[Python] 02 - String
字符串 string
考点
Bytes类型
In Python 3, bytes contains sequences of 8-bit values, str contains sequences of
Unicode characters. bytes and str instances can’t be used together with operators
(like > or +).
在Python3以后，字符串和bytes类型彻底分开了。字符串是以字符为单位进行处理的，bytes类型是以字节为单位处理的。
创建、与字符串的相互转化如下：
# (1)
b = b'' # 创建一个空的bytes b = byte() # 创建一个空的bytes
# (2) b = b'hello' # 直接指定这个hello是bytes类型
# (3) b = bytes('string',encoding='编码类型') #利用内置bytes方法，将字符串转换为指定编码的bytes b = str.encode('编码类型') # 利用字符串的encode方法编码成bytes，默认为utf-8类型 bytes.decode('编码类型')：将bytes对象解码成字符串，默认使用utf-8进行解码。
基本性质和功能
不变性 Immutability
如果相变的话：string --> list --> string
string属性查看
>>> print(string.ascii_letters) abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ
>>> print(string.ascii_lowercase) abcdefghijklmnopqrstuvwxyz
>>> print(string.ascii_uppercase) ABCDEFGHIJKLMNOPQRSTUVWXYZ
>>> print(string.hexdigits) 0123456789abcdefABCDEF
>>> print(string.digits) 0123456789
>>> print(string.octdigits) 01234567
>>> print(string.punctuation) !"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
>>> print(string.printable[: 94]) 0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
>>> print(ascii(string.printable[94: ])) ' \t\n\r\x0b\x0c'
>>> print(ascii(string.whitespace)) ' \t\n\r\x0b\x0c
基础功能函数
基础功能
S = 'Spam" S.find('pa') S.replace('pa', 'XYZ') S.isalpha(), S.isdigit()
In [5]: dir(S) Out[5]: ['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
查看说明：
help(S.replace)
split 分割的应用
去掉前后空格
先去掉前后空格，再分割的过程。
>>> s.strip().split(',') ['hello', ' world', ' hao', '', '123']
string自带的分割
提取括号中的内容，如下。
str="hello boy<[www.baidu.com]>byebye"
print(str.split("[")[1].split("]")[0])
www.baidu.com
sys自带的分割
os.path.split() 函数
import os
print(os.path.split('/dodo/soft/python/')) # path + filename
('/dodo/soft/python', '')
print(os.path.split('/dodo/soft/python'))
('/dodo/soft', 'python')
文件后缀分割
filepath, tmpfilename = os.path.split(fileUrl)
shotname, extension = os.path.splitext(tmpfilename)
The os module contains two sub-modules os.sys (same as sys) and os.path that are dedicated to the system and directories; respectively.
import os
import os.sys
import os.path
读取输入
按行读取
逐行读取一行字符串
with open('somefile', 'r') as f: for line in f: print(line, end='') """ Hello World Python """
一次性全部读取到列表
with open('somefile','r') as f: content = list(f) print(content)
""" ['Hello\n', 'World\n', 'Python'] """
以上的 list(f) 便是默认的readlines()；
with open('somefile','r') as f: content = f.readlines() print(content)
""" ['Hello\n', 'World\n', 'Python'] """
自动去掉”换行符“
with open('somefile','r') as f: content = f.read().splitlines() print(content)
""" ['Hello', 'World', 'Python'] """
或者，自己手动使用 rstrip() 去掉结尾的“换行符号”；去掉行首就换为 strip()；
with open('somefile','r') as f: content = [line.rstrip('\n') for line in f] print(content)
""" ['Hello', 'World', 'Python'] """
enumerate 遍历
列表的遍历方法
>>>seq = ['one', 'two', 'three'] >>> for i, element in enumerate(seq): ... print i, element
0 one 1 two 2 three
遍历 sys.stdout
with open('somefile', 'r') as f: for number, line in enumerate(f,start=1): print(number, line, end='')
""" 1 Hello 2 World 3 Python """
打印输出
外部设置：sys.stdout 方法
(1) 定好方向 --> (2) 然后输出
将“输出口”打印
>>> import sys # Printing the hard way
>>> sys.stdout.write('hello world\n') // 默认打印到屏幕
hello world
指定“输出口”的字符串来源
C:\code> c:\python33\python
>>> import sys
>>> temp = sys.stdout # Save for restoring later
>>> sys.stdout = open('log.txt', 'a') # Redirect prints to a file
>>> print('spam') # Prints go to file, not here
>>> print(1, 2, 3)
>>> sys.stdout.close() # Flush output to disk
>>> sys.stdout = temp # Restore original stream
>>> print('back here') # Prints show up here again
back here
>>> print(open('log.txt').read()) # Result of earlier prints
spam
1 2 3
-
内部设置：print(file=log) 方法【推荐】
log = open('log.txt', 'a') # 3.X print(x, y, z, file=log) # Print to a file-like object print(a, b, c) # Print to original stdout
# 老版本 log = open('log.txt', 'a') # 2.X print >> log, x, y, z # Print to a file-like object print a, b, c # Print to original stdout
日志显示和保存都兼顾，怎么办？
暂时写个函数，包含两种打印好了。
from __future__ import print_function
打印函数
若干种打印格式
(1) C语言格式；(2) index方式；(3) auto index方式；(4) dict方式；
第1~3种方式
第4种方式
＃ Dictionary-Based Formatting Expressions
>>> '%(qty)d more %(food)s' % {'qty': 1, 'food': 'spam'} '1 more spam'
String Formatting Expressions --> 具体参见：268/1594
‘数字’ 打印 美观化
(a) 小数保留几位
(b) 数字占用宽度
(c) 位置的小技巧
print('%2d-%02d' % (3, 1)) 3-01
其他技巧
-
- ASCII查看
len(S) ord('\n') # 查看 ASCII chr(115) # 查看 对应的char
-
- \0: a binary zero byte
-
- 多行打印
>>> msg = """ aaaaaaaaaaaaa bbb'''bbbbbbbbbb""bbbbbbb'bbbb cccccccccccccc """ >>> msg '\naaaaaaaaaaaaa\nbbb\'\'\'bbbbbbbbbb""bbbbbbb\'bbbb\ncccccccccccccc\n'
-
- Raw print
In [40]: r"C:\new\test.spm" Out[40]: 'C:\\new\\test.spm'
-
- str vs repr
From: http://blog.csdn.net/u013961718/article/details/51100464
- str出来的值是给人看的字符串，
- repr出来的值是给机器看的，括号中的任何内容出来后都是在它之上再加上一层引号。
日志函数
可以理解为更高级的打印方式，毕竟应用于项目中。
日志级别
五种日志类型
Ref: python logging 替代print 输出内容到控制台和重定向到文件
logging.DEBUG
logging.INFO
logging.WARNING
logging.ERROR
logging.CRITICAL
设置日志输出配置
import logging
logging.basicConfig(level = logging.DEBUG,
format = '%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
datefmt = '%a, %d %b %Y %H:%M:%S',
filename = 'myapp.log',
filemode = 'w')
#logging.config模块可以通过加载配置文件，从来配置日志属性
logging.debug('This is debug message')
logging.info('This is info message')
logging.warning('This is warning message')
日志打印到：./myapp.log 文件
./myapp.log文件中内容为: Sun, 24 May 2009 21:48:54 demo2.py[line:11] DEBUG This is debug message Sun, 24 May 2009 21:48:54 demo2.py[line:12] INFO This is info message Sun, 24 May 2009 21:48:54 demo2.py[line:13] WARNING This is warning
将日志同时输出到 文件 和 屏幕
import logging logging.basicConfig(level=logging.DEBUG, format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s', datefmt='%a, %d %b %Y %H:%M:%S', filename='myapp.log', filemode='w') ################################################################################################# #定义一个StreamHandler，将INFO级别或更高的日志信息打印到标准错误，并将其添加到当前的日志处理对象# console = logging.StreamHandler() console.setLevel(logging.INFO)
formatter = logging.Formatter('%(name)-12s: %(levelname)-8s %(message)s') console.setFormatter(formatter) logging.getLogger('').addHandler(console) ################################################################################################# logging.debug('This is debug message') logging.info('This is info message') logging.warning('This is warning message')
结果：
屏幕上打印: root : INFO This is info message root : WARNING This is warning message
./myapp.log文件中内容为: Sun, 24 May 2009 21:48:54 demo2.py[line:11] DEBUG This is debug message Sun, 24 May 2009 21:48:54 demo2.py[line:12] INFO This is info message Sun, 24 May 2009 21:48:54 demo2.py[line:13] WARNING This is warning message
其他详见：六、Unicode Strings 160/1594，内容略
正则表达式 - Regex
正则引擎原理：[IR] XPath for Search Query
使用教程: 正则表达式30分钟入门教程
基础用法
re.match 法
典型应用：字符串信息提取，路径的提取；可以替代 split()。
In [8]: >>> import re
...:
...: >>> match = re.match('Hello[ \t]*(.*)world', 'Hello Python world')
...:
...: >>> match.group(1)
...:
Out[8]: 'Python '
--------------------------------------------------------------------------------------
In [9]: >>> match = re.match('[/:](.*)[/:](.*)[/:](.*)', '/usr/home:lumberjack')
...:
...: >>> match.groups()
...:
Out[9]: ('usr', 'home', 'lumberjack')
---------------------------------------------------------------------------------------
In [10]: >>> re.split('[/:]', '/usr/home/lumberjack')
Out[10]: ['', 'usr', 'home', 'lumberjack']
filter 筛选框架
一个简单的框架代码：
def filter_mail(emails):
return list(filter(fun, emails)) # 2.fun 是个自定义的函数，返回：True/False，也是个re.
if __name__ == '__main__':
n = int(input())
emails = []
for _ in range(n):
emails.append(input()) # 1.获取mail list
filtered_emails = filter_mail(emails)
filtered_emails.sort() # 3.排序
print(filtered_emails)
邮件格式匹配
Valid email addresses must follow these rules:
* It must have the username@websitename.extension format type.
* The username can only contain letters, digits, dashes and underscores.
* The website name can only have letters and digits.
* The maximum length of the extension is .
import re
re.search(r'^[A-Za-z0-9-_]+@[A-Za-z0-9]+\.\w?\w?\w$',s)
正则表达式
限定符 与 元字符
限定符
元字符
常用例子
常见字符串匹配
# 先是一个单词hi，然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词
\bhi\b.*\bLucy\b
# 匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a，然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。
\ba\w*\b
# 匹配以.tif结尾的单词
re.search( ".*\\.tif",f)]
# 匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
\d+
# 匹配刚好6个字符的单词。
\b\w{6}\b
# 填写的QQ号必须为5位到12位数字：开始--> ^ ... $ <--结束
^\d{5,12}$
电话号码
# 中国的电话号码 - 简单版本
0\d\d-\d\d\d\d\d\d\d\d 如下改进版
0\d{2}-\d{8}
# 匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。
-
-
- 首先是一个转义字符\(,它能出现0次或1次(?),
- 然后是一个0，后面跟着2个数字(\d{2})，
- 然后是)或-或空格中的一个，它出现1次或不出现(?)，
- 最后是8个数字(\d{8})
-
\(?0\d{2}[) -]?\d{8}
However，也能匹配010)12345678或(022-87654321这样的“不正确”的格式。
那，怎么办？-- 分枝条件
# 匹配两种以连字号分隔的电话号码：一种是三位区号，8位本地号(如010-12345678)，一种是4位区号，7位本地号(0376-2233445)。
0\d{2}-\d{8}|0\d{3}-\d{7}
继续补充。。。用到再说。
