Python学习总结-字符串与文本

本文通过针对不同应用场景及其解决方案的方式，总结了Python中对字符串和文本的一些相关操作，具体如下：

1.使用多个界定符分割字符串
使用场景：需要将一个字符串分割为多个字段，但是分隔符并不是固定的
解决方案：当需要更加灵活的切割字符串的时候，使用re.split()

#示例1
line='aaaa fffff; ddddewd,ccccccc,rrrrrr,foo'
line.split(r'[;,\s]\s*')
import re 
re.split(r'[;,\s]\s*',line)

注意事项：
正则表达式中是否包含一个括号捕获分组，如果使用了分组捕获，那么被匹配的文本也将出现在结果列表中。
正则表达式总结 http://blog.csdn.net/arthur_02_13/article/details/56278564

2.将Unicode文本标准化
使用场景：处理Unicode字符串，需要确保所有字符串在底层有相同的表示
解决方案：某些字符能够用多个合法的编码表示

其中第一种使用的是整体字符（U+00F1），第二种使用的是拉丁字母n后面跟一个~的组合字符（U+0303。

通过normalize()第一个参数指定字符串标准化的方式。

3.在字符串中处理html和xml
使用场景：想要将HTML和XML实体日&entity；或&#code；替换为对应的文本，还需要转换文本中特定的字符如<>或&
解决方案：使用html.escape()

示例1 使用html.escape()替换文本字符串中的< 或 >

示例2 替换原始文本中的编码值