python cookbook 2字符串 (1)

1.分割字符串

re.split()

>>> line = 'asdf fjdk; afed, fjek,asdf,     foo'
>>> import re
>>> re.split(r'[;,\s]\s*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
若是使用()捕捉,则匹配项也包含在最终结果中
>>> re.split(r'(;|,|\s)\s*', line)
['asdf', ' ', 'fjdk', ';', 'afed', ',', 'fjek', ',', 'asdf', ',', 'foo']
若是你不想让分割字符出如今结果中,但仍须要使用()来分割,能够使用非捕捉组,如(?:.....)
>>> re.split(r'(?:,|;|\s)\s*', line)
['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']

2在开头或结尾匹配字符串

最简单的方法是使用str.startswith(),str.endswith()
>>> filename = 'spam.txt'
>>> filename.endswith('.txt')
True
>>> filename.startswith('file:')
False
也能够向startswith或endswith()提供多个参数,但必须是tuple
>>> choices = ['http:', 'ftp:']
>>> url.startswith(choices)
---------------------------------------------------------------------------
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: startswith first arg must be str, unicode, or tuple, not list
---------------------------------------------------------------------------
>>> choices = ('http:', 'ftp:')
>>> url.startswith(choices)
True
用正则表达式也能够实现,不过对于简单匹配,有点小题大作
>>> import re
>>> url = 'http://www.python.org'
>>> re.match('http:|https:|ftp:', url)
<_sre.SRE_Match object at 0x101253098>

3用shell通配符匹配字符串

>>> from fnmatch import fnmatch
>>> fnmatch('foo.txt', '*.txt')
True
>>> fnmatch('Dat45.csv', 'Dat[0-9]*')
True
对于不一样的平台,可能会有大小写不敏感问题,
>>> fnmatch('foo.txt', '*.TXT')#ubuntu14.10
False
#这个时候能够使用fnmatchcase,是大小写敏感的
>>> from fnmatch import  fnmatchcase
>>> fnmatchcase('foo.txt', '*.TXT')
False

4匹配和搜索文本

>>> text = 'yeah, but no, but yeah, but no, but yeah'
>>> text.find('no')
10
>>> datepat = re.compile(r'\d+/\d+/\d+')
>>> text1 = '11/27/2012'
>>> datepat.match(text1)
<_sre.SRE_Match object at 0x7f0bda8cc4a8>
re.match()从字符串的开头匹配,若是想找到全部的匹配项,用findall()
>>> text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
>>> datepat.findall(text)
['11/27/2012', '3/13/2013']
findall()返回的是一个list,若是你向要返回一个可迭代对象,能够用finditer()
>>> datepat = re.compile(r'(\d+)/(\d+)/(\d+)')
>>> for m in datepat.finditer(text):
...     print m.groups()
... 
('11', '27', '2012')
('3', '13', '2013')

若是你须要常用某个正则表达式,最好先用compiler编译,虽然模块功能会缓存最近编译的表达式,因此不会有很大的
性能改善,可是使用本身编译的正则表达式节省了额外的查找和处理时间

5查找替换字符串

简单的替换能够用replace,并未改变原来的文本
>>> text = 'yeah, but no, but yeah, but no, but yeah'
>>> text.replace('yeah', 'yep')
'yep, but no, but yep, but no, but yep'
>>> text
'yeah, but no, but yeah, but no, but yeah'
也能够用re.sub()
>>> 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.'
>>> text
'Today is 11/27/2012. PyCon starts 3/13/2013.'
若是须要重复使用该正则表达式,最好先编译
>>> datepat = re.compile(r'(\d+)/(\d+)/(\d+)')
>>> datepat.sub(r'\3-\1-\2', text)
'Today is 2012-11-27. PyCon starts 2013-3-13.'
若是你想知道有多少个匹配项能够用subn
>>> newtext, n = datepat.subn(r'\3-\1-\2', text)
>>> newtext
'Today is 2012-11-27. PyCon starts 2013-3-13.'
>>> n
2