Python 字符串处理基础一

字符串基础

split() strip() join()

In [3]:

val = 'a,b,  guido'

val.split(',')

Out[3]:

['a', 'b', '  guido']

In [4]:

pieces=[x.strip() for x in val.split(',')]

pieces

Out[4]:

['a', 'b', 'guido']

In [5]:

'::'.join(pieces)

Out[5]:

'a::b::guido'

子串的定位 in index find count

In [6]:

'guido' in val

Out[6]:

True

In [14]:

val.index(',')#找不到字符串 会报异常  找到字符串返回第一个出现的位置

Out[14]:

1

In [12]:

val.find(':') #找不到返回-1

Out[12]:

-1

In [15]:

val.count(',')#字符串出现的次数

Out[15]:

2

字串的替换

In [16]:

val.replace(',', '::')

Out[16]:

'a::b::  guido'

In [17]:

val.replace(',', '')

Out[17]:

'ab  guido'

正则表达式

re 模块

In [18]:

import re

text = "foo    bar\t baz  \tqux"

re.split('\s+', text)#\s+ 匹配一个或多个空白符 \s匹配任意空白符  + 一个或多个

Out[18]:

['foo', 'bar', 'baz', 'qux']

In [21]:

regex=re.compile('\s+')# 编译

regex.findall(text) # 返回字符串匹配项

Out[21]:

['    ', '\t ', '  \t']

如果打算对许多字符串应用同一条正则表达式，建议用编译，节省CPU

In [22]:

regex.split(text)

Out[22]:

['foo', 'bar', 'baz', 'qux']

• match search findall

In [23]:

text = """Dave dave@google.com

Steve steve@gmail.com

Rob rob@gmail.com

Ryan ryan@yahoo.com

"""

pattern = r'[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}' #邮箱正则表达式

regex = re.compile(pattern, flags=re.IGNORECASE) #re.IGNORECASE 对大小写不敏感 

In [24]:

regex.findall(text)

Out[24]:

['dave@google.com', 'steve@gmail.com', 'rob@gmail.com', 'ryan@yahoo.com']

In [25]:

regex.search(text)# 返回文本中第一个匹配，并告知起始和终止位置

Out[25]:

<_sre.SRE_Match object; span=(5, 20), match='dave@google.com'>

In [28]:

m=regex.search(text)

text[m.start():m.end()]

Out[28]:

'dave@google.com'

In [31]:

print(regex.match(text)) #仅匹配字符串开头 

None

• sub

In [36]:

print(regex.sub('REDACTED', text)) #匹配到的模式替换为制定的字符串，并返回新的字符串

Dave REDACTED

Steve REDACTED

Rob REDACTED

Ryan REDACTED

In [ ]:

#sub  \1 \2 用法如下  访问各匹配项中的分组

-- 将地址拆为三部分，只需将待分段的模式的各个部分用圆括号包起来

In [34]:

pattern = r'([A-Z0-9._%+-]+)@([A-Z0-9.-]+)\.([A-Z]{2,4})'

regex = re.compile(pattern, flags=re.IGNORECASE)

regex.findall(text)# 元祖列表

Out[34]:

[('dave', 'google', 'com'),

 ('steve', 'gmail', 'com'),

 ('rob', 'gmail', 'com'),

 ('ryan', 'yahoo', 'com')]

In [39]:

m = regex.match('wesm@bright.net')

m.groups() #返回各段组成的元祖

Out[39]:

('wesm', 'bright', 'net')

In [ ]:

#如果得到是字典 则可以groupdict()

In [37]:

print(regex.sub(r'Username: \1, Domain: \2, Suffix: \3', text))

Dave Username: dave, Domain: google, Suffix: com

Steve Username: steve, Domain: gmail, Suffix: com

Rob Username: rob, Domain: gmail, Suffix: com

Ryan Username: ryan, Domain: yahoo, Suffix: com

In [40]:

regex = re.compile(r"""

    (?P<username>[A-Z0-9._%+-]+)

    @

    (?P<domain>[A-Z0-9.-]+)

    \.

    (?P<suffix>[A-Z]{2,4})""", flags=re.IGNORECASE|re.VERBOSE)

In [41]:

m = regex.match('wesm@bright.net')

m.groupdict()

Out[41]:

{'domain': 'bright', 'suffix': 'net', 'username': 'wesm'}

In [ ]: