Python3-Cookbook-Study Notes chap2:字符串和文本

最新推荐文章于 2024-07-08 14:56:09 发布
最新推荐文章于 2024-07-08 14:56:09 发布
阅读量214 收藏
点赞数
分类专栏： Python 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chenlan_Cynthia/article/details/106544963
版权

1.使用多个界定符分割字符串 —— re.split()

import re
# re.split()为分隔符指定多个正则模式

line = 'asdf fjdk; afed, fjek,asdf, foo'
re.split(r'[;,\s]\s*', line)
# ['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

# 需要特别注意的是正则表达式中是否包含一个括号捕获分组。 如果使用了捕获分组，那么被匹配的文本也将出现在结果列表中
fields = re.split(r'(;|,|\s)\s*', line)
# ['asdf', ' ', 'fjdk', ';', 'afed', ',', 'fjek', ',', 'asdf', ',', 'foo']

values = fields[::2]
delimiters = fields[1::2] + ['']
# values  ['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
# delimiters  [' ', ';', ',', ',', ',', '']
# Reform the line using the same delimiters
''.join(v+d for v,d in zip(values, delimiters))
# 'asdf fjdk;afed,fjek,asdf,foo'

# 如果你不想保留分割字符串到结果列表中去，但仍然需要使用到括号来分组正则表达式的话， 确保你的分组是非捕获分组，形如 (?:...)
re.split(r'(?:,|;|\s)\s*', line)
# ['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

2.字符串开头或结尾匹配

# 检查字符串开头或结尾 ： str.startswith() / str.endswith()
filename = 'spam.txt'
filename.endswith('.txt')
# True

# 检查多种匹配可能，只需要将所有的匹配项放入到一个元组中去
[name for name in filenames if name.endswith(('.c', '.h'))]

3.用Shell通配符匹配字符串

from fnmatch import fnmatch, fnmatchcase
fnmatch('foo.txt', '*.txt')
True
fnmatch('foo.txt', '?oo.txt')
True
fnmatch('Dat45.csv', 'Dat[0-9]*')
True
names = ['Dat1.csv', 'Dat2.csv', 'config.ini', 'foo.py']
[name for name in names if fnmatch(name, 'Dat*.csv')]
['Dat1.csv', 'Dat2.csv']

# fnmatch() 函数使用底层操作系统的大小写敏感规则(不同的系统是不一样的)来匹配模式
# On OS X (Mac)
fnmatch('foo.txt', '*.TXT') # False
# On Windows
fnmatch('foo.txt', '*.TXT') # True

4.字符串匹配和搜索

# 简单匹配
str.find() , str.endswith() , str.startswith()

# 复杂的匹配：使用正则表达式和 re 模块
# match() 从字符串开始去匹配
# findall() 查找字符串任意部分的模式出现位置

text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
datepat.findall(text) # ['11/27/2012', '3/13/2013']
# 在定义正则式的时候，通常会利用括号去捕获分组
datepat = re.compile(r'(\d+)/(\d+)/(\d+)')
m = datepat.match('11/27/2012')
m.group(0) # '11/27/2012'
m.group(1)  # '11'
month, day, year = m.groups()

# findall() 方法会搜索文本并以列表形式返回所有的匹配
# finditer()以迭代方式返回匹配

5.字符串搜索和替换

# 简单替换 str.replace()
text = 'yeah, but no, but yeah, but no, but yeah'
text.replace('yeah', 'yep')

# 复杂模式：使用 re 模块中的 sub() 函数
# sub() 函数中的第一个参数是被匹配的模式，第二个参数是替换模式
# 如果你打算用相同的模式做多次替换，考虑先编译它来提升性能
import re
text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', text)
# 'Today is 2012-11-27. PyCon starts 2013-3-13.'

# 如果你使用了命名分组，那么第二个参数请使用 \g<group_name> 
re.sub(r'(?P<month>\d+)/(?P<day>\d+)/(?P<year>\d+)', r'\g<year>-\g<month>-\g<day>', text
# 'Today is 2012-11-27. PyCon starts 2013-3-13.'

# 对于更加复杂的替换，可以传递一个替换回调函数来代替
from calendar import month_abbr
def change_date(m):
	mon_name = month_abbr[int(m.group(1))]
	return '{} {} {}'.format(m.group(2), mon_name, m.group(3))
datepat.sub(change_date, text)
# 'Today is 27 Nov 2012. PyCon starts 13 Mar 2013.'

# 如果除了替换后的结果外，你还想知道有多少替换发生了
newtext, n = datepat.subn(r'\3-\1-\2', text)
newtext # 'Today is 2012-11-27. PyCon starts 2013-3-13.'
n # 2

6.字符串忽略大小写的搜索替换

# 使用 re 模块的时候给这些操作提供 re.IGNORECASE 标志参数
text = 'UPPER PYTHON, lower python, Mixed Python'
re.findall('python', text, flags=re.IGNORECASE)  # ['PYTHON', 'python', 'Python']
re.sub('python', 'snake', text, flags=re.IGNORECASE) # 'UPPER snake, lower snake, Mixed snake'

7.最短匹配模式 —— 加上?

str_pat = re.compile(r'"(.*)"')
text1 = 'Computer says "no."'
str_pat.findall(text1) # ['no.']
text2 = 'Computer says "no." Phone says "yes."'
str_pat.findall(text2) # ['no." Phone says "yes.']

str_pat = re.compile(r'"(.*?)"')
str_pat.findall(text2)  # ['no.', 'yes.']

8.多行匹配模式 —— 修改模式字符串，增加对换行的支持

comment = re.compile(r'/\*(.*?)\*/')
comment = re.compile(r'/\*((?:.|\n)*?)\*/')

# re.compile() 函数接受一个标志参数叫 re.DOTALL，可以让正则表达式中的点(.)匹配包括换行符在内的任意字符

9.将Unicode文本标准化

import unicodedata
t1 = unicodedata.normalize('NFC', s1)
# normalize() 第一个参数指定字符串标准化的方式。 NFC表示字符应该是整体组成(比如可能的话就使用单一编码)，而NFD表示字符应该分解为多个组合字符表示
# combining() 函数可以测试一个字符是否为和音字符
unicodedata.combining(c))

10.在正则式中使用Unicode

import re
# 如果你想在模式中包含指定的Unicode字符，你可以使用Unicode字符对应的转义序列(比如 \uFFF 或者 \UFFFFFFF )
arabic = re.compile('[\u0600-\u06ff\u0750-\u077f\u08a0-\u08ff]+')
pat = re.compile('stra\u00dfe', re.IGNORECASE)

11.删除字符串中不需要的字符

# strip() 方法能用于删除开始或结尾的字符
# lstrip() 和 rstrip() 从左和从右执行删除操作。 
# 默认情况下，这些方法会去除空白字符，但是你也可以指定其他字符
s.strip()

12.审查清理文本字符串 —— str.translate()

s = 'pýtĥöñ\fis\tawesome\r\n'
remap = {
    ord('\t') : ' ',
    ord('\f') : ' ',
    ord('\r') : None # Deleted
	}
a = s.translate(remap)
a # 'pýtĥöñ is awesome\n'

# 删除所有的和音符
import unicodedata
import sys
# 使用 dict.fromkeys() 方法构造一个字典
cmb_chrs = dict.fromkeys(c for c in range(sys.maxunicode) if unicodedata.combining(chr(c)))
b = unicodedata.normalize('NFD', a)
b.translate(cmb_chrs)

# 涉及到I/O解码与编码函数:先对文本做一些初步的清理，再结合 encode() 或者 decode() 操作来清除或修改它
b = unicodedata.normalize('NFD', a)
b.encode('ascii', 'ignore').decode('ascii')

*13.字符串对齐 —— ljust() , rjust() 和 center() *

text.ljust(20)
text.rjust(20,'=')
text.center(20,'*')

# 使用format()来对齐字符串，可以用来格式化任何值
format(text, '>20')  # 右
format(text, '<20')  # 左
format(text, '^20')  # 居中

format(text, '=>20s')

# 当格式化多个值的时候，这些格式代码也可以被用在 format() 方法中
'{:>10s} {:>10s}'.format('Hello', 'World') 
# '     Hello      World'

14.合并拼接字符串

parts = ['Is', 'Chicago', 'Not', 'Chicago?']
' '.join(parts)  # 'Is Chicago Not Chicago?'
','.join(parts)  # 'Is,Chicago,Not,Chicago?'

15.字符串中插入变量 —— format()

s = '{name} has {n} messages.'
s.format(name='Guido', n=37)  # 'Guido has 37 messages.'

# 要被替换的变量能在变量域中找到,可以结合使用 format_map() 和 vars() 
name = 'Guido'
n = 37
s.format_map(vars())

16.以指定列宽格式化字符串 —— 使用 textwrap 模块

s = "Look into my eyes, look into my eyes, the eyes, the eyes, \
the eyes, not around the eyes, don't look around the eyes, \
look into my eyes, you're under."

import textwrap
print(textwrap.fill(s, 70))
print(textwrap.fill(s, 40))
print(textwrap.fill(s, 40, initial_indent='    '))
print(textwrap.fill(s, 40, subsequent_indent='    '))

# 希望输出自动匹配终端大小
# 使用 os.get_terminal_size() 方法来获取终端的大小尺寸
import os
os.get_terminal_size().columns

17.在字符串中处理html和xml

# 使用 html.escape() 函数：替换文本字符串中的 ‘<’ 或者 ‘>’
import html
s = 'Elements are written as "<tag>text</tag>".'
print(html.escape(s)) # Elements are written as &quot;&lt;tag&gt;text&lt;/tag&gt;&quot;.
print(html.escape(s, quote=False)) # Elements are written as "&lt;tag&gt;text&lt;/tag&gt;".

s = 'Spicy Jalapeño'
s.encode('ascii', errors='xmlcharrefreplace')  # b'Spicy Jalape&#241;o'

s = 'Spicy &quot;Jalape&#241;o&quot.'
from html.parser import HTMLParser
p = HTMLParser()
p.unescape(s) # 'Spicy "Jalapeño".'

t = 'The prompt is &gt;&gt;&gt;'
from xml.sax.saxutils import unescape
unescape(t) # 'The prompt is >>>'

18～20 待重新看！

小废物养成记
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
shell split分割字符串_Python3 CookBook | 字符串和文本
weixin_39602976的博客
12-07 1787
欢迎关注我的微信公众号 AlwaysBeta，更多精彩内容等你来。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(',...
python清洗文本非法字符_Python 文本字符串清理
weixin_34051133的博客
12-29 3088
文本字符串清理由于收集来源的问题(比如，表单文本数据录入错误，甚至于有意录入错误的数据)，文本字符串往往需要先进行清理才能够在后续的需求中发挥正常且正确的作用。删除字符串中多余的字符在文本字符串中，经常会遇到开头，结尾或者中间不需要的字符，例如空白符。strip()、lstrip()、rstrip()strip() 方法用于移除开始或结尾的字符。该方法接受一个参数 chars，该参数为指定要移除的...
Python实战之字符串和文本处理
山河已无恙
05-04 1637
写在前面 博文为《Python Cookbook》读书后笔记整理 涉及内容包括： 使用多个界定符分割字符串 字符串开头或结尾匹配,用Shell通配符匹配字符串 字符串匹配和搜索和替换(忽略大小写),最短匹配模式 将Unicode文本标准化,在正则式中使用Unicode 合并拼接字符串,字符串中插入变量,删除字符串中不需要的字符 以指定列宽格式化字符串,在字符串中处理html和xml 字节字符串上的字符串操作 理解不足小伙伴帮忙指正 傍晚时分，你坐在屋檐下，看着天慢慢地黑下去，心里寂寞而
最新的python3-cookbook 中文版在线版
化茧成蝶007
01-09 7026
链接: http://python3-cookbook.readthedocs.io/zh_CN/latest/index.html
【Python 每日一技】匹配字符串的开头或结尾
weixin_37780776的博客
04-07 3666
【Python 每日一技】匹配字符串的开头或结尾
Java基础:爬虫
weixin_65752158的博客
07-04 886
Pattern:表示正则表达式Matcher:文本匹配器，作用按照正则表达式的规则去读取字符串，从头开始读取。在大串中去找符合匹配规则的子串。通过Pattern p = Pattern.compile("正则表达式");获得 通过Matcher m = p.matcher(str);获得 (m要在str中找符合p规则的小串)其中, m为Matcher对象, p为正则表达式规则, str为要验证的字符串. boolean b = m.find(); 表示拿着文本匹配器从头开始读取，寻找是否有
已解决 javax.xml.transform.TransformerFactoryConfigurationError 异常的正确解决方法，亲测有效！！！
小明的Java问道之路
07-08 612
已解决 javax.xml.transform.TransformerFactoryConfigurationError 异常的正确解决方法，亲测有效！！！
pandas，dataframe使用笔记
分享计算机视觉，C++，嵌入式等知识。
07-05 370
dataframe属于pandas。
Django学习第四天
qq_43580271的博客
07-04 431
UserEditModelForm类继承了BootStrapModelForm类的方法，BootStrapModelForm继承了forms.ModelForm的方法所以使用继承能够更好封装代码功能。ModelForm引入时间样式（自动生成了id为id_create_time)django自动帮我们把session功能定义好了，使用只需要这样一个语句。封装每部分的功能，拆分到每个模块中去。在html中增加属性的方法1。在html中增加属性的方法2。在html中增加属性的方法3。在用户列表页面使用分页功能。
【Python进阶】函数的扩展
weixin_52854743的博客
07-06 752
python函数的补充，包括函数的嵌套调用、函数的变量作用域、多种参数、拆包和交换变量值、引用和匿名函数
python拆分Excel数据，自动发邮箱
cc605523的博客
07-06 479
message['To'] = ",".join(recipient_email) # 收件人（可以添加多个，若只有一个收件人，可直接写邮箱号）"采购部": ['young@realstarie.com', "865193996@qq.com"], # 可以添加多个收件人。# split_Excel("年假情况.xlsx", "年假_按部门汇总")department_df = df[df["部门"] == dept]depts = ["采购部", "船务部"]
守望数据边界：sklearn中的离群点检测技术
2401_85742452的博客
07-08 397
本文的目的是帮助读者更好地理解离群点检测，并掌握在sklearn中实现这些技术的方法。通过本文，我们了解到了sklearn中不同的离群点检测技术，并提供了实际的代码示例。Isolation Forest是一种基于随机森林的离群点检测方法，它通过随机选择特征和切分点来“孤立”离群点。在实际应用中，离群点检测可以帮助我们识别数据集中的异常行为，从而进行进一步的分析或采取预防措施。评估离群点检测的效果通常比较困难，因为没有绝对的标准。基于密度的方法，如DBSCAN，根据数据点的密度而非固定阈值来识别离群点。
并发编程面试题1
搬砖的小熊猫的博客
07-03 940
单例模式中的懒汉机制会有有序性问题。DCL（Double-Checked Locking）方式存在指令重排问题，可能导致NullPointerException。在Java编译时，JIT会优化指令顺序，提升执行效率。在CPU层面，也会对指令进行重新排序，提升执行效率。这种指令调整在特殊操作上可能会导致问题。
每日一道算法题 彩灯装饰记录 I
weixin_65816128的博客
07-05 300
【代码】每日一道算法题 彩灯装饰记录 I。
Python Tkinter手搓俄罗斯方块
甜盐的博客
07-03 548
俄罗斯方块是一个经典的电子游戏，风靡全球。下面我们一步一步地使用Python和Tkinter库制作一个简易的俄罗斯方块游戏。
python安装或升级模块时，[WinError 5] 拒绝访问
计算机辅助工程
07-04 431
在命令行中输入 pip install 来安装 或者 pip install --upgrade 来更新。基本上遇到 Consider using the --user option…就是需要管理员权限才能安装或更新。安装：pip install --user # 这里的 --user 照打就行了，别用自己的用户名。更新：pip install --upgrade --user。可以通过管理员的身份进行安装和更新。右键，选择以管理员身份运行。
python中flask服务数据，客户端接收到中文乱码
最新发布
qq_44862918的博客
07-08 100
问题原因：服务端数据打开中文显示正常。客户端接收到异常，原因其实还是出现在服务端。服务端在将数据发送到客户端时，数据是以unicode编码字节流在传输。而客户端则是以utf-8字节流的方式接收。尤其是当前的开发大环境下，第三方框架包应用盛行。会导致一些数据的传输过程被封装。问题原因剖析：数据服务端打印出来，中文显示正常。客户端接收到数据，以json方式打开，中文也是正常的，以text或content打开，中文变为乱码。客户端接收到数据后，发现中文乱码。解决方案：在服务端将数据转为utf-8编码字节流。
如何使用Pip从Git仓库安装Python包：深入探索远程依赖管理
2401_85342379的博客
07-05 524
Python的包管理工具Pip使得安装和管理Python库变得非常简单。有时，我们需要安装那些尚未发布到PyPI的包，或者想要尝试最新的开发版本。这时，可以直接从Git仓库安装包。本文将详细介绍如何使用Pip从Git仓库安装Python包，并提供详细的代码示例。
Java巅峰之路---基础篇---方法
2301_76909842的博客
07-07 885
方法(method)是程序中最小的执行单元定义格式：public static void 方法名(){方法体（就是打包起来的代码）;调用格式：方法名();定义格式：public static void 方法名(参数1，参数2，...){...}调用格式：方法名(参数1，参数2，...)；注意：方法调用时，形参必须与实参一一对应（数量与类型），否则程序会报错定义格式：返回值类型方法名(参数){//参数有无看自己需求方法体（就是打包起来的代码）;return 返回值；
python cookbook(第3版)高清中文完整版1
08-03
本书针对的是Python 3语言，这在当时相对较少见，因为Python 3相较于2.x系列主要在语法和模块结构上有所调整，导致其不向后兼容。然而，译者强调了Python 3的重要性，认为它是Python的未来，并且呼吁社区共同推动其...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值