Python学习笔记5（字符串与正则表达式）
1.字符串
1.1字符串的格式化
#格式化语法 "%s" % str1 "%s %s" % (str1,str2)
#格式化字符串 str1 = "version" num = 1.0 format = "%s" % str1 print (format) format = "%s %d" %(str1, num) print (format)
#使用字典格式化字符串 print ("%(version)s: %num).1f" %{"version": "version", "num": 2}) #version:2.0
#字符串对齐 word = "version3.0" #10个字符 print (word.center(20)) #在20字符宽度中位于中间。因此，输出：version3.0 两边各5个空格 print (word.center(20, "*")) #*****version3.0***** print (word.ljust(0))) #ljust()使输出结果左对齐 print (word.rjust(20)) #在20字符宽度中右对齐 print("%30s" % word) # "%30" 表示先输出30个空格
1.2字符串的转义符
转义符设定及其输出类似于C。
#r的特殊用法 path = r"hello\tworld\n" print (path) #hello\tworld\n
#strip()去掉转义字符 word = "\thello world\n" print ("strip()后输出:", word.strip()) #strip()后输出:hello world （去掉了转义字符后输出） print ("lstrip()后输出:", word.lstrip()) #lstrip()后输出:hello world （去掉了句首转义字符\t，句尾\n保留） print ("rstrip()后输出:", word.rstrip()) #rstrip()后输出:hello world（去掉了\n，保留句尾句首转义字符\t）
1.3字符串的合并
可以直接使用“+”连接两个字符串，也可使用如下几种方法。
# 使用join()连接字符串 strs = ["hello ", "world ", "hello ", "China "] result = "".join(strs) print result #hello world hello China
# 使用reduce()连接字符串 from functools import reduce import operator strs = ["hello ", "world ", "hello ", "China "] result = reduce(operator.add, strs, "") print (reduce)
字符串连接后，Python将分配新的空间给连接后的字符串，源字符串保持不变。
str1 ="a" print (id(str1)) print (id(str1 + "b")) # 输出结果不同
1.4字符串的截取
可以使用索引截取字符串，也可使用如下方法。
# 切片语法 string[start: end: step] # 从第start个索引到第end个索引，步长为step # 特殊切片截取子串 str1 = "hello world" print (str1[0:3]) # hell print (str1[::2]) # hlowrd print (str1[1::2]) # el ol"
# split()函数 split([char] [,num]) # char表示用于分割的字符，默认为空格 # num表示分割的次数。若num=2，分割为3个字符 # 默认情况下，根据char在字符中出现字数来分割子串 # 函数的返回值为由子串组成的列表 # 使用split()获取子串 sentence = "Bob said: 1, 2, 3, 4" print (sentence.split()) # 使用空格分割 ['Bob', 'said:', '1,', '2,' '3', '4'] print (sentence.split(",")) # 使用逗号分割 print (sentence.split(",",2)) # 使用两个逗号分割 # ['Bob said: 1', '2' '3, 4'] 费解！！！
1.5字符串的比较
可直接使用“==”与“！=”比较两个字符串。
要比较字符串的开头或结尾部分，可使用startswith()或endswith()函数
# startswith() startswith(substring, [,start [,end]]) # substring是与源字符串开头部分比较的子串 # start表示开始位置，end表示结尾位置 # 若字符串以substring开头，返回True # 用法 word = "hello world" print ("hello" == word[0:5]) print (word.startswith("hello") print (word.endwith("ld",6)) # 从结尾到word[6]间搜索 print (word.endwith("ld",6, 10)) # 在word[6:10]中搜索 print (word.endwith("ld",6, len(word))) # 在word[6:11]中搜索
1.6字符串的反转
# 循环输出反转的字符串 def reverse(s): out = "" li = list(s) for i in range(len(li), 0, -1): out += "".join(li[i-1]) return out # 方法二 def reverse(s): li = list(s) li.reverse() s = "".join(li) return s
1.7字符串的查找和替换
# find()函数 find(substring [, start [ ,end]]) # 在[start:end]间查找substring，若找到返回第1次出现的索引，否则返回-1 # rfind()参数与find()相同，不同的是前者从末尾开始查找子串 # 查找字符串 sentence = "this is a apple." print (sentence.find("a")) # 8 print (sentence.rfind("a")) # 10
# replace()函数 replace(old, new [, max]) # 用new替换old，max表示替换次数。 返回一个新的字符串。 # 用法 sentence = "hello world, hello China" print (sentence.replace("hello","hi")) # hi world, hi China print (sentence.replace("hello","hi", 1)) # hi world, hello China print (sentence.replace("abc","hi")) # hello world, hello China
PS: replace()先创建变量sentence的拷贝，然后在拷贝中替换字符串，并不会改变sentence的内容
1.8字符串与日期转换
# strftime() strftime(format[, tuple]) -> string # format表示格式化日期的特殊字符 # tuple表示需要转换的时间，用元组储存。其中元素分别为年、月、日、分、秒 # 函数返回一个表示时间的字符串
字符串到时间的转换需要进行两次，使用time模板和datetime类，转换过程分为以下三步骤。
- 调用函数strptime()把字符串转换为一个元组
strftime(format[, tuple]) -> string
- 把表示时间的元组赋值给表示年、月、日的3个变量
- 把表示年月日的三个变量传递给函数datetime(),进行第二次转换。
datetime(year, month, day[, hour[, minute[, second[, microsecond[,tzinfo]]]]]) # 函数返回一个datetime类型的变量
# 时间转换过程 import time,datetime # 时间到字符串的转换 print (time.strftime("%Y-%m-%d %X", time.localtime())) # 2016-09-24 15:42:33 # 字符串到时间的转换 t = time.strptime("2016-09-24", "%Y-%m-%d") y, m ,d = t[0:3] print (datetime.datetime(y,m,d)) # 2016-09-24 00:00:00
2.正则表达式
2.1简介
正则表达式用于搜索、替换和替换字符串。使用其编写一些逻辑验证非常方便。
正则表达式是用于文本匹配的工具，它在源字符串中查找与给定的正则表达式相匹配的部分。一个正则表达式是由字母、数字和特殊字符（括号、星号、问号等）组成。
| 符号 | 描述 | 符号 | 描述 |
| ^ | 表达式的开始字符。在[^m] 中例外 | \b | 匹配单词的开始和结束 |
| $ | 表达式的结束字符 | \B | 匹配不是单词的开始和结束的位置 |
| \w | 匹配字母、数字、下划线 | . | 匹配任意字符，包括汉字 |
| \W | 匹配不是字母、数字、下划线的字符 | [m] | 匹配单个字符串 |
| \s | 匹配空白字符 | [m1m2...n] | 匹配多个字符串 |
| \S | 匹配不是空白的字符 | [m-n] | 匹配m到n区间内的数字、字母 |
| \d | 匹配数字 | [^m] | 匹配除m以外的字符串 |
| \D | 匹配非数字的字符 | () | 对正则表达式进行分组，一对圆括号表示一组 |
| * | 重复0或N次 | {m} | 重复m次 |
| + | 重复1或N次 | {m,n} | 该限定符的意思是至少有 m 个重复，至多到 n 个重复 |
| ? | 重复0或1次 | ||
\d{3}-\d{8} | \d{4}-\d{7}
# 表示区号为3位的8位数电话号码或区号为4位的7位数电话号码
# 也有的在区号两侧加圆括号分隔
[\( ]?\d{3}[\]-?\d{8}|[\( ]?\d{4}[\]-]?\d{7}
# ()是正则表达式特殊字符 前要加\
# 对三位数字重复三次
(\d\d\d){2}
# \d\d\d{2} 相当于 \d\d\d\d
# 通常，正则表达式匹配最长字符串。可在限定符后加"?"，获取最短匹配
a.*c
# 对从a到c的字符串最长匹配
a.*?c
# 对从a到c的字符串最短匹配
| 符号 | 描述 | 符号 | 描述 |
| *? | 匹配零次或多次，且匹配最短 | (?#...) | 正则表达式中的注释 |
| +? | 匹配一次或多次，且匹配最短 | (?P<name>...) | 给分组命名，name表示分组的名称 |
| ?？ | 匹配一次或零次，且匹配最短 | (?P=name) | 使用名为name的分组 |
| {m,n}? | 重复m次，且匹配最短 |
2.2使用re模块处理正则表达式
Python的re模块具有正则表达式的功能。re模块提供了一些根据正则表达式进行查找、替换、分隔字符串的函数，这些函数使用正则表达式作为第一个参数。
| 函数 | 描述 |
| re.compile(pattern, flags=0) | 编译正则表达式，返回RegexObject对象，然后可以通过RegexObject对象调用match()和search()方法。第二个参数flags是匹配模式，例如，re.IGNORECASE=2，re.MULTILINE=8（忽略大小写，从新行开始搜索）等等。 |
| re.search(pattern, string, flags=0) | 在字符串中查找，是否能匹配正则表达式。返回_sre.SRE_Match对象，如果不能匹配返回None。 |
| re.match(pattern, string, flags=0) | 字符串的开头是否能匹配正则表达式。返回_sre.SRE_Match对象，如果不能匹配返回None |
| re.split(pattern, string, maxsplit=0) | 根据pattern分隔string，maxsplit表示最大分割数 |
| re.findall(pattern, string, flags=0) | 找到 RE 匹配的所有子串，并把它们作为一个列表返回。这个匹配是从左到右有序地返回。如果无匹配，返回空列表。 |
| re.finditer(pattern, string, flags=0) | 找到 RE 匹配的所有子串，并把它们作为一个迭代器返回。这个匹配是从左到右有序地返回。如果无匹配，返回空列表 |
| re.sub(pattern, repl, string, count=0, flags=0) | 找到 RE 匹配的所有子串，并将其用一个不同的字符串替换。可选参数 count 是模式匹配後替换的最大次数；count 必须是非负整数。缺省值是 0 表示替换所有的匹配。如果无匹配，字符串将会无改变地返回。 |
| re.subn(pattern, repl, string, count=0, flags=0) | 与re.sub方法作用一样，但返回的是包含新字符串和替换执行次数的两元组。 |
| re.escape(string) | 对字符串中的非字母数字进行转义 |
| re.purge() | 清空缓存中的正则表达式 |
正则表达式积累——常用：
1. .*? 是一个固定的搭配，.和*代表可以匹配任意无限多个字符，加上？表示使用非贪婪模式进行匹配，也就是我们会尽可能短地做匹配。
2. (.*?)代表一个分组，在这个正则表达式中我们匹配了五个分组，匹配完成后遍历item，item[0]就代表第一个(.*?)所指代的内容，item[1]就代表第二个(.*?)所指代的内容，以此类推。
3. re.S 标志代表在匹配时为点任意匹配模式，点 . 也可以代表换行符。用于（ re.compile() ）中的flags参数。
