[Python]B13─字串处理(string processing)

Hi! 大家好，我是Eric，这次教大家Python的字串处理(string processing)!

■ 字串处理(string processing)

■ 定义字串

x = "abc"         # 可用双引号定义x = 'abc'         # 也可用单引号定义x = """           # 可用三重引号跨行定义字串abcxyz"""

■ 简易字串操作

产生字串

pi=3.14     str(pi)"The value of pi is " + str(pi)

字串格式化:大小写转换

fox = "bHkloY"fox.upper()      #全部字元转成大写fox.lower()      #全部字元转成小写fox.title()      #首字转成大写fox.capitalize   #每个字词的首字转成大写fox.swapacase    #将大小写颠倒

字串格式化:新增和删除空格

line="      adf     "  line.strip()       #删除前后的空格line.rstrip()      #删除右边的空格line.lstrip()      #删除左边的空格     num="00000345"num.strip("0")     #删除特定字元     line = "this is the content"line.center(30)      #产生一定数量的空格，并中心对齐一个给定的字串line.ljust(30)       #产生一定长度的空格并左对齐line.rjust(30)       #产生一定长度的空格并右对齐"345".rjust(10,"0")  #能以任意字元填充空格"345".zfill(10)      #在左边填充一定数量的0

查询和替换⼦字串

line = 'the quick brown fox jumped over a lazy dog'line.find('fox')      #查询子字串在字串中出现的索引，若搜寻不到子字串，会回传-1line.index('fox')     #查询子字串在字串中出现的索引，若搜寻不到子字串，会回传ValueErrorline.rfind('fox')     #从尾部往前查询子字串在字串中出现的索引    line.endswith('dog')         #检查字串尾部的子字串linie.startswith('fox')      #检查字串头部的子字串    line.replace('brown','red')  #以第2个参数替换子字串

拆分和分割字串

line.partition('fox')#partition()会回传3个tuple，分别是:目标子字串之前的子字串、目标子字串、目标子字串之后的子字串line.rpartition('fox') #rpartition()从右向左搜寻字串line.split()           #split()预设以空白作为分割依据，回传所有单字       haiku = """matsushima-yaaah matsushima-yamatsushima-ya"""   haiku.splitlines()      #splitlines()对换行符号进行分割        '--'.join(['1', '2', '3'])   #撤销split()的结果，用分割依据再组成一个字串print("\n".join(['matsushima-ya', 'aah matsushima-ya',    #常见的用法是用换行符号还原成原字串'matsushima-ya']))

■ 格式化字串

格式化字串

pi=3.14"The value of pi is {}".format(pi)      #以{}代表将要插入字串格式化后的值"""First letter: {0}. Last letter: {1}.""" .format('A', 'Z')#{}中设定数字代表要插入的参数的索引"""First letter: {first}. Last letter: {last}.""" .format(last='Z', first='A')#若{}中包括了一个字串，则可以名称指定要插入的值"pi = {0:.3f}".format(pi)#数字的插入，0代表要插入的参数的索引，:代表后面要跟着格式化的程式码，.3f代表需要的精度资讯，小数点后保留3位小数的浮点数

■ 使用正则表达式灵活地匹配字串模式

正则表达式。Python ⽀援正则表达式的介⾯存放在内建的 re 模组中

line = 'the quick brown fox jumped over a lazy dog'

正则表达式的spilt()
我们编译一个正则表达式，然后用它来分割字符串，和Python的spilt()一样，返回了一个包含所有空格之间的子字 串的列表。

import reregex = re.compile('\s+')    regex.split(line) #\s是一个特殊的字元，匹配所有空白字元(包含空格、TAB字元、换行符号等)，+指名它在实体出现一次或多次。

正则表达式的match()，会回传一个字串的开头是否匹配了模式串

for s in [" ", "abc ", " abc"]:     if regex.match(s):         print(repr(s), "matches")     else:         print(repr(s), "does not match")

正则表示式的regex.search()，类似str.index()、str.find()，会搜寻子字串在字串中的索引

line = 'the quick brown fox jumped over a lazy dog'regex = re.compile('fox')match = regex.search(line)match.start()

正则表达式的regex.sub()，类似str.replace()，会以第1个参数替换子字串

regex.sub('BEAR', line)

■ 一个更複杂的例子
既然使用原本的方法不是更为直觉更简单吗?为什么要用比较複杂的正则表达式呢?因为正则表达式的优点不只是灵活性高而已。我们来想「匹配电子邮件地址」的问题吧，这边示範的只是简单的例子，无法用于实作上

如果有一行文字，可用正则表达式快速取得像是电子邮件地址的内容

text = "To email Guido, try guido@python.org or the older address "\         "guido@google.com."email = re.compile('\w+@\w+\.[a-z]{3}')email.findall(text)#我们可以进行进一步的操作，像是把电子邮件地址换成其他的字元串，达到保护个资的作用email.sub('--@--.--', text)

正则表达式的语法基础

简单的字串直接匹配

regex = re.compile('ion')regex.findall('Great Expectations')

有一些字元在正则表达式中是有特殊意义的，使用上需要用反斜线()跳脱他们，所以在正则表达式中

. ^ $ * + ? { } [ ] \ | ( )       regex = re.compile(r'\$')      #r表明是一个原始字串(raw string)，\代表特殊的字元regex.findall("the cost is $20")         print('a\tb\tc')     #\t是代表tab作用  print(r'a\tb\tc')    #在原始字串中不会作用

以下为常见的特殊字元，详参(https://docs.python.org/3/library/re.html#re-syntax)字元描述\d匹配任意数字\D匹配任意非数字\s匹配任意空⽩字元\S匹配任意非空⽩字元\w匹配任意字⺟和数字\W匹配任意非字⺟和数字除了内建特殊字元外，我们也可以自定义字元。如下自定义小写母音字母

regex = re.compile('[aeiou]')regex.split('consequential')

可以短横线(-)指定字符範围，如[a-z]匹配任意小写字母，[1-3]匹配任意数字1、2、3

regex = re.compile('[A-Z][0-9]')regex.findall('1043879, G2, H6')

若想要匹配三个字母或三个数字的字串，一般可用\w\w\w，但更具体的语法可用{数字}

regex = re.compile(r'\w{3}')regex.findall('The quick brown fox')

另外，也可使用一些标记来匹配任意数量的重複字符，如+会匹配前面字元出现1或多次重複的情形

regex = re.compile(r'\w+')regex.findall('The quick brown fox')

下面整理了一些正则表达式重要标记(字元为用''括起来的符号，如第一行字元为?)字元描述举例'?'匹配前面字元 0 次或 1 次重複ab?匹配 "a" 或 "ab"'*'匹配前面字元 0 次或多次重複ab星号匹配 "a"、"ab"、"abb"、"abbb"等等'+'匹配前面字元 1 次或多次重複ab+匹配 "ab"、"abb"、"abbb"等等，但是不匹配 "a"'{n}'匹配前面字元 n 次重複ab{2}匹配 "abb"'{m,n}'匹配前面字元 m 次到 n 次重複ab{2,3}匹配 "abb" 或 "abbb"我们回到之前电子邮件地址匹配的正则表达式，现在可以理解下列的意思:我们需要⼀个或者多个数字或字母（\w+） 后跟 at 符号（@），然后接⼀个或者多个数字或字母（\w+），跟着⼀个句号（.，注意这里需要⼀个反斜槓转 义），最后跟恰好三个⼩写字母（[a-z]{3}）。

email = re.compile(r'\w+@\w+\.[a-z]{3}')

接着，我们使用[]，就能够匹配任意字母或数字或句号

email2 = re.compile(r'[\w.]+@\w+\.[a-z]{3}')email2.findall('barack.obama@whitehouse.gov')

我们可再加上()进行分组提取

email3 = re.compile(r'([\w.]+)@(\w+)\.([a-z]{3})')text = "To email Guido, try guido@python.org or the older address "\"guido@google.com."email3.findall(text)

可再进一步使用?P给提取的组命名

email4 = re.compile(r'(?P<user>[\w.]+)@(?P<domain>\w+)'\                       '.(?P<suffix>[a-z]{3})')match = email4.match('guido@python.org')match.groupdict()

■ Refer to《Python 旋风之旅,[正体中文]Will保哥》的第15章