python | strip() 和split() 移除字符串末尾数字（正则表达式）

一、strip（）

假设str是一个字符串

那么str.strip()就是把这个字符串头和尾的空格，以及位于头尾的\n \t之类给删掉。

举例e.g.1

str="  ABC"

那么str.strip() 就会为"ABC"



e.g.2

str="\t   AABBc  "

那么str.strip()就会为"AABBc"



e.g.3

str="  \n A BC \t"

那么str.strip()就会为"A BC"


例子3中可以发现空格躲在ABC中间去了，因为删除工作遇到了从头遇到了A，从尾遇到了C，因此就删到这里为止，中间的空格就不抓出来啦！



strip()还有一种用法是str.strip(c)，其中c也是一个字符或者一个字符串。它删除的是str字符串从头开始或者从尾开始带有c含有的字符的所有字符（确实拗口）

比如

str='hiahia ohoh haha ihih'

则

str.strip('hai') 就会为 ' ohoh haha '

为什么呢？

首先看str的头：第一个字母是h,包含在'hai'中，删掉。继续第二个字母是i包含在'hai'中，删掉。以此类推，一直到第一个空格，不包含在'hai'中。停止删除。

再看str的尾巴：第一个字母是h，包含在'hai'中，删除。第二个字母i，包含在'hai'中，删除。以此类推，直到倒数第一个空格，停止删除。

至于中间到底有什么字母，都不管了。只要外围碰到不需要删除的字符，屠杀就结束了。



字符串str还有另外两种类似的方法lstrip()和rstrip()。第一个是只删头，第二个是只删尾巴。用法类似。就不讲了。

 二、移除字符串末尾的数字

方法一：正则表达式

>>> re.split('^\d+', '123dddd666')
['', 'dddd666']
>>> re.split('\d+$', '123dddd666')
['123dddd', '']

补充：

正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

多数字母和数字前加一个反斜杠时会拥有不同的含义。

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠转义。

由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\\t')匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	精确匹配 n 个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
re{ n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

---

正则表达式实例

字符匹配

实例	描述
python	匹配 "python".

字符类

实例	描述
[Pp]ython	匹配 "Python" 或 "python"
rub[ye]	匹配 "ruby" 或 "rube"
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。

两个实例：

#!/usr/bin/python
import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
    print "matchObj.group() : ", matchObj.group()
    print "matchObj.group(1) : ", matchObj.group(1)
    print "matchObj.group(2) : ", matchObj.group(2)
else:
    print "No match!!"
正则表达式：

r'(.*) are (.*?) .*'
解析:

首先，这是一个字符串，前面的一个 r 表示字符串为非转义的原始字符串，让编译器忽略反斜杠，也就是忽略转义字符。但是这个字符串里没有反斜杠，所以这个 r 可有可无。

 (.*) 第一个匹配分组，.* 代表匹配除换行符之外的所有字符。
 (.*?) 第二个匹配分组，.*? 后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符
 后面的一个 .* 没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。
matchObj.group() 等同于 matchObj.group(0)，表示匹配到的完整文本字符

matchObj.group(1) 得到第一组匹配结果，也就是(.*)匹配到的

matchObj.group(2) 得到第二组匹配结果，也就是(.*?)匹配到的

因为只有匹配结果中只有两组，所以如果填 3 时会报错。

 实例2：

'(?P...)' 分组匹配

例：身份证 1102231990xxxxxxxx

import re
s = '1102231990xxxxxxxx'
res = re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<born_year>\d{3})',s)
print(res.groupdict())
此分组取出结果为：

{'province': '110', 'city': '223', 'born_year': '199'}
直接将匹配结果直接转为字典模式，方便使用。

方法二：string

import string

t.rstrip(string.digits)

 

补充：

比如有这样的一个字符串 t  = "book123456",想把尾部的数字全部去掉，只留下“book”，自己用正则试了下，是实现了，但速度不是很快，于是问了一下同事，他给的解决的方法确实很简洁，也让自己长了知识点，如下：

import string

t.rstrip(string.digits)

这样就全部将数字移除了，顺便将string这个模块看了下文档，也有一定的收获。

 

>>> import string

>>> string.digits

'0123456789'

>>> string.hexdigits

'0123456789abcdefABCDEF'

>>> string.octdigits

'01234567'

>>> string.letters

'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'

>>> string.lowercase

'abcdefghijklmnopqrstuvwxyz'

>>> string.uppercase

'ABCDEFGHIJKLMNOPQRSTUVWXYZ'

>>> string.printable

'0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c'

>>> string.punctuation

'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'

>>> string.whitespace

'\t\n\x0b\x0c\r '

>>>

同时string可以将字符串和int，float相互转化：

>>> string.atof("1.23")

1.23

>>> string.atof("1")

1.0

 

转换的时候还可以制定进制的转化

>>> string.atoi("20")

20

>>> string.atoi("20",base=10)

20

>>> string.atoi("20",base=16)

32

>>> string.atoi("20",base=8)

16

>>> string.atoi("20",base=2)

Traceback (most recent call last):

File "", line 1, in <module>

File "/usr/lib64/python2.6/string.py", line 403, in atoi

return _int(s, base)

ValueError: invalid literal for int() with base 2: '20'

>>> string.atoi("101",base=2)

5

>>> string.atoi("101",base=6)

37

 

capwords（s, sep = None）以sep作为分隔符，分割字符串是s，然后将每个字符串的首字母大写

>>> string.capwords("this is a dog")

'This Is A Dog'

>>> string.capwords("this is a dog",sep=" ")

'This Is A Dog'

>>> string.capwords("this is a dog",sep="s")

'This is a dog'

>>> string.capwords("this is a dog",sep="o")

'This is a doG'

>>>

maketrans（s, r）创建一个s到r的转换列表，然后可以使用translate（）方法来实现

>>> replist=string.maketrans("123","abc")

>>> replist1=string.maketrans("456","xyz")

>>> s="123456789"

>>> s.translate(replist)

'abc456789'

>>> s.translate(replist1)

参考：

【1】python中字符串str的strip()方法https://blog.csdn.net/u012671171/article/details/52024874 

【2】python正则表达式http://www.runoob.com/python/python-reg-expressions.html

【3】移除python中字符串末尾数字https://blog.csdn.net/lulongfei172006/article/details/51744505