利用substr函数构建高效的数据处理管道

# 1. 认识substr函数

## 2.1 什么是substr函数
- substr函数是一个用于截取字符串中子串的内置函数。
- 通过substr函数，可以轻松实现对字符串的裁剪和提取操作。
- substr函数在多种编程语言中均有提供，如PHP、JavaScript、Java等。

## 2.2 substr函数的语法及参数说明
- substr函数的基本语法为：`substr(string, start, length)`。
- `string`表示待处理的字符串，`start`表示起始位置，`length`表示要截取的长度。
- 参数`start`和`length`可以为负数，表示从字符串末尾开始计算位置。

## 2.3 substr函数的返回值类型及用途
- substr函数的返回值类型为字符串，即截取后的子串。
- substr函数常用于数据处理中，如提取特定部分信息、截取需要的内容等操作。
- 经常和其它函数或方法一起使用，构建数据处理流程，提高处理效率。

# 2. substr函数在数据清洗中的应用

### 2.1 提取特定长度的子串
在数据清洗过程中，经常需要提取字符串中指定长度的子串，这时可以使用substr函数来实现。

示例代码：

# 提取字符串中从第3个字符开始的5个字符作为子串
string = "Hello, World!"
substring = string[2:7]
print(substring)

代码解释：
- 原始字符串为 "Hello, World!"
- 使用substr函数提取索引2到索引6的子串，即 "llo, "
- 最终输出结果为 "llo, "

### 2.2 截取字符串中的部分内容
有时候需要截取字符串中某个特定范围内的内容，substr函数也可以胜任这个任务。

示例代码：

# 从字符串中截取 "Hello" 和 "World" 之间的内容
string = "Hello, World! Welcome to the world of substr."
start_index = string.find("Hello") + len("Hello")
end_index = string.find("World", start_index)
substring = string[start_index:end_index].strip()
print(substring)

代码解释：
- 在原始字符串中定位"Hello"和"World"的位置
- 使用这两个位置信息截取出中间的内容，并去除首尾空格
- 最终输出结果为 ", World! Welcome to the world of substr."

### 2.3 忽略指定字符并截取字符串
有时候我们需要在截取字符串时，忽略其中的特定字符，这时可以辅助使用replace函数或正则表达式。

示例代码：

# 忽略逗号","并提取字符串中的数字
string = "A string with numbers: 123, 456, 789."
cleaned_string = string.replace(",", "").replace(":", "").replace("numbers", "").strip()
numbers = ''.join(filter(str.isdigit, cleaned_string))
print(numbers)

代码解释：
- 原始字符串包含逗号和冒号等特殊字符
- 先使用replace函数去除特殊字符，并去除首尾空格
- 使用filter和isdigit函数提取字符串中的数字
- 最终输出结果为 "123456789"

通过这些例子可以看出，在数据清洗时，substr函数能够灵活应用于提取、截取和处理字符串，为数据清洗流程提供了便利和效率。

# 3. substr函数在数据转换中的应用

- **3.1 切割字符串为多个子串**
- 使用substr函数可以方便地将一个字符串切割成多个子串，从而实现数据的分割和提取。
- 下面是一个示例代码，将字符串按照指定长度分割成多个子串：

# 原始字符串
original_string = "HelloWorld12345"
# 每个子串的长度
substring_length = 5
# 初始索引
start_index = 0
# 存储子串的列表
substrings = []

while start_index < len(original_string):
    # 利用substr函数切割子串
    substring = original_string[start_index:start_index+substring_length]
    substrings.append(substring)
    start_index += substring_length

# 输出结果
print(substrings)