نوع داده رشته (String) در پایتون

رشته‌ها (str) یکی از پرکاربردترین انواع داده در پایتون هستند که برای ذخیره و پردازش متن، پیام‌ها، مسیر فایل‌ها و کاراکترها استفاده می‌شوند. در این مقاله به معرفی ماهیت رشته، مفهوم جدایی‌پذیری (Iterability)، پیمایش با حلقه for، توابع عمومی و متدهای کلیدی رشته می‌پردازیم.

ویژگی های رشته

رشته در پایتون دنباله‌ای متوالی از کاراکترهاست. رشته‌ها ویژگی‌های مهمی دارند:

1. تغییرناپذیری (Immutable): کاراکترهای رشته پس از تعریف مستقیماً قابل ویرایش نیستند.
2. اندیس‌پذیر بودن (Indexed): دسترسی به هر کاراکتر از طریق موقعیت آن امکان‌پذیر است.
3. جدایی‌پذیری و تکرارپذیری (Iterable): رشته یک ساختار قابل‌تجزیه است؛ یعنی پایتون کاراکترهای آن را مجزا می‌شناسد و می‌توان آن را پیمایش کرد.

پیمایش رشته با حلقه for

به دلیل جدایی‌پذیری رشته، می‌توان با حلقه for کاراکترها را تک‌به‌تک بررسی و پردازش کرد:

text = "Python"
for char in text:
    print(f"کاراکتر: {char}")

توابع عمومی توکار روی رشته

توابع عمومی توکار (Built-in Functions)، به صورت عمومی روی رشته‌ها اعمال می‌شوند:

1. len(): شمارش تعداد کاراکترها (طول رشته).
2. type(): بررسی نوع داده (که str بازمی‌گرداند).
3. sorted(): مرتب‌سازی کاراکترها و بازگرداندن یک لیست.
4. max() و min(): یافتن بزرگترین و کوچکترین کاراکتر بر اساس کد اسکی (ASCII).

sample = "ecg-data"
print(len(sample))       # 8
print(sorted(sample))    # ['-', 'a', 'a', 'c', 'd', 'e', 'g', 't']
print(max(sample))       # 't'

معرفی متدهای پرکاربرد رشته

متد upper() و lower()

• کاربرد: تبدیل تمام حروف رشته به حروف بزرگ یا کوچک.
• صورت مسئله: استانداردسازی یک شناسه متنی ورودی به حروف بزرگ.

raw_id = "ecg_lead_v1"
upper_id = raw_id.upper()
print(upper_id)  # ECG_LEAD_V1

متد strip() (و lstrip / rstrip)

• کاربرد: حذف فاصله‌ها یا کاراکترهای اضافی از ابتدا و انتهای رشته.
• صورت مسئله: پاک‌سازی فاصله تصادفی کاربر در زمان ثبت‌نام.

user_input = "   Sina_user   "
clean_user = user_input.strip()
print(f"'{clean_user}'")  # 'Sina_user'

متد split()

• کاربرد: جداسازی یک رشته بر اساس یک جداکننده (Delimiter) و تبدیل آن به یک لیست.
• صورت مسئله: استخراج مقادیر یک ردیف از فایل CSV با جداکننده کاما.

csv_row = "Normal,72,Male,35"
data_list = csv_row.split(",")
print(data_list)  # ['Normal', '72', 'Male', '35']

متد join()

• کاربرد: اتصال عناصر یک لیست متنی به یکدیگر با یک جداکننده مشخص.
• صورت مسئله: اتصال نام لیدهای قلبی با خط تیره جهت نام‌گذاری فایل.

leads = ["LeadI", "LeadII", "V1", "V6"]
joined_leads = "-".join(leads)
print(joined_leads)  # LeadI-LeadII-V1-V6

متد replace()

• کاربرد: جایگزین کردن یک عبارت یا کاراکتر با عبارت دیگر.
• صورت مسئله: اصلاح خط فاصله با آندرلاین در نام ستون‌های داده.

header = "heart-rate-bpm"
new_header = header.replace("-", "_")
print(new_header)  # heart_rate_bpm

متد find()

• کاربرد: جستجوی موقعیت (ایندکس) یک زیررشته؛ در صورت عدم وجود، -1 برمی‌گرداند.
• صورت مسئله: بررسی وجود کلمه "Arrhythmia" در گزارش تشخیصی.

report = "Diagnosis: Sinus Arrhythmia detected."
pos = report.find("Arrhythmia")
print("موقعیت شروع کلمه:", pos)  # 17

متد count()

• کاربرد: شمارش دفعات تکرار یک کاراکتر یا زیررشته.
• صورت مسئله: شمارش تعداد پیک‌های شناسایی‌شده (R) در یک لاگ متنی.

sequence = "R_wave_R_wave_P_wave_R_wave"
print("تعداد R-wave:", sequence.count("R_wave"))  # 3

متد startswith() و endswith()

• کاربرد: بررسی شروع یا پایان رشته با کاراکترهای مشخص (خروجی بولین).
• صورت مسئله: اعتبارسنجی پسوند فایل ذخیره‌سازی سیگنال.

filename = "patient_102.mat"
is_valid_format = filename.endswith(".mat")
print("فرمت معتبر است؟", is_valid_format)  # True

متد isdigit()

• کاربرد: بررسی اینکه آیا تمام کاراکترهای رشته عدد هستند یا خیر.
• صورت مسئله: اعتبارسنجی عددی بودن مقدار ورودی سن بیمار قبل از تبدیل به int.

age_str = "45"
if age_str.isdigit():
    age = int(age_str)
    print("سن معتبر:", age)

متد format() و f-strings

• کاربرد: قالب‌بندی و جایگذاری متغیرها درون رشته.
• صورت مسئله: ساخت پیام گزارش نهایی برای خروجی مدل پردازشی.

lead_name = "V5"
sampling_rate = 500
result_msg = f"سیگنال لید {lead_name} با فرکانس {sampling_rate} هرتز پردازش شد."
print(result_msg)

مثال کاربردی

می‌خواهیم یک خط لاگ متنی ثبت‌شده از دستگاه پایش بیمار (شامل شناسه بیمار، وضعیت تشخیصی و مقدار ضربان قلب) را که دارای فاصله‌های اضافی و فرمت غیریکپارچه است دریافت کنیم. برنامه باید:

1. فاصله‌های زائد ابتدا و انتها را حذف کند.
2. بخش‌های لاگ را تفکیک و نام وضعیت را به حروف بزرگ استاندارد تبدیل کند.
3. با استفاده از حلقه for و متد isdigit()، کاراکترهای عددی ضربان قلب را از متن استخراج کرده و به عدد صحیح تبدیل کند.
4. با بررسی ابتدا و انتهای رشته، صحت فرمت لاگ را ارزیابی و اطلاعات نهایی را به صورت یک دیکشنری ساختاریافته برگرداند.

def analyze_signal_string_pipeline(raw_log: str) -> dict:
    """
    تحلیل رشته گزارش ورودی، پاک‌سازی داده‌ها و استخراج اطلاعات کلیدی.
    """
    # ۱. پاک‌سازی فاصله‌های اضافی
    cleaned_log = raw_log.strip()

    # ۲. جداسازی بخش‌ها بر اساس جداکننده سیمیکالن
    parts = cleaned_log.split(";")

    # استخراج مقادیر
    patient_id = parts[0].replace("ID:", "").strip()
    status = parts[1].replace("Status:", "").strip().upper()
    readings = parts[2].replace("PULSE:", "").strip()

    # ۳. شمارش و جداسازی کاراکترها با حلقه for
    pulse_digits = []
    for char in readings:
        if char.isdigit():
            pulse_digits.append(char)

    pulse_rate = int("".join(pulse_digits)) if pulse_digits else 0

    return {
        "Patient_ID": patient_id,
        "Status": status,
        "Pulse_BPM": pulse_rate,
        "Is_Valid": cleaned_log.startswith("ID:") and cleaned_log.endswith("BPM")
    }


# ==========================================
# اجرای آزمایشی پایپ‌لاین
# ==========================================
sample_data = "  ID:PT-409 ; Status:arrhythmia ; PULSE: 84 BPM  "
result = analyze_signal_string_pipeline(sample_data)

print("--- خروجی پردازش رشته ---")
for key, value in result.items():
    print(f"{key}: {value}")

نتیجه‌گیری

نوع داده رشته (str) به دلیل ویژگی جدایی‌پذیری (Iterable) و پشتیبانی از پیمایش با حلقه for، در کنار متدهای کلیدی پاک‌سازی و پردازش متن مانند strip، split، replace، join و isdigit، این امکان را می‌دهد که داده‌های متنی خام و نامنظم را با کمترین حجم کد به ساختارهای داده استاندارد، تمیز و قابل‌تحلیل تبدیل کنیم.