Python字符串和正则表达式的深入学习

---

注：因后续的知识，操作性比较强，所以更多的会偏向实践，不会再整理脑图。

---

1 字符串常用操作

1.1 拼接字符串

• 使用“ + ”拼接多个字符串；
• 不允许与其它类型的数据进行拼接

# -*- coding:utf-8 -*-

str_name = "我的博客地址为:"
str_url = "https://blog.csdn.net/NoamaNelson"

str_p = str_name + str_url
print(str_p)

# 不能与其它类型进行拼接，否则报错
str_num = 12345678
str_p_num = str_name + str_num
print(str_p_num)

结果：

我的博客地址为:https://blog.csdn.net/NoamaNelson
Traceback (most recent call last):
  File "F:/python_study/main.py", line 10, in <module>
    str_p_num = str_name + str_num
TypeError: can only concatenate str (not "int") to str

1.2 计算字符串的长度

• 使用len()计算字符串长度
• 语法：len（string）
• 使用encode()计算对应编码的字符串长度

# -*- coding:utf-8 -*-

str_name = "我的博客地址为:"
str_url = "https://blog.csdn.net/NoamaNelson"

str_p = str_name + str_url
print("str_p:", str_p)

str_p_len = len(str_p)
print("str_p_len:", str_p_len)

# 计算对应编码的字符串长度
str_p_len_utf8 = len(str_p.encode())
print("str_p_len_utf8:", str_p_len_utf8)

str_p_len_gbk = len(str_p.encode("gbk"))
print("str_p_len_gbk:", str_p_len_gbk)

结果：

str_p: 我的博客地址为:https://blog.csdn.net/NoamaNelson
str_p_len: 41
str_p_len_utf8: 55
str_p_len_gbk: 48

1.3 截取字符串

• 截取方法同序列的截取，因为字符串也是序列
• 可以使用切片的方法
• 语法：string[start : end : step] 即：开始，截至，步长

# -*- coding:utf-8 -*-

str_name = "Python学习笔记（7）-Python基础7-字符串与正则表达式"

str_name_1 = str_name[0]  # 截取第一个字符
str_name_2 = str_name[0:6]  # 从第一个字符开始到第六个，第六个取不到
str_name_3 = str_name[14:23]  # 第17个到23个，23个取不到

print("str_name_1:", str_name_1)
print("str_name_2:", str_name_2)
print("str_name_3:", str_name_3)

结果：

str_name_1: P
str_name_2: Python
str_name_3: Python基础7

1.4 分割字符串

• 分割字符串是把字符串分割为列表
• 语法：string.spilt(s, max) 即：string为要分割的字符串，s为分割的分隔符，max为分割的次数

# -*- coding:utf-8 -*-

str_name = "https://blog.csdn.net/NoamaNelson"

str_name_1 = str_name.split()
str_name_2 = str_name.split(".")
str_name_3 = str_name.split("//")
str_name_4 = str_name.split("/")
print("0、原字符串：str_name为", str_name)
print("1、默认分割: str_name_1", str_name_1)
print("2、采用‘.’分割：str_name_2为", str_name_2)
print("3、采用'//'分割: str_name_3为", str_name_3)
print("4、采用‘/’分割: str_name_4为", str_name_4)

结果：

0、原字符串：str_name为 https://blog.csdn.net/NoamaNelson
1、默认分割: str_name_1 ['https://blog.csdn.net/NoamaNelson']
2、采用‘.’分割：str_name_2为 ['https://blog', 'csdn', 'net/NoamaNelson']
3、采用'//'分割: str_name_3为 ['https:', 'blog.csdn.net/NoamaNelson']
4、采用‘/’分割: str_name_4为 ['https:', '', 'blog.csdn.net', 'NoamaNelson']

1.5 检索字符串

# -*- coding:utf-8 -*-

str_name = "https://blog.csdn.net/NoamaNelson"

# 1、count()检索指定字符串在另一个字符串中出现的次数，不存在返回0，存在返回次数
print("① N出现的次数为：", str_name.count("N"))
print("② //出现的次数为:", str_name.count("//"))
print("③ /出现的次数为:", str_name.count("/"))

# 2、find()用于检索是否包含指定的字符串，不包含返回-1，包含返回首次出现该字符串的索引,且从左边开始查找，和rfind()相反
print("④ N包含，应返回索引：", str_name.find("N"))
print("⑤ /包含，应返回索引：", str_name.find("/"))
print("⑥ w不包含，应返回-1：", str_name.find("w"))

# 3、index()和find()类似，用于检索是否包含指定的字符串，当指定的字符串不存在时抛出异常
print("⑦ m包含，应返回索引：", str_name.index("m"))
# print("⑧ w不包含，应抛出异常：", str_name.index("w"))

# 4、startswith()检索字符串是否以指定的字符串开头，是返回True，否返回False
print("⑨ 以h开头，应返回True：", str_name.startswith("h"))
print("⑩ 不以m开头，应返回False：", str_name.startswith("m"))

# 5、endswith()检索字符串是否以指定的字符串结尾，是返回True，否返回False
print("⑾ 以n结尾，应返回True：", str_name.startswith("n"))
print("⑿ 不以m结尾，应返回False：", str_name.startswith("m"))

结果：

① N出现的次数为： 2
② //出现的次数为: 1
③ /出现的次数为: 3
④ N包含，应返回索引： 22
⑤ /包含，应返回索引： 6
⑥ w不包含，应返回-1： -1
⑦ m包含，应返回索引： 25
⑨ 以h开头，应返回True： True
⑩ 不以m开头，应返回False： False
⑾ 以n结尾，应返回True： False
⑿ 不以m结尾，应返回False： False

1.6 字母的大小写转换

# -*- coding:utf-8 -*-

str_name = "https://blog.csdn.net/NoamaNelson"

"""
1、lower()将字符串中的大写字母转换为小写字母
   : 如果字符串中没有被转换的字符，将原字符串返回；
   : 否则返回一个新的字符串,大写转换成小写，其它不变，长度也不变
2、upper()将字符串中的小写字母转换为大写字母
   : 如果字符串中没有被转换的字符，将原字符串返回；
   : 否则返回一个新的字符串,小写转换成大写，其它不变，长度也不变
"""
print("原字符串为：", str_name)
print("可以发现字符串中的大写N，转换成小写n：", str_name.lower())
print("可以发现所有小写都转换为大写了：", str_name.upper())

结果：

原字符串为： https://blog.csdn.net/NoamaNelson
可以发现字符串中的大写N，转换成小写n： https://blog.csdn.net/noamanelson
可以发现所有小写都转换为大写了： HTTPS://BLOG.CSDN.NET/NOAMANELSON

1.7 去除字符串中的空格和特殊字符

# -*- coding:utf-8 -*-

str_name = "  https://blog.csdn.net/NoamaNelson  \t\n\r"

"""
1、strip()去除字符串左右两侧的空格和特殊字符
   : 带参数，则去除指定的字符
   : 不带参数，则去除空格、制表符、回车符、换行符等
2、lstrip()去除字符串左侧的空格和特殊字符
   : 带参数，则去除指定的字符
   : 不带参数，则去除空格、制表符、回车符、换行符等
3、rstrip()去除字符串右侧的空格和特殊字符
   : 带参数，则去除指定的字符
   : 不带参数，则去除空格、制表符、回车符、换行符等
"""
print("① 原字符串为:", str_name)
print("② 去除空格、制表符、回车符、换行符等:", str_name.strip())
print("③ 去除空格:", str_name.strip(" "))
print("④ 去除换行和制表符:", str_name.strip("\n\t"))
print("⑤ 去除左侧的空格:", str_name.lstrip(" "))
print("⑥ 去除右侧的空格和所有特殊字符:", str_name.rstrip())

结果：

① 原字符串为:   https://blog.csdn.net/NoamaNelson  	

② 去除空格、制表符、回车符、换行符等: https://blog.csdn.net/NoamaNelson
③ 去除空格: https://blog.csdn.net/NoamaNelson  	

④ 去除换行和制表符:   https://blog.csdn.net/NoamaNelson  	

⑤ 去除左侧的空格: https://blog.csdn.net/NoamaNelson  	

⑤ 去除右侧的空格和所有特殊字符:   https://blog.csdn.net/NoamaNelson

1.8 格式化字符串

1.8.1 使用"%"操作符

• 语法："%[-][+][0][m][.n]格式化字符串"%
• 说明：

—：可选，左对齐，指定正数前无符号，负数前加负号
+：可选，右对齐，指定正数前加正号，负数前加负号
0（零）：可选，右对齐

Python 转换说明符

转换说明符	解释
%d、%i	转换为带符号的十进制整数
%o	转换为带符号的八进制整数
%x、%X	转换为带符号的十六进制整数
%e	转化为科学计数法表示的浮点数（e 小写）
%E	转化为科学计数法表示的浮点数（E 大写）
%f、%F	转化为十进制浮点数
%g	智能选择使用 %f 或 %e 格式
%G	智能选择使用 %F 或 %E 格式
%c	格式化字符及其 ASCII 码
%r	使用 repr() 函数将表达式转换为字符串
%s	使用 str() 函数将表达式转换为字符串

# -*- coding:utf-8 -*-

t = "文章编号: %08d\t 博客名称: %s\t 博客地址：blog.csdn.net/%s"
t_context1 = (234, "NoamaNelson", "NoamaNelson")
print(t%t_context1)

print("姓名：%s\t 学号：%06d\t 班级：%s一班" % ("张三", 23, "高三"))

结果：

文章编号: 00000234	 博客名称: NoamaNelson	 博客地址：blog.csdn.net/NoamaNelson
姓名：张三	 学号：000023	 班级：高三一班

1.8.2 使用字符串对象的format()方法

• 语法：string.format(s)
• 说明：

str：指定字符串的显示样式（即模板）；s指定要转换的项，若有多项用逗号隔开。

• 创建模板时使用" {} " 和 " : "指定占位符

格式为：{[index] [:[fill]align] [sign] [#] [width] [.precision][type]] }
① index:可选，设置格式的对象在参数列表中的位置
② fill：可选，指定对齐方式（"<“左对齐，”>“右对齐，”=“右对齐-对数字类型有效，”^"居中（配合with使用））
③sign：可选，指定有无符号
④#：可选，对二、八、十六进制，加上#号表示有前缀“\0b\0o\0x”
⑤width:可选，所占宽度
⑥ .precision：可选，保留的小数位数
⑦type：可选，指定类型

type 占位符类型及含义

type类型值	含义
s	对字符串类型格式化。
d	十进制整数。
c	将十进制整数自动转换成对应的 Unicode 字符。
e 或者 E	转换成科学计数法后，再格式化输出。
g 或 G	自动在 e 和 f（或 E 和 F）中切换。
b	将十进制数自动转换成二进制表示，再格式化输出。
o	将十进制数自动转换成八进制表示，再格式化输出。
x 或者 X	将十进制数自动转换成十六进制表示，再格式化输出。
f 或者 F	转换为浮点数（默认小数点后保留 6 位），再格式化输出。
%	显示百分比（默认显示小数点后 6 位）。

# -*- coding:utf-8 -*-

t = "文章编号: %08d\t 博客名称: %s\t 博客地址：blog.csdn.net/%s"
t_context1 = (234, "NoamaNelson", "NoamaNelson")
print(t.format(t_context1))

print("姓名：%s\t 学号：%06d\t 班级：%s一班".format("张三", 23, "高三"))

结果：

文章编号: %08d	 博客名称: %s	 博客地址：blog.csdn.net/%s
姓名：%s	 学号：%06d	 班级：%s一班

---

上边的基础学习，还是很有收获的，起码对字符串的常用操作有了一定的认知！！还是得加油啊

---

2 正则表达式

2.1 行定位符

• 用来描述子串的边界，“ ^ ”为行开始，" $ "为行结尾

^python # 行首匹配
python is my favourite programing language！ # 这个是可以匹配的
who is my favourite programing language of python! # 这个不能匹配

2.2 元字符

• 除了前边的“^”和"$"外，还有很多元字符
• 如格式：\bqw\w*\b
• 说明：

①表示用于匹配以字母qw开头的单词
②先从某个单词开始处（\b）,然后匹配字母qw，接着是任意的字母或字符(\w*)，最后是单词结束处(\b)

# 如匹配格式： \bqw\w*\b
# 那么下边的都可以匹配
qw123213
qwerererer
# 不能匹配以下
123qw
werqw

常用元字符

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、下划线或汉字
\W	匹配除字母、数字、下划线或汉字以外的字符
\s	匹配单个空白符（包括tab键和换行符）
\S	匹配除单个空白符（包括tab键和换行符）以外的所有字符
\d	匹配数字
\b	匹配单词的开始或结束，单词的分界符通常是空格、标点符号或者换行
^	匹配字符串的开始
$	匹配字符串的结尾

2.3 限定符

常用限定符

限定符	说明
?	匹配前边的字符零次或一次
+	匹配前边的字符一次或多次
*	匹配前边的字符零次或多次
{n}	匹配前边的字符n次
{n,}	匹配前边的字符最少n次
{n,m}	匹配前边的字符最少n次，最多m次

2.4 字符类

• [aeiou]，匹配任何一个英文元音字母
• [.?!]，匹配标点符号（" . " 或" ? “或” ! "）
• [0-9]，和"\d"一样，0-9任意一个数字
• [a-z0-9A-Z]，等同于"\w"

2.5 排除字符

• " ^ "表示行的开始，如果放在[ ]中表示排除
• 如[a-zA-Z]表示匹配一个不是字母的字符

2.6 选择字符

• 使用" | “来表示，意思为"或”
• 比如:

"(^\d{15}$) | (^\d{18}$) | (^\d{17})(\d|X|x)$"
# 匹配身份证规则：皮皮额15为数字，或者18位数字，或者17位数字和最后一位（X或x）

2.7 转义字符

# 匹配127.0.0.1
[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}

2.8 分组

# 使用()即可
# (ma|pa)th，匹配math和path

2.9 正则表达式语法

'[^a-zA-Z]' # 匹配不是字母的一个字符
'\\bj\\w*\\b'  # 匹配以字母j开头的字符,要把\进行转义
# 或者写成r或R开头，r'\bj\w*\b'

3 使用re模块实现正则表达式

使用以下引入re模块即可

import re

3.1 匹配字符串

3.1.1 match()方法

• 从字符串的开始处进行匹配，匹配成功返回Match对象，失败返回None
• 语法：re.match(pattern，s，flags)
• 说明：

pattern：模式字符串
s：要匹配的字符串
flags：可选，控制匹配方式

# -*- coding:utf-8 -*-

import re
pattern = r"http\w+"
s = "HTTPS://blog.csdn.net/NoamaNelson"
s1 = "博客地址HTTPS://blog.csdn.net/NoamaNelson"
mymatch = re.match(pattern, s, re.I)
mymatch1 = re.match(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

flags常用标志

标志	说明
A或ASCII	只进行ASCII 匹配
I或IGNORECASE	匹配不区分大小写
M或MULTILINE	将^和$用于包括整个字符串的开始和结尾的每一行
S或DOTALL	使用(.)字符匹配所有字符
X或VERBOSE	忽略模式字符串中未转义的空格和注释

3.1.2 search()方法

• 用于再整个字符串中搜索第一个匹配的值，成功返回对象，失败返回None
• 语法：re.search(pattern，s，flags)
• 说明：

pattern：模式字符串
s：要匹配的字符串
flags：可选，控制匹配方式

3.1.3 findall()方法

• 用于再整个字符串中搜索所有符合正则表达式的字符串，成功返回包含匹配结构的列表，失败返回空列表
• 语法：re.findall(pattern，s，flags)
• 说明：

pattern：模式字符串
s：要匹配的字符串
flags：可选，控制匹配方式

# -*- coding:utf-8 -*-

import re
pattern = r"http\w+"
s = "HTTPS://blog.csdn.net/NoamaNelson"
s1 = "博客地址HTTPS://blog.csdn.net/NoamaNelson"
mymatch = re.findall(pattern, s, re.I)
mymatch1 = re.findall(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

结果：

['HTTPS']
['HTTPS']

3.2 替换字符串

• sub()方法用于字符串替换
• 语法：re.sub(patern, repl, s, count, flags)
• 说明：

patern：模式字符串
repl：替换的字符串
s：原始字符串
count：可选，替换的最大次数，默认为0
flags：控制匹配方式

# -*- coding:utf-8 -*-

import re
pattern = r"8[345]\d{6}"
s = "NoamaNelson的文章中编号为：83578910的文章，暗码为123456789"
result = re.sub(pattern, "98765432", s)
print(result)

结果：

NoamaNelson的文章中编号为：98765432的文章，暗码为123456789

3.3 正则表达式分割字符串

• 语法：re.spilt(pattern, s, [maxsplit], [flags])
• 说明：

pattern：模式字符串
s：要匹配的字符串
maxsplit：可选，最大的拆分次数
flags：可选，控制匹配方式

# -*- coding:utf-8 -*-

import re
pattern = r"[?|&]"
s = "http://www.wertyy.com/login.jsp?username='admin'&password='123456'"
result = re.split(pattern, s)
print("原字符串：", s)
print("分割后的字符串：", result)

结果：

原字符串： http://www.wertyy.com/login.jsp?username='admin'&password='123456'
分割后的字符串： ['http://www.wertyy.com/login.jsp', "username='admin'", "password='123456'"]