ikke to tall.

Teksten "", med lengde 0.

Den er startpunktet i tegn-for-tegn-mønsteret, og den er svaret når en funksjon ikke fant noe å ta med. En tom tekst ser ut som ingenting når den skrives ut, og det forveksles lett med at funksjonen ikke returnerte noe.

Skillet er viktig: "" er en tekst med lengde 0, mens None betyr at det ikke kom noen verdi tilbake i det hele tatt.

En tekst skrevet rett inn i koden, mellom anførselstegn: "sykkel".

Enkle og doble anførselstegn virker likt i Python. Boka bruker doble, og det gjør fagets løsningsforslag også — men når Python skriver ut en tekst som ligger inne i en liste eller ordbok, viser den den med enkle.

Den forskjellen er ren utskriftsform, ikke to ulike verdier. Men i et auto-rettet svarfelt må du gjengi den slik terminalen faktisk viser den.

Tekster sammenlignes tegn for tegn etter rekkefølgen i tegnsettet, ikke etter lengde.

I praksis betyr det at store bokstaver kommer før små, og at sifrene står samlet før bokstavene. Derfor er "Z" < "a" sann, og derfor virker
tegn >= "0" and tegn <= "9" som en siffertest.

Skal du sammenligne uten å bry deg om store bokstaver, gjør begge sider små med
.lower() først.

Fellesordet for mellomrom, tabulator og linjeskift — tegnene som ikke vises, men som teller med i lengden.

.split() uten argument deler på blanktegn, og .strip() og .rstrip() fjerner dem i endene.

De er kilden til de fleste stumme feilene i faget: to tekster som ser like ut på skjermen, kan skille seg med ett usynlig tegn — og da svarer sammenligningen
False uten at noe ser galt ut.

Tegnet som avslutter en linje. I Python skrives det \n inne i en tekst, og det er ett tegn, ikke to.

Hver linje du leser fra en fil, har det på slutten. Derfor er .rstrip() det første du gjør med en innlest linje, hver eneste gang.

Du ser det aldri i en utskrift — der viser det seg bare som at teksten fortsetter på neste linje.

En funksjon som hører til verdien den står bak, skrevet med punktum mellom:
tekst.split(), tekst.rstrip(), liste.append(e).

Skrivemåten forteller hvem som gjør jobben. len(tekst) er en vanlig funksjon som får teksten inn; tekst.split() er en metode som teksten selv utfører.

Senere i boka skriver du dine egne metoder, på dine egne klasser. Formen med punktum blir da den samme — og det er ingen tilfeldighet.

Metodene i dette kapitlet deler seg i to grupper, og forskjellen koster poeng.

.split(), .rstrip(), .strip(), .lower() og .upper() returnerer en ny verdi og lar originalen være urørt. De må tas imot:
ren = linje.rstrip().

liste.append(e) endrer lista og returnerer ingenting. Den skal ikke tas imot — liste = liste.append(e) ødelegger lista.

Regelen: er verdien uforanderlig, får du en ny; kan den endres, blir den endret.

En av bitene du får når du deler en linje: i "Ada;19;Oslo" er "Ada", "19" og "Oslo" de tre feltene.

Feltene er alltid tekster, også når de ser ut som tall. Skal du regne med et felt, må det gjennom int(...) — det er feilkode #4.

Rekkefølgen er fast og bestemt av dataformatet, så du henter dem med indeks:
felt[0] er navnet, felt[1] alderen. Skriv gjerne en kommentar om hvilket felt som er hva; det gjør besvarelsen lettere å rette.

Å bygge en ny tekst med ny = "" før løkka, ny = ny + tegn inne i den og
return ny etter.

Kjenn det igjen på oppgaveteksten: «fjern alle …», «lag en ny tekst der …»,
«behold bare …», «snu …».

Det er samme skjelett som bygg-en-ny-liste-mønsteret, med "" i stedet for [] og plusstegn i stedet for append. Ser du de to som ett mønster med to varianter, har du dekket halve sjanger C og hele sjanger E.

De tre tallene er lette å bomme på: start er len(tekst) - 1, stopp er -1 fordi stoppverdien aldri er med, og steget er -1.

Trenger du bare å snu teksten, finnes det en enklere vei: bygg foran med
ny = tegn + ny i en vanlig løkke. Da har du ingen grenser å skrive feil.

Resultatet av .split() er en helt vanlig liste, ikke en tekst.

Det betyr at alt fra kap. 3.1 gjelder: len(...) gir antall biter, felt[0] gir den første, og for del in tekst.split(): går gjennom dem.

Nettopp derfor kommer strengekapitlet etter listekapitlet. Uten lister ville
.split() ikke hatt noe å levere resultatet i.

De to typene ser like ut i en utskrift, men oppfører seg helt ulikt.

"12" + "3" gir "123"; 12 + 3 gir 15. "12" * 2 gir "1212"; 12 * 2 gir 24. Og "12" == 12 er usann — de er ikke samme verdi.

Alt som kommer inn utenfra, er tekst: det brukeren skriver, og hver linje fra en fil. Konverteringen med int(...) er derfor ikke en detalj, men første steg i enhver oppgave med data utenfra.

Tegnet du deler en linje på: semikolon, komma, kolon eller mellomrom.

Skilletegnet er en del av dataformatet, ikke noe du velger fritt. Leser du en fil, må du bruke det tegnet fila faktisk bruker — oppgir du feil, får du én stor bit i stedet for flere små, og feilen er stum.

Er du usikker på formatet i en eksamensoppgave, skriv en kommentar om hvilket skilletegn du har forutsatt. Det er den ene legitime bruken av kommentarer i en besvarelse.