正文

[转] 强大的python字符串解析

IP云
IP云V管理员/1 阅读
08/19
小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序
1.python字符串通常有单引号（'...'）、双引号（"..."）、三引号（"""..."""）或（'''...'''）包围，三引 号包含的字符串可由多行组成，一般可表示大段的叙述性字符串。在使用时基本没有差别，但双引号和三引号（"""..."""）中可以包含单引号，三引号 ('''...''')可以包含双引号，而不需要转义。
 
2.用（\）对特殊字符转义，如（\）、（'）、（"）。
 
3.常用字符串内置函数
  1)str.count()  //返回该字符串中某个子串出现的次数
  2)str.find()   //返回某个子串出现在该字符串的起始位置
  3)str.lower()  //将该字符串全部转化为小写
  4)str.upper()  //转为大写
  5)str.split()  //分割字符串，返回字串串列表，默认以空格分割
  6)len(str)     //返回字符串长度
  7)int(str)     //转成整型
  8)float(str)     //转成浮点型
 
  例如：
  >>> str = 'Hello, world'
  >>> str.count('o')
  >>> 2
  >>> str.find('lo')
  >>> 3
  >>> str.lower()
  >>> 'hello, world'
  >>> str.upper()
  >>> 'HELLO, WORLD'
  >>> str.split()
  >>> ['Hello,', 'world']
  >>> str.split(',')
  >>> ['Hello', ' world']
  >>> len(str)
  >>> 13
  >>> str
  >>> 'Hello, world'
  >>> a = "545.2222"
 >>> float(a)
545.22220000000004
 >>> int(float(a))
545
  以上所有操作都不会改变字符串本身！
 
4.正则表达式，re模块
  import re
  常用函数：
  1)compile()：   //将正则表达式字符串编译成正则re对象
  2)search()     //在目标字符串中匹配正则表达式
  3)match()      //从目标字符串第一个字符开始匹配正则表达
  search和match匹配成功返回MatchObject对象，失败返回None
 >>> p = re.compile('abc')
 >>> p.search('zabcy')
 <_sre.SRE_Match object at 0x2a95659030>
 不先编译成正则re对象也是可以的，上例也可以为：
 >>> re.search('abc','xabcy')
 <_sre.SRE_Match object at 0x2a95659098>
 
 compile还可加些标志位，例如：re.I(re.IGNORECASE)忽略大小写
 >>> p = re.compile('abc')
 >>> print p.search('xAbCy')
 None
 >>> p = re.compile('abc',re.I)
 >>> print p.search('xAbCy')
 <_sre.SRE_Match object at 0x2a9565a098>
 
 
 search和match区别见下例：
 >>> p = re.compile('abc')
 >>> print p.search('xxxabcyyy')
<_sre.SRE_Match object at
0x2a95659030>
 >>>
print p.match('xxxabcyyy')
 None
 >>>
print p.match('abcyyy')
 <_sre.SRE_Match object at
0x2a95659098>
 
 
  4)split()     
//类似字符串内置函数split()
   区别在于：内置split()以确定字符串分割，而正则split函数以正则表达式分割字

例如：以空格(1个或者多个空格)分割：

>>>
p.split('a
b   c  d')
['a', 'b', 'c', 'd']

而内置split分割的结果为：

>>>
'a b   c 
d'.split(' ')
['a', 'b', '', '', 'c', '', 'd']

 
 
5)findall()    
//返回目标字符串中匹配正则表达式中所有子串列表

>>>
p = re.compile('^([a-z]{2}):([1-9]{3}):(.+)$')
>>>
p.findall('as:123:a12')
[('as', '123', 'a12')]

上例中正则表达式的子串为3个用括弧括起的，分别为：'[a-z]{2}'、'[1-9]{3}'、'.+', 分别被as、123、a12匹配，注意此返回的是匹配字符串元组的一维列表。

  以上比较常用的正则函数，更多用法请参照python手册。
 
5.字符串与数字相互转换，string模块
  import string
  string.atoi(str[,base]) 
//base为可选参数，表示将字符转换成的进制类型
  数字转换成字符串可简单了，直接用str()
 
6.字符与ASCII转换
  char->ascii 
ord()
  ascii->char 
chr()
 

在许多编程语言中都包含有格式化字符串的功能，比如C和Fortran语言中的格式化输入输出。Python中内置有对字符串进行格式化的操作%。

模板

格式化字符串时，Python使用一个字符串作为模板。模板中有格式符，这些格式符为真实值预留位置，并说明真实数值应该呈现的格式。Python用一个tuple将多个值传递给模板，每个值对应一个格式符。

比如下面的例子：

print("I'm %s. I'm %d year old" % ('Vamei', 99))

上面的例子中，

"I'm %s. I'm %d year old" 为我们的模板。%s为第一个格式符，表示一个字符串。%d为第二个格式符，表示一个整数。('Vamei', 99)的两个元素'Vamei'和99为替换%s和%d的真实值。
在模板和tuple之间，有一个%号分隔，它代表了格式化操作。

整个"I'm %s. I'm %d year old" % ('Vamei', 99) 实际上构成一个字符串表达式。我们可以像一个正常的字符串那样，将它赋值给某个变量。比如:

a = "I'm %s. I'm %d year old" % ('Vamei', 99)
print(a)

我们还可以用词典来传递真实值。如下：

print("I'm %(name)s. I'm %(age)d year old" % {'name':'Vamei', 'age':99})

可以看到，我们对两个格式符进行了命名。命名使用()括起来。每个命名对应词典的一个key。

格式符

格式符为真实值预留位置，并控制显示的格式。格式符可以包含有一个类型码，用以控制显示的类型，如下:

%s    字符串 (采用str()的显示)

%r    字符串 (采用repr()的显示)

%c    单个字符

%b    二进制整数

%d    十进制整数

%i    十进制整数

%o    八进制整数

%x    十六进制整数

%e    指数 (基底写为e)

%E    指数 (基底写为E)

%f    浮点数

%F    浮点数，与上相同

%g    指数(e)或浮点数 (根据显示长度)

%G    指数(E)或浮点数 (根据显示长度)

%%    字符"%"

可以用如下的方式，对格式进行进一步的控制：

%[(name)][flags][width].[precision]typecode

(name)为命名

flags可以有+,-,' '或0。+表示右对齐。-表示左对齐。' '为一个空格，表示在正数的左侧填充一个空格，从而与负数对齐。0表示使用0填充。

width表示显示宽度

precision表示小数点后精度

比如：

print("%+10x" % 10)
print("%04d" % 5)
print("%6.3f" % 2.3)

上面的width, precision为两个整数。我们可以利用*，来动态代入这两个量。比如：

print("%.*f" % (4, 1.2))

Python实际上用4来替换*。所以实际的模板为"%.4f"。

总结

Python中内置的%操作符可用于格式化字符串操作，控制字符串的呈现格式。Python中还有其他的格式化字符串的方式，但%操作符的使用是最方便的。