It og informationssøgning Forelæsning september 2006 Nils Andersen. Gentagelser og tekster

Transkript

1 It og informationssøgning Forelæsning september 2006 Nils Andersen Gentagelser og tekster Dokumentationstekster Iteration (gentagelse) - med while - med for En- og todimensionale tabeller Typen af tekster Udvælgelse fra en tekst Tegn (tekster af længde én) Tegnsæt: ISO7, ISO8 og Unicode Downey, Elkner & Meyers: Chapt. 6 7 Andersen & Simonsen: kap. 3 1

2 Dokumentationstekst Mange standardfunktioners virkning specificeres af et særligt attribut doc : >>> print execfile. doc execfile(filename[, globals[, locals]]) Read and execute a Python script form a file. The globals and locals are dictionaries, defaulting to the current globals and locals. If only globals is given, locals defaults to it. Med en tekst forrest i en funktionskrop (foran kroppens egentlige sætninger) gives doc værdi for ens egne funktioner: >>> def fakultet(n):... """fakultet(n) n!, det vil sige 1*2*3*...*(n-1)*n"""... if n == 0: return 1... else: return n * fakultet(n - 1)... >>> print fakultet. doc fakultet(n) n!, det vil sige 1*2*3*...*(n-1)*n 2

3 Gentagelse med while For en betingelse b og indrykkede sætninger S udføres konstruktionen while b: S således: test b (sand), udfør S, test b (sand), udfør S,..., test b (sand), udfør S, test b (falsk). S udføres 0, 1, 2 eller flere gange; eventuelt i det uendelige ( uendelig løkke, som må afbrydes med CtrlˆC). >>> def fakultet(n):... fakultet(n) beregner n!, dvs. 1*2***n... fakt = 0... prod = 1... while fakt < n: # prod = 1*2***fakt... fakt = fakt prod = prod * fakt... return prod... >>> print fakultet(3) 6 3

4 Gentagelse (fortsat) def nedtael(n): t = n while t > 0: print str(t)+,, t = t - 1 print fyr def flertalsform(ord):... return... def flertal(): stikord = Det engelske navneord indord = raw input(stikord) while indord!= exit : print hedder, flertalsform(indord), \ i flertal indord = raw input(stikord) 4

5 Tabellinje >>> def tegnlinje(tegn,bredde):... val = ord(tegn)... pos = 0... while pos < bredde:... print chr(val), \t,... pos = pos val = val print... >>> tegnlinje( a,5) a b c d e >>> tegnlinje(,7)! " # $ % & 5

6 Todimensional tabel >>> def tegntabel(tegn,hqjde,bredde):... linje = 0... while linje < hqjde:... tegnlinje(tegn,bredde)... tegn = chr(ord(tegn) + bredde)... linje = linje A B C D E F G H I J K L M N O P Q R S T U V W X Y Z [ \ ] ^ 6

7 Funktioner og indkapsling Hensigtsmæssig indførelse af funktioner gør et program lettere at læse og at få korrekt opdeler et program, så man kan koncentrere sig om passende mindre dele forenkler gentagelser såvel med rekursion som med iteration gør det muligt at genbruge programdele ved senere lejligheder 7

8 Udvælgelse fra en tekst Tekster er specielle sekvenser. En del af en sekvens kaldes også en skive (eng. slice). Syntaktisk viser udvælgelse sig ved angivelse af et eller to indices i et par kantede parenteser: Kantede parenteser tekst [ 8:9 ] angivelse af sekvens indices udregnes til værdi(er) før udvælgelse 8

9 Skiver Der er fem former for indicering t[i] udvælger det i-te element. NB: Nummerering fra 0 til len(t)-1. t[i:j] udvælger sekvensen fra og med det i-te til men ikke med det j-te element. t[i:] udvælger fra og med det i-te element. t[:j] udvælger op til, men ikke med, det j-te element. t[:] udvælger (kopierer) hele sekvensen. t 0 t 1 t 2 t n n 1 n 9

10 Gentagelse med for Man kan få en gruppe (indrykkede, som sædvanligt) sætninger S udført, idet en styrende variabel v antager hver værdi (fra venstre mod højre) fra sekvensen s, med konstruktionen for v in s: S Ofte vil S afhænge af v (men det er ikke noget krav). >>> for c in aæeiyøöåou :... print c,,,... a, æ, e, i, y, ø, ö, å, o, u 10

11 Tegnsæt Af det internationale fjernskriveralfabet udvikledes ASCII (American Standard Code for Information Interchange), som igen (med enkelte valgmuligheder) blev den internationale 7-bitskode ISO 646. Af de 128 tegn er der 95 grafiske (blanktegn og 94 sværtende). Linjeskift kan noteres \n, vandret tabulering \t, og enkelte andre opstillingstegn har tilsvarende forkortelser, men ellers kan man bruge oktal kode \ooo eller heksadecimal kode \xhh P p 1! 1 A Q a q 2 " 2 B R b r 3 # 3 C S c s 4 $ 4 D T d t 5 % 5 E U e u 6 & 6 F V f v 7 7 G W g w 8 ( 8 H X h x 9 ) 9 I Y i y 10 * : J Z j z 11 + ; K [ k { 12, < L \ l 13 - = M ] m } 14. > N ^ n ~ 15 /? O _ o 11

12 Tegnsæt (fortsat) På en computer er 8 bit (også kaldet en byte) en mere naturlig enhed, og der findes et standardiseret tegnsæt med (næsten) 256 tegn, ISO 8859, men kapaciteten er stadig for lille. Unicode fastsætter en entydig kode for alverdens tegn. I python fås tekster af type unicode ved at sætte u umiddelbart foran en tekstkonstant: β er for eksempel u \03b2, og omsætning til og fra heltalskoden kan ske med ord og unichr. Man kan ikke få de udvidede tegn at se i en python-dialog, men man kan i python skrive programmer, der behandler den slags tekst og for eksempel giver den videre til et andet program, som er i stand til at fremvise den. (For eksempel en browser.) 12

13 Tekstkonstanter Der er fire notationsformer: : Konstanten skal stå på en enkelt linje (med mindre man benytter undvigelsestegn + linjeskift, som da tilsammen overspringes). Ikke-grafiske tegn, undvigelsestegn samt citationstegnet (apostrof) må angives med undvigelseskombination. 2. "...": Analogt, men med gåseøjne som det citationstegn, der må angives med undvigelseskombination : Teksten kan indeholde linjeskift og enkelte og dobbelte apostroffer og gåseøjne, men for andre ikke-grafiske tegn samt tredobbelte apostroffer må bruges undvigelseskombination. 4. """...""": Analogt. 13

14 Opsøgning i tekst Find i, så cs[i]==c. Vellykket svar opfylder 0 i < len(cs). Mislykket søgning vises ved i = 1: def find(cs,c): i = 0 while i < len(cs): if cs[i] == c: return i i = i + 1 return -1 Midlykket søgning vises ved i = len(cs): def find(cs,c): i = 0 while i < len(cs) and cs[i]!= c: i = i + 1 return i 14