Python字符串和正则表达式的深入学习

Posted 2023-01-14

(Python字符串和正则表达式的深入学习)

---

注：因后续的知识，操作性比较强，所以更多的会偏向实践，不会再整理脑图。

---

1 字符串常用操作

1.1 拼接字符串

• 使用“ + ”拼接多个字符串；
• 不允许与其它类型的数据进行拼接

# -*- coding:utf-8 -*-

str_name = "小明"
str_age = "26"

str_p = str_name + str_age 
print(str_p)

# 不能与其它类型进行拼接，否则报错
str_num = 12345678
str_p_num = str_name + str_num
print(str_p_num)

结果：

小明26
Traceback (most recent call last):
  File "F:/pytest_study/test_case/test.py", line 19, in <module>
    str_p_num = str_name + str_num
TypeError: can only concatenate str (not "int") to str

1.2 计算字符串的长度

• 使用len()计算字符串长度
• 语法：len（string）
• 使用encode()计算对应编码的字符串长度

# -*- coding:utf-8 -*-

str_name = "小明"
str_age = "26"

str_p = str_name + str_age 
print("str_p:", str_p)

str_p_len = len(str_p)
print("str_p_len:", str_p_len)

# 计算对应编码的字符串长度
str_p_len_utf8 = len(str_p.encode())
print("str_p_len_utf8:", str_p_len_utf8)

str_p_len_gbk = len(str_p.encode("gbk"))
print("str_p_len_gbk:", str_p_len_gbk)

结果：

str_p: 小明26
str_p_len: 4
str_p_len_utf8: 8
str_p_len_gbk: 6

1.3 截取字符串

• 截取方法同序列的截取，因为字符串也是序列
• 可以使用切片的方法
• 语法：string[start : end : step] 即：开始，截至，步长

# -*- coding:utf-8 -*-

str_name = "Python学习笔记（7）-Python基础7-字符串与正则表达式"

str_name_1 = str_name[0]  # 截取第一个字符
str_name_2 = str_name[0:6]  # 从第一个字符开始到第六个，第六个取不到
str_name_3 = str_name[14:23]  # 第17个到23个，23个取不到

print("str_name_1:", str_name_1)
print("str_name_2:", str_name_2)
print("str_name_3:", str_name_3)

结果：

str_name_1: P
str_name_2: Python
str_name_3: Python基础7

1.4 分割字符串

• 分割字符串是把字符串分割为列表
• 语法：string.spilt(s, max) 即：string为要分割的字符串，s为分割的分隔符，max为分割的次数

# -*- coding:utf-8 -*-

str_name = "https://blog.csdn.net/NoamaNelson"

str_name_1 = str_name.split()
str_name_2 = str_name.split(".")
str_name_3 = str_name.split("//")
str_name_4 = str_name.split("/")
print("0、原字符串：str_name为", str_name)
print("1、默认分割: str_name_1", str_name_1)
print("2、采用‘.’分割：str_name_2为", str_name_2)
print("3、采用//分割: str_name_3为", str_name_3)
print("4、采用‘/’分割: str_name_4为", str_name_4)

结果：

0、原字符串：str_name为 https://blog.csdn.net/NoamaNelson
1、默认分割: str_name_1 [https://blog.csdn.net/NoamaNelson]
2、采用‘.’分割：str_name_2为 [https://blog, csdn, net/NoamaNelson]
3、采用//分割: str_name_3为 [https:, blog.csdn.net/NoamaNelson]
4、采用‘/’分割: str_name_4为 [https:, , blog.csdn.net, NoamaNelson]

1.5 检索字符串

# -*- coding:utf-8 -*-

str_name = "https://blog.csdn.net/NoamaNelson"

# 1、count()检索指定字符串在另一个字符串中出现的次数，不存在返回0，存在返回次数
print("① N出现的次数为：", str_name.count("N"))
print("② //出现的次数为:", str_name.count("//"))
print("③ /出现的次数为:", str_name.count("/"))

# 2、find()用于检索是否包含指定的字符串，不包含返回-1，包含返回首次出现该字符串的索引,且从左边开始查找，和rfind()相反
print("④ N包含，应返回索引：", str_name.find("N"))
print("⑤ /包含，应返回索引：", str_name.find("/"))
print("⑥ w不包含，应返回-1：", str_name.find("w"))

# 3、index()和find()类似，用于检索是否包含指定的字符串，当指定的字符串不存在时抛出异常
print("⑦ m包含，应返回索引：", str_name.index("m"))
# print("⑧ w不包含，应抛出异常：", str_name.index("w"))

# 4、startswith()检索字符串是否以指定的字符串开头，是返回True，否返回False
print("⑨ 以h开头，应返回True：", str_name.startswith("h"))
print("⑩ 不以m开头，应返回False：", str_name.startswith("m"))

# 5、endswith()检索字符串是否以指定的字符串结尾，是返回True，否返回False
print("⑾ 以n结尾，应返回True：", str_name.startswith("n"))
print("⑿ 不以m结尾，应返回False：", str_name.startswith("m"))

结果：

① N出现的次数为： 2
② //出现的次数为: 1
③ /出现的次数为: 3
④ N包含，应返回索引： 22
⑤ /包含，应返回索引： 6
⑥ w不包含，应返回-1： -1
⑦ m包含，应返回索引： 25
⑨ 以h开头，应返回True： True
⑩ 不以m开头，应返回False： False
⑾ 以n结尾，应返回True： False
⑿ 不以m结尾，应返回False： False

1.6 字母的大小写转换

# -*- coding:utf-8 -*-

str_name = "https://blog.csdn.net/NoamaNelson"

"""
1、lower()将字符串中的大写字母转换为小写字母
   : 如果字符串中没有被转换的字符，将原字符串返回；
   : 否则返回一个新的字符串,大写转换成小写，其它不变，长度也不变
2、upper()将字符串中的小写字母转换为大写字母
   : 如果字符串中没有被转换的字符，将原字符串返回；
   : 否则返回一个新的字符串,小写转换成大写，其它不变，长度也不变
"""
print("原字符串为：", str_name)
print("可以发现字符串中的大写N，转换成小写n：", str_name.lower())
print("可以发现所有小写都转换为大写了：", str_name.upper())

结果：

原字符串为： https://blog.csdn.net/NoamaNelson
可以发现字符串中的大写N，转换成小写n： https://blog.csdn.net/noamanelson
可以发现所有小写都转换为大写了： HTTPS://BLOG.CSDN.NET/NOAMANELSON

1.7 去除字符串中的空格和特殊字符

# -*- coding:utf-8 -*-

str_name = "  https://blog.csdn.net/NoamaNelson  \\t\\n\\r"

"""
1、strip()去除字符串左右两侧的空格和特殊字符
   : 带参数，则去除指定的字符
   : 不带参数，则去除空格、制表符、回车符、换行符等
2、lstrip()去除字符串左侧的空格和特殊字符
   : 带参数，则去除指定的字符
   : 不带参数，则去除空格、制表符、回车符、换行符等
3、rstrip()去除字符串右侧的空格和特殊字符
   : 带参数，则去除指定的字符
   : 不带参数，则去除空格、制表符、回车符、换行符等
"""
print("① 原字符串为:", str_name)
print("② 去除空格、制表符、回车符、换行符等:", str_name.strip())
print("③ 去除空格:", str_name.strip(" "))
print("④ 去除换行和制表符:", str_name.strip("\\n\\t"))
print("⑤ 去除左侧的空格:", str_name.lstrip(" "))
print("⑥ 去除右侧的空格和所有特殊字符:", str_name.rstrip())

结果：

① 原字符串为:   https://blog.csdn.net/NoamaNelson  	

② 去除空格、制表符、回车符、换行符等: https://blog.csdn.net/NoamaNelson
③ 去除空格: https://blog.csdn.net/NoamaNelson  	

④ 去除换行和制表符:   https://blog.csdn.net/NoamaNelson  	

⑤ 去除左侧的空格: https://blog.csdn.net/NoamaNelson  	

⑤ 去除右侧的空格和所有特殊字符:   https://blog.csdn.net/NoamaNelson

1.8 格式化字符串

1.8.1 使用"%"操作符

• 语法："%[-][+][0][m][.n]格式化字符串"%
• 说明：

# -*- coding:utf-8 -*-

t = "文章编号: %08d\\t 博客名称: %s\\t 博客地址：blog.csdn.net/%s"
t_context1 = (234, "NoamaNelson", "NoamaNelson")
print(t%t_context1)

print("姓名：%s\\t 学号：%06d\\t 班级：%s一班" % ("张三", 23, "高三"))

结果：

文章编号: 00000234	 博客名称: NoamaNelson	 博客地址：blog.csdn.net/NoamaNelson
姓名：张三	 学号：000023	 班级：高三一班

1.8.2 使用字符串对象的format()方法

• 语法：string.format(s)
• 说明：

• 创建模板时使用" " 和 " : "指定占位符

# -*- coding:utf-8 -*-

t = "文章编号: %08d\\t 博客名称: %s\\t 博客地址：blog.csdn.net/%s"
t_context1 = (234, "NoamaNelson", "NoamaNelson")
print(t.format(t_context1))

print("姓名：%s\\t 学号：%06d\\t 班级：%s一班".format("张三", 23, "高三"))

结果：

文章编号: %08d	 博客名称: %s	 博客地址：blog.csdn.net/%s
姓名：%s	 学号：%06d	 班级：%s一班

---

上边的基础学习，还是很有收获的，起码对字符串的常用操作有了一定的认知！！还是得加油啊

---

2 正则表达式

2.1 行定位符

• 用来描述子串的边界，“ ^ ”为行开始，" $ "为行结尾

^python # 行首匹配
python is my favourite programing language！ # 这个是可以匹配的
who is my favourite programing language of python! # 这个不能匹配

2.2 元字符

• 除了前边的“^”和"$"外，还有很多元字符
• 如格式：\\bqw\\w*\\b
• 说明：

# 如匹配格式： \\bqw\\w*\\b
# 那么下边的都可以匹配
qw123213
qwerererer
# 不能匹配以下
123qw
werqw

常用元字符

代码	说明
.	匹配除换行符以外的任意字符
\\w	匹配字母、数字、下划线或汉字
\\W	匹配除字母、数字、下划线或汉字以外的字符
\\s	匹配单个空白符（包括tab键和换行符）
\\S	匹配除单个空白符（包括tab键和换行符）以外的所有字符
\\d	匹配数字
\\b	匹配单词的开始或结束，单词的分界符通常是空格、标点符号或者换行
^	匹配字符串的开始
$	匹配字符串的结尾

2.3 限定符

常用限定符

限定符	说明
?	匹配前边的字符零次或一次
+	匹配前边的字符一次或多次
*	匹配前边的字符零次或多次
n	匹配前边的字符n次
n,	匹配前边的字符最少n次
n,m	匹配前边的字符最少n次，最多m次

2.4 字符类

• [aeiou]，匹配任何一个英文元音字母
• [.?!]，匹配标点符号（" . " 或" ? "或" ! "）
• [0-9]，和"\\d"一样，0-9任意一个数字
• [a-z0-9A-Z]，等同于"\\w"

2.5 排除字符

• " ^ "表示行的开始，如果放在[ ]中表示排除
• 如[a-zA-Z]表示匹配一个不是字母的字符

2.6 选择字符

• 使用" | "来表示，意思为"或"
• 比如:

"(^\\d15$) | (^\\d18$) | (^\\d17)(\\d|X|x)$"
# 匹配身份证规则：皮皮额15为数字，或者18位数字，或者17位数字和最后一位（X或x）

2.7 转义字符

# 匹配127.0.0.1
[0-9]1,3\\.[0-9]1,3\\.[0-9]1,3\\.[0-9]1,3

2.8 分组

# 使用()即可
# (ma|pa)th，匹配math和path

2.9 正则表达式语法

[^a-zA-Z] # 匹配不是字母的一个字符
\\\\bj\\\\w*\\\\b  # 匹配以字母j开头的字符,要把\\进行转义
# 或者写成r或R开头，r\\bj\\w*\\b

3 使用re模块实现正则表达式

使用以下引入re模块即可

import re

3.1 匹配字符串

3.1.1 match()方法

• 从字符串的开始处进行匹配，匹配成功返回Match对象，失败返回None
• 语法：re.match(pattern，s，flags)
• 说明：

# -*- coding:utf-8 -*-

import re
pattern = r"http\\w+"
s = "HTTPS://blog.csdn.net/NoamaNelson"
s1 = "博客地址HTTPS://blog.csdn.net/NoamaNelson"
mymatch = re.match(pattern, s, re.I)
mymatch1 = re.match(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

flags常用标志

标志	说明
A或ASCII	只进行ASCII 匹配
I或IGNORECASE	匹配不区分大小写
M或MULTILINE	将^和$用于包括整个字符串的开始和结尾的每一行
S或DOTALL	使用(.)字符匹配所有字符
X或VERBOSE	忽略模式字符串中未转义的空格和注释

3.1.2 search()方法

• 用于再整个字符串中搜索第一个匹配的值，成功返回对象，失败返回None
• 语法：re.search(pattern，s，flags)
• 说明：

3.1.3 findall()方法

• 用于再整个字符串中搜索所有符合正则表达式的字符串，成功返回包含匹配结构的列表，失败返回空列表
• 语法：re.findall(pattern，s，flags)
• 说明：

# -*- coding:utf-8 -*-

import re
pattern = r"http\\w+"
s = "HTTPS://blog.csdn.net/NoamaNelson"
s1 = "博客地址HTTPS://blog.csdn.net/NoamaNelson"
mymatch = re.findall(pattern, s, re.I)
mymatch1 = re.findall(pattern, s1, re.I)
print(mymatch)
print(mymatch1)

结果：

[HTTPS]
[HTTPS]

3.2 替换字符串

• sub()方法用于字符串替换
• 语法：re.sub(patern, repl, s, count, flags)
• 说明：

# -*- coding:utf-8 -*-

import re
pattern = r"8[345]\\d6"
s = "NoamaNelson的文章中编号为：83578910的文章，暗码为123456789"
result = re.sub(pattern, "98765432", s)
print(result)

结果：

NoamaNelson的文章中编号为：98765432的文章，暗码为123456789

3.3 正则表达式分割字符串

• 语法：re.spilt(pattern, s, [maxsplit], [flags])
• 说明：

# -*- coding:utf-8 -*-

import re
pattern = r"[?|&]"
s = "http://www.wertyy.com/login.jsp?username=admin&password=123456"
result = re.split(pattern, s)
print("原字符串：", s)
print("分割后的字符串：", result)

结果：

原字符串： http://www.wertyy.com/login.jsp?username=admin&password=123456
分割后的字符串： [http://www.wertyy.com/login.jsp, "username=admin", "password=123456"]