137、字符串对象方法及正则表达式
2018-02-02 本文已影响0人
陈容喜
字符串对象方法
以逗号分隔的字符串可用split拆分成数段：
1.png
split结合strip（用于修剪空白符（包括换行符））一起使用：
2.png
使用join方法把字符串与指定的字符拼接起来：
3.png
使用in、index和find检测子字符串：
4.png
find和index的区别：如果找不到字符串，find会返回-1；index将会引发一个异常。
5.png
count函数返回指定子字符串的出现次数：
6.png
replace用于将指定模式替换为另一个模式：
7.png
python内置的字符串方法：
8.png
9.png
正则表达式
正则表达式（通常称作regex）提供一种灵活的在文本中搜索或匹配字符串模式的方式。正则表达式是根据正则表达式语言编写的字符串。Python内置的re模块负责对字符串应用正则表达式。
re模块的函数分为三个大类：模式匹配、替换和拆分。
21.png
调用re.split('\s+',text)时，正则表达式会先被编译，然后在text上调用split方法。可以使用re.compile编译regex得到一个可重用的regex对象：
22.png
使用findall方法返回的是字符串中所有的匹配项：
23.png
下面是一段文本及一条能够识别大部分电子邮件地址的正则表达式：
24.png
如果对多条字符串应用同一条正则表达式，可以通过re.compile创建regex对象，可以节省大量CPU时间。
25 .png
regex.match则返回None，因为它只匹配出现在字符串开头的模式：
26.png
使用sub方法，将匹配到的模式替换为指定字符串，并返回所得到的新字符串：
27.png
将电子邮件地址分成3个部分：用户名、域名以及域后缀，需要将待分段的模式的各个部分用圆括号包起来，并通过groups方法返回一个由模式各段组成的元组：
28.png
对于带有分组功能的模式，findall会返回一个元组列表：
29.png
sub通过\1、\2、\3的特殊符号访问各匹配项中的分组：
30.png
为各个匹配分组加上一个名称，并返回一个带有分组名称的字典：
31.png
正则表达式方法：
55.png
源码：
# coding: utf-8
# ## 字符串对象方法
# In[1]:
# 以逗号分隔的字符串可以用split拆分成数段
language = 'Python,Java, C, C++'
language.split(',')
# In[2]:
# split结合strip（用于修剪空白符（包括换行符））一起使用：
pieces = [x.strip() for x in language.split(',')]
print(pieces)
# In[3]:
# 使用join方法连接字符串
lis = ['first','second','third']
'::'.join(lis)
# ### 子字符串定位
# In[4]:
val = 'is,or,that'
'that' in val
# In[5]:
# 指出第一个出现的','在字符串中的位置
val.index(',')
# In[6]:
# find也是返回查找的第一个字符在原来字符串中的位置
val.find('or')
# ### find和index的区别
# In[7]:
val.find(':')
# In[8]:
val.index(':')
# In[9]:
# count函数返回指定字符出现的次数
val.count('t')
# In[10]:
# replace用于指定模式替换为另一个模式
val.replace(',','::')
# In[11]:
val.replace(',','')
# ## 正则表达式
# In[12]:
# 使用正则表达式拆分字符串
import re
text = 'foo bar\t baz \tqux'
re.split('\s+',text)
# In[13]:
# 使用re.compile编译regex得到可重用的regex对象
regex = re.compile('\s+')
regex.split(text)
# In[14]:
# 使用findall方法，得到匹配regex的所有模式
regex.findall(text)
# In[15]:
# 识别电子邮件地址
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}'
# re.IGNORECASE的作用是使正则表达式对大小写不敏感
regex = re.compile(pattern,flags=re.IGNORECASE)
# 对text使用findall将得到一组电子邮件地址
regex.findall(text)
# In[16]:
# search返回的是文本中第一个电子邮件地址
m = regex.search(text)
print(m)
# In[17]:
text[m.start():m.end()]
# In[18]:
# regex.match只匹配出现在字符串开头的模式
print(regex.match(text))
# In[19]:
# 使用sub方法，将匹配到的模式替换为指定字符串，并返回所得到的新字符串
print(regex.sub('REDACTED',text))
# In[20]:
# 将地址分成3个部分：用户名、域名以及域后缀
pattern = r'([A-Z0-9._%+-]+)@([A-Z0-9.-]+)\.([A-Z]{2,4})'
regex = re.compile(pattern,flags=re.IGNORECASE)
m = regex.match('wesm@bright.net')
# 通过groups方法返回一个元组
m.groups()
# In[21]:
# 对于带有分组功能的模式，findall会返回一个元组列表
regex.findall(text)
# In[22]:
# sub通过\1、\2、\3的特殊符号访问各匹配项中的分组
print(regex.sub(r'Username:\1,Domain:\2,Suffix:\3',text))
# In[23]:
# 为各个匹配分组加上一个名称
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)
m = regex.match('wesm@bright.net')
# 调用groupdict()返回带有分组名称的字典
m.groupdict()
