python编程精要(4)---Python字符串编程

前言

本系列博文为Python编程精粹和要点，相关内容没有系统性可言，仅记录我在使用python过程觉得最关键和常用的东西，并不是python编程入门笔记，适合有一定编程经验的朋友。

Python字符串编程

Python经常需要处理文本字符串，依据本人最近的经验，无非要完成数据读取、字符串分隔、过滤（去掉空行，去掉首尾空格等）、查找等操作，下面来看看具体是如何使用的。

1. 打开文件，对匹配的目标行进行处理，保留其它行，最后存为新文件

   filename = "test.log"
   newfilename = filename+"_bak"
   keyword= "server nginx"
   newlines = "" #用于存放新字符串文本，最后保存到文件中
   
   with open(filename, 'r', encoding='utf-8') as f:
      for line in f.readlines():
          if(keyword in line): #对有keyword的行做处理
              i+=1
              newline = line.replace("\n","")+" id %d" % (i) +"\n"#替换\n为空格，并在其后面加入相关字符串
              newlines += newline
           else:#其它行不做特殊处理
              newlines += line
   
   with open(newfilename, "w") as f:#最后写到新文本中
       f.writelines(newlines)

2. 对字符串分隔，并挑选出感兴趣的字段

   分隔使用split()函数，前提是字符串的格式是固定的，如果不是固定，那么很可能在处理其它串的时间出现bug。

   split()返回的结果是分隔后的子字符串列表。

   假如有这么一串字符串，要提取出域名位置的内容https://blog.csdn.net/rosetta应该怎么办呢？

   In [1]: string1='Apr  3 04:00:05 127.0.0.1 haproxy[226376]: 132.12.43.6:57669/18.123.134.89:80 0/0/7/44/51 404 600/249 {|Mozilla/5.0||https://blog.csdn.net/rosetta} "GET /test.jpg HTTP/1.1"'

   In [2]: string1.split()#默认以空格分隔
   Out[2]: 
   ['Apr',
   '3',
   '04:00:05',
   '127.0.0.1',
   'haproxy[226376]:',
   '132.12.43.6:57669/18.123.134.89:80',
   '0/0/7/44/51',
   '404',
   '600/249',
   '{|Mozilla/5.0||https://blog.csdn.net/rosetta}',
   '"GET',
   '/test.jpg',
   'HTTP/1.1"']
   
   In [3]: string1.split('|')#指定以竖线分隔
   Out[3]: 
   ['Apr  3 04:00:05 127.0.0.1 haproxy[226376]: 132.12.43.6:57669/18.123.134.89:80 0/0/7/44/51 404 600/249 {',
   'Mozilla/5.0',
   '',
   'https://blog.csdn.net/rosetta} "GET /test.jpg HTTP/1.1"']
   
   In [21]: string1.split(" ",3)#只对前面三个空格分隔，后面的不分隔
   Out[21]: 
   ['Apr',
   '',
   '3',
   '04:00:05 127.0.0.1 haproxy[226376]: 132.12.43.6:57669/18.123.134.89:80 0/0/7/44/51 404 600/249 {|Mozilla/5.0||https://blog.csdn.net/rosetta} "GET /test.jpg HTTP/1.1"']
   
   In [27]: string1.split()[-4]#获取倒数第四个分片
   Out[27]: '{|Mozilla/5.0||https://blog.csdn.net/rosetta}'
   
   In [28]: string1.split()[-4].split('|')#对第四个分片分隔
   Out[28]: ['{', 'Mozilla/5.0', '', 'https://blog.csdn.net/rosetta}']
   
   In [29]: string1.split()[-4].split('|')[-1]#取最后一个
   Out[29]: 'https://blog.csdn.net/rosetta}'
   
   In [30]: string1.split()[-4].split('|')[-1].split('}')#以右大括号分隔
   Out[30]: ['https://blog.csdn.net/rosetta', '']
   
   In [31]: string1.split()[-4].split('|')[-1].split('}')[0]#取第一个
   Out[31]: 'https://blog.csdn.net/rosetta'

   到此，域名已经取出，目标已经达到

3. 去除左右空格

   如下字符串，以竖线分隔后的字符串前后会含有空格

   In [32]: string2="start |Mozilla/5.0| www.baidu.com| blog.csdn.net/rosetta"

   In [34]: string_list = string2.split('|')
   Out[34]: ['start ', 'Mozilla/5.0', ' www.baidu.com', ' blog.csdn.net/rosetta']
   
   In [69]: new_list = []
      ...: for x in string_list:#需要遍历list，然后调用strip()去除空格
      ...:     new_list.append(x.strip())
      ...:     
   
   In [70]: new_list
   Out[70]: ['start', 'Mozilla/5.0', 'www.baidu.com', 'blog.csdn.net/rosetta']

4. 拼接

   对目标字符串的部分内容进行拼接

   In [72]: string3='Apr  3 04:00:05 127.0.0.1'#取本字符串以空格分隔后的前三段，拼接成新字符串
   
   In [73]: string3.split()
   Out[73]: ['Apr', '3', '04:00:05', '127.0.0.1']
   
   In [75]: ' '.join(string3.split()[0:3])
   Out[75]: 'Apr 3 04:00:05'
   

好了，如果能对以上内容可以达到随心所用的话，python的字符串处理基本上问题就不大了，一些其它常用的字符串操作，比如replace()替换，大小写转换，字母数字判断等等内容可参考《Python学习手册》第四版第7章字符串。

参考书籍：

《Python编程手册》第四版