python find()用法

简介:

案例:

### 1 ###

复制代码
str = "01213456"

if str.find("23"):
    print "YES!"
else:
    print  "NO!"
复制代码

结果

1
YES!

### 2 ###

复制代码
str = "01213456"

if str.find("01"):
    print "YES!"
else:
    print  "NO!"
复制代码

结果

1
NO!

这里注意两点

     1. if  str.find('23'):  此时默认为  str.find('23') != 0:

     2. find()函数找不到时返回为-1

经查阅得知其用法

函数原型:find(str, pos_start, pos_end)

解释:

  • str:被查找“字串”
  • pos_start:查找的首字母位置(从0开始计数。默认:0
  • pos_end: 查找的末尾位置(默认-1

返回值:如果查到:返回查找的第一个出现的位置。否则,返回-1

举例论证:

复制代码
           1.str = "0123"
                     print str.find("2",1,-1)      #2

           2.str = "1111"
                     print str.find("1")           #0,首次出现的位置
复制代码

 





本文转自jihite博客园博客,原文链接:http://www.cnblogs.com/kaituorensheng/archive/2012/08/06/2625752.html,如需转载请自行联系原作者


相关文章
|
3月前
|
Python
python基本用法
【9月更文挑战第5天】python基本用法
50 7
|
2月前
|
缓存 测试技术 开发者
深入理解Python装饰器:用法与实现
【10月更文挑战第7天】深入理解Python装饰器:用法与实现
18 1
|
2月前
|
传感器 大数据 数据处理
深入理解Python中的生成器:用法及应用场景
【10月更文挑战第7天】深入理解Python中的生成器:用法及应用场景
51 1
|
2月前
|
存储 大数据 Python
案例学Python:filter()函数的用法,高级!
`filter()`函数是Python中处理序列数据的强大工具,它允许我们高效地根据条件过滤元素。通过结合匿名函数、常规函数或直接利用Python的内置逻辑,`filter()`提供了灵活且高效的过滤机制,尤其在大数据处理和内存敏感的应用中展现出其价值。掌握 `filter()`的使用,不仅能提升代码的可读性和效率,还能更好地适应Python的函数式编程风格。
35 2
|
3月前
|
Python
Python中正则表达式(re模块)用法详解
Python中正则表达式(re模块)用法详解
40 2
|
2月前
|
Python
深入了解Python中星号变量的特殊用法
深入了解Python中星号变量的特殊用法
25 0
|
3月前
|
人工智能 数据挖掘 开发者
Python用法
Python用法
30 10
|
2月前
|
PyTorch 测试技术 算法框架/工具
Python中Thop库的常见用法和代码示例
肆十二在B站分享了关于THOP(Torch-OpCounter)的实战教学视频。THOP是一个用于计算PyTorch模型操作数和计算量的工具,帮助开发者评估模型复杂度和性能。本文介绍了THOP的安装、使用方法及基本用例,包括如何计算模型的FLOPs和参数量。
112 0
|
2月前
|
SQL 关系型数据库 MySQL
Python中Pymysql库的常见用法和代码示例
`pymysql` 是一个用于连接 MySQL 数据库的 Python 库,支持 SQL 查询的执行和结果处理。通过 `pip install pymysql` 安装后,可使用 `connect()` 方法建立连接,`cursor()` 创建游标执行查询,包括数据的增删改查,并通过 `commit()` 和 `rollback()` 管理事务,最后需关闭游标和连接以释放资源。
88 0
|
2月前
|
计算机视觉 Python
Python中Pillow库的常见用法和代码示例
Pillow是Python中广泛使用的图像处理库,支持丰富的图像操作功能,包括但不限于打开、保存、缩放、裁剪、旋转、调色等。本文通过一系列示例介绍Pillow的基本用法,涵盖图像的加载与显示、尺寸调整、裁剪与旋转、亮度调整、格式转换、滤镜应用、图像合成及像素级操作等。首先需通过`pip install pillow`安装库,随后可通过导入`PIL.Image`等模块开始图像处理任务。无论是初学者还是进阶用户,都能从Pillow提供的强大功能中获益。
58 0