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
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'"]
- 点赞
- 收藏
- 关注作者
评论(0)