Python3 CookBook | 字符串和文本

文章首发于知乎专栏，欢迎关注。
zhuanlan.zhihu.com/pythoncookb…

如下测试代码所有基于 Python3。

字符串操做在程序中的出现频率至关高，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，但愿给你带来一些思考。

一、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做了，直接用 split() 便可。

In [88]: a = 'a,b,c,c'

In [89]: a.split(',')
Out[89]: ['a', 'b', 'c', 'c']复制代码

若是一个字符串包含多个不一样的分隔符呢？固然能够用 split() 进行屡次分割，但这显然比较麻烦，这时候用 re.split() 是更好的解决办法。

In [90]: a = 'a,b c:d,e'

In [91]: import re

In [92]: re.split(r'[,| |:]', a)
Out[92]: ['a', 'b', 'c', 'd', 'e']复制代码

re.split() 函数的第一个参数能够根据你的须要，写出符合要求的正则表达式。

二、字符串开头或结尾匹配

解决这个问题能够有不少种方法。

第一可使用切片操做，截取出字符串和要求字符串进行比较；第二可使用 re.march() 函数，经过写正则表达式，检查匹配结果来达到比较目的。

这里介绍两个更简单的函数 startswith() 和 endswith()。

In [93]: a = 'hello.py'

In [94]: a.endswith('.py')
Out[94]: True

In [95]: a.startswith('h')
Out[95]: True复制代码

须要注意的是，若是要一次比较多个字符串，所传入的参数必须是元组，不然会报错。

In [96]: names = ['a.txt', 'b.py', 'c', 'd.py']

In [97]: [name for name in names if name.endswith('.py')]
Out[97]: ['b.py', 'd.py']

In [98]: [name for name in names if name.endswith('.py', '.txt')]
-----------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-98-900fc5940b5c> in <module>()
> 1 [name for name in names if name.endswith('.py', '.txt')]

<ipython-input-98-900fc5940b5c> in <listcomp>(.0)
> 1 [name for name in names if name.endswith('.py', '.txt')]

TypeError: slice indices must be integers or None or have an __index__ method

In [99]: [name for name in names if name.endswith(('.py', '.txt'))]
Out[99]: ['a.txt', 'b.py', 'd.py']复制代码

再来看另外一种状况，咱们用 Linux 系统 shell 命令时，很喜欢用通配符，好比 ls *.py 来查看文件夹下全部 Python 文件。

在程序中也有两个函数，fnmatch() 和 fnmatchcase() 来支持这种通配符的操做方式。

In [100]: from fnmatch import fnmatch, fnmatchcase

In [101]: fnmatch('a.py', '*.py')
Out[101]: True复制代码

因为不一样的操做系统，对于模式大小写匹配规则是不同的，因此 fnmatchcase() 函数的做用就是彻底按照模式大小写来匹配。

三、字符串搜索和替换

对于简单的模式，直接使用 replace() 函数便可。

In [102]: a = 'hello world'

In [103]: a.replace('hello', 'go')
Out[103]: 'go world'复制代码

若是是复杂的模式，可使用 re.sub() 函数。好比你想把 ’11/30/2017’ 转换成 ’2017-11-30‘。

In [104]: a = 'time is 11/30/2017'

In [106]: re.sub(r'(\d+)/(\d+)/(\d+)', r'\3-\1-\2', a)
Out[106]: 'time is 2017-11-30'复制代码

sub() 函数第一个参数表示原字符串匹配模式，第二个参数是但愿转换成的模式，反斜杠 3 为前面获取的组号。

其实这种解决方法归根结底仍是考验对正则表达式理解程度，若是对正则表达式很熟悉的话，解决这类问题会很轻松。

我刚开始工做时用的语言是 Perl，这个语言对文本处理至关强悍，用的最多的就是正则表达式，写起来也很方便，当时写过不少很复杂的正则。后来开始写 Python 以后，感受写正则好麻烦，很不习惯。

四、最短匹配和多行匹配模式

这两个操做所要注意的就两个方面。

第一，当使用 . 进行匹配时，所采用的模式为贪婪匹配，若是想要结果为最短匹配，须要写成非贪婪匹配：.?。

第二，点号是不能匹配换行符的，因此在进行多行匹配时，要写成：[.|\n]。

五、字符串格式换

首先说说字符串拼接，若是简单拼接两个字符串，加号即可以轻松搞定。

In [110]: a = 'hello'

In [111]: b = 'world'

In [112]: a + ' ' + b
Out[112]: 'hello world'复制代码

若是拼接一个列表中的字符串呢？能够用 join() 函数。

In [113]: a = ['I', 'have', 'a', 'dream']

In [114]: ' '.join(a)
Out[114]: 'I have a dream'复制代码

再来看看这类替换操做：

In [115]: a = '{name} is {age}'

In [116]: a.format(name='Tom', age=18)
Out[116]: 'Tom is 18'复制代码

其实 format() 函数还有不少功能，好比打印的时候就经常使用它来格式化，有兴趣能够进行更多了解。

未完待续。。。