【Python】-002-变量类型-字符串

字符串基本操作

• 运算符：+ \ *
  a = 'mac'
  b = 'book'
  c = a + b //'macbook'
  d = a * 2 //'macmac'
• 切片，索引
  text = 'c++ python3 python2 perl ruby lua java javascript C php5'
  text[0:10:1] //start: end: step 'c++ python'
  text[0] //'c'
• 常用方法：
  text.split(' ') //返回列表list，根据split里面的字符将字符串分割为字符串列表
  '*'.join(a) //返回字符串，根据join前面的字符，将数组a链接为字符串
  text.upper() //返回新字符串，将text里面的字母都进行大写
  text.find('as') //返回首次匹配到的索引值，不存在返回-1
  text.replace('python', 'HHH') //返回新字符串，原字符串不变
  ' aBC '.strip() //返回新字符串，去除单词首尾空格
  print '%s is good.'%(text[4:11])

字符串转义

• 转义r' '，r表示原始字符

• " "，可以包含里面的单引号，并正常显示

• Unicode编码字符集，支持多种字符和语言，常用UTF-8编码方式
  s = '用python做些事'
  a = u'用python做些事' //表示采用Unicode字符集，编码方式UTF-8

  s  //'\xe7\x94\xa8python\xe5\x81\x9a\xe4\xba\x9b\xe4\xba\x8b'
  a  //u'\u7528python\u505a\u4e9b\u4e8b'
  
  print s  //用python做些事
  print a  //用python做些事
  
  len(s)  //18
  len(a)  //10
  

• 在字符串使用中文时，建议采用类似变量a的声明方式，使用Unicode编码

• 在python用到中文，需要在头部增加#coding: utf-8

re模块

常用方法

• 对字符串进行操作，文本解析工具，常用方法：
  import re
  re.match(p, text) //match()函数只在字符串开始位置尝试匹配正则表达式，返回MatchObject 的实例，匹配失败返回None
  re.search(p, text) //search() 函数是扫描整个字符串来查找匹配，返回MatchObject 的实例，匹配失败返回None
  re.findall(p, text) //在字符串中找到正则表达式所匹配的所有子串，并组成一个 列表 返回
  re.split(p, text) //将字符串匹配正则表达式的部分割开，并返回一个列表
  re.sub(p, s, text) //字符串 text 中找到匹配正则表达式 p 的所有子串，用另一个字符串 s 进行替换，返回？
  //把正则表达式的模式和标识转化成正则表达式对象，供 match() 和 search() 这两个函数使用。
  pattern = re.compile(p)
  results = pattern.match(text)

Python正则表达式语法

1. ^ / $ / .

• 从头开始匹配：^
  re.findall(r'c^', text).group() // 'c'
• 匹配特定结尾：$
  re.findall(r'c$', text) //[]
• 表示任意一个字符：.
  re.findall(r'^c..', text) //'c++'

2. + / * / ? / [] / |

• 把前面的字符重复1-无穷次匹配：+
  re.findall(r'p+', text) //匹配p, pp, ppp, pppp……

• 把前面的字符重复0-无穷次匹配：*
  re.findall(r'p*', text) //

• 把前面的字符重复0-1次匹配：?
  re.findall(r'p?', text) //

• 字符集匹配：[], [a-zA-Z0-9] 匹配所有字母和数字，[^6] 表示除了 6 以外的任意字符
  re.findall(r'p[a-z]', text) //['py', 'py', 'pe', 'pt', 'ph']
  re.findall(r'p[^a-z]', text) //['p5']
  re.findall(r'p[^0-9]+|j[0-9]', text)

• 对于前一个字符重复 m 到 n 次：{m, n}
  re.findall(r'p[a-z]{3,}', text) //['python', 'python', 'perl']

• 只匹配其中一个表达式：|
  re.findall(r'p+[a-zA-Z]|j+[a-zA-Z]', text)

3. 特殊表达式

• 匹配任意数字和字母，相当于[a-zA-Z0-9_] : \w，\W表示非
• 匹配任意十进制数，相当于[0-9]：\d，\D表示非
• 匹配任意空白字符，相当于[\t\n\r\f\v]：\s，\S表示非
  re.findall(r'p\w+',text) //re.findall(r'p[0-9a-zA-Z]+',text)
  re.findall(r'p\w+\d',text) //p开头，第二位是字母或者数字，最后一位是数字
• 贪婪模式和非贪婪模式，+ | * / ? | *?，贪婪模式为尽可能多的匹配，非贪婪模式只匹配一次
  re.findall(r'p[a-z]+', text)
  re.findall(r'p[a-z]+?', text)
  re.findall(r'p[a-z]', text)
  re.findall(r'p[a-z]?', text)

---

参考资料
1. 使用 Python 模块 re 实现解析小工具