Python3 CookBook | 字符串和文本
文章首发于知乎专栏，欢迎关注。
https://zhuanlan.zhihu.com/pythoncookbook
以下测试代码全部基于 Python3。
字符串操作在程序中的出现频率相当高，包括分割，替换，拼接等等，这篇文章介绍五个最常遇到的问题，希望给你带来一些思考。
1、使用多个界定符分割字符串
分割字符串属于字符串最基本的操作了，直接用 split() 即可。
In [88]: a = 'a,b,c,c'
In [89]: a.split(',')
Out[89]: ['a', 'b', 'c', 'c']
如果一个字符串包含多个不同的分隔符呢？当然可以用 split() 进行多次分割，但这显然比较麻烦，这时候用 re.split() 是更好的解决办法。
In [90]: a = 'a,b c:d,e'
In [91]: import re
In [92]: re.split(r'[,| |:]', a)
Out[92]: ['a', 'b', 'c', 'd', 'e']
re.split() 函数的第一个参数可以根据你的需要，写出符合要求的正则表达式。
2、字符串开头或结尾匹配
解决这个问题可以有很多种方法。
第一可以使用切片操作，截取出字符串和要求字符串进行比较；第二可以使用 re.march() 函数，通过写正则表达式，检查匹配结果来达到比较目的。
这里介绍两个更简单的函数 startswith() 和 endswith()。
In [93]: a = 'hello.py'
In [94]: a.endswith('.py')
Out[94]: True
In [95]: a.startswith('h')
Out[95]: True
需要注意的是，如果要一次比较多个字符串，所传入的参数必须是元组，否则会报错。
In [96]: names = ['a.txt', 'b.py', 'c', 'd.py']
In [97]: [name for name in names if name.endswith('.py')]
Out[97]: ['b.py', 'd.py']
In [98]: [name for name in names if name.endswith('.py', '.txt')]
-----------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-98-900fc5940b5c> in <module>()
> 1 [name for name in names if name.endswith('.py', '.txt')]
<ipython-input-98-900fc5940b5c> in <listcomp>(.0)
> 1 [name for name in names if name.endswith('.py', '.txt')]
TypeError: slice indices must be integers or None or have an __index__ method
In [99]: [name for name in names if name.endswith(('.py', '.txt'))]
Out[99]: ['a.txt', 'b.py', 'd.py']
再来看另一种情况，我们用 Linux 系统 shell 命令时，很喜欢用通配符，比如 ls *.py 来查看文件夹下所有 Python 文件。
在程序中也有两个函数，fnmatch() 和 fnmatchcase() 来支持这种通配符的操作方式。
In [100]: from fnmatch import fnmatch, fnmatchcase
In [101]: fnmatch('a.py', '*.py')
Out[101]: True
由于不同的操作系统，对于模式大小写匹配规则是不一样的，所以 fnmatchcase() 函数的作用就是完全按照模式大小写来匹配。
3、字符串搜索和替换
对于简单的模式，直接使用 replace() 函数即可。
In [102]: a = 'hello world'
In [103]: a.replace('hello', 'go')
Out[103]: 'go world'
如果是复杂的模式，可以使用 re.sub() 函数。比如你想把 ’11/30/2017’ 转换成 ’2017-11-30‘。
In [104]: a = 'time is 11/30/2017'
In [106]: re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', a)
Out[106]: 'time is 2017-11-30'
sub() 函数第一个参数表示原字符串匹配模式，第二个参数是希望转换成的模式，反斜杠 3 为前面获取的组号。
其实这种解决方法归根结底还是考验对正则表达式理解程度，如果对正则表达式很熟悉的话，解决这类问题会很轻松。
我刚开始工作时用的语言是 Perl，这个语言对文本处理相当强悍，用的最多的就是正则表达式，写起来也很方便，当时写过很多很复杂的正则。后来开始写 Python 之后，感觉写正则好麻烦，很不习惯。
4、最短匹配和多行匹配模式
这两个操作所要注意的就两个方面。
第一，当使用 .* 进行匹配时，所采用的模式为贪婪匹配，如果想要结果为最短匹配，需要写成非贪婪匹配：.*?。
第二，点号是不能匹配换行符的，所以在进行多行匹配时，要写成：[.|\n]。
5、字符串格式换
首先说说字符串拼接，如果简单拼接两个字符串，加号便可以轻松搞定。
In [110]: a = 'hello'
In [111]: b = 'world'
In [112]: a + ' ' + b
Out[112]: 'hello world'
如果拼接一个列表中的字符串呢？可以用 join() 函数。
In [113]: a = ['I', 'have', 'a', 'dream']
In [114]: ' '.join(a)
Out[114]: 'I have a dream'
再来看看这类替换操作：
In [115]: a = '{name} is {age}'
In [116]: a.format(name='Tom', age=18)
Out[116]: 'Tom is 18'
其实 format() 函数还有很多功能，比如打印的时候就常用它来格式化，有兴趣可以进行更多了解。
未完待续。。。
