BUILT-IN FUNCTIONS
DICTIONARY METHODS
LIST METHODS
SET METHODS
STRING METHODS
TUPLE METHODS
PYTHON FUNCTION
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.

Hàm String isalnum() trong Python

Hàm isalnum() là một phương thức dùng để kiểm tra xem một chuỗi có chứa chỉ chữ cái và số không. Hàm này trả về True nếu tất cả các ký tự trong chuỗi là chữ cái hoặc số, ngược lại trả về False. Trong bài viết này, mình sẽ tìm hiểu cách sử dụng hàm isalnum() và đi qua một số ví dụ để hiểu rõ hơn về nó.

test php

banquyen png
Bài viết này được đăng tại freetuts.net, không được copy dưới mọi hình thức.

Cú pháp hàm isalnum() trong Python

Cú pháp của hàm isalnum() như sau:

string.isalnum()

Trong đó:

  • string là chuỗi mà bạn muốn kiểm tra.

Hàm isalnum() trả về kết quả là True nếu tất cả các ký tự trong chuỗi string là chữ cái hoặc số. Nếu có ít nhất một ký tự không phải chữ cái hoặc số, hàm sẽ trả về False.

Bài viết này được đăng tại [free tuts .net]

Ví dụ về hàm isalnum()

Hãy xem qua một số ví dụ để hiểu cách sử dụng hàm isalnum():

Ví dụ 1:

text = "Hello123"
result = text.isalnum()
print(result)

Kết quả:

True

Trong ví dụ này, chuỗi "Hello123" chỉ chứa chữ cái và số, nên kết quả trả về là True.

Ví dụ 2:

text = "Hello, World!"
result = text.isalnum()
print(result)

Kết quả:

False

Trong ví dụ này, chuỗi "Hello, World!" chứa dấu phẩy và dấu cách, không chỉ chứa chữ cái và số, nên kết quả trả về là False.

Ví dụ 3:

text = "12345"
result = text.isalnum()
print(result)

Kết quả:

True

Trong ví dụ này, chuỗi "12345" chỉ chứa số, không chứa chữ cái hoặc ký tự đặc biệt, nên kết quả trả về là True.

Kết bài viết

Hàm isalnum() trong Python là một công cụ hữu ích để kiểm tra xem một chuỗi có chứa chỉ chữ cái và số không. Bằng cách sử dụng isalnum(), bạn có thể dễ dàng kiểm tra tính hợp lệ của chuỗi, đảm bảo rằng nó chỉ chứa các ký tự và số mong muốn. Hàm isalnum() là một phương thức quan trọng trong xử lý chuỗi trong Python.

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

Triển khai thuật toán Random Forest bằng Python

Top