python字符串处理

谁借莪１个温暖的怀抱￠ 2022-02-19 11:15 281阅读 0赞

**目录**

1.字符串分割

2.字符串开头或者结尾匹配

3.使用通配符匹配字符串

3.字符串匹配，搜索和替换

4.字符串拼接

5.字符串中插入变量

6.清理字符串两端的特定字符

--------------------

# 1.字符串分割 #

分隔符固定的字符串分割使用str.split()函数进行分割。str.split()默认空格或者逗号作为分隔符，但是其接受一个参数可以指定分隔符。如下：

line1 = 'asdf fjdk afed fjek asdf foo'
    
    line1.split()
    Out[2]: ['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']
    
    line2 = 'asdf,fjdk,afed,fjek,asdf,foo'
    
    line2.split()
    Out[4]: ['asdf,fjdk,afed,fjek,asdf,foo']
    
    line3 = line = 'asdf-fjd-afed-fjek-asdf-foo'
    
    line3.split()
    Out[6]: ['asdf-fjd-afed-fjek-asdf-foo']
    
    line3.split('-')
    Out[7]: ['asdf', 'fjd', 'afed', 'fjek', 'asdf', 'foo']

# 2.字符串开头或者结尾匹配 #

有时我们想知道文件的类型，经常需要判断文件名的后缀。写这篇博客之前我总是使用切片的方式去判断：

filename = 'lena.jpg'
    
    if(filename[-4:]=='.jpg' or filename[-4:]=='.png'):
        print(filename)

或者用切片命名法写的更漂亮一点：

filename = 'lena.jpg'
    postfixIndex = slice(-4,None)
    if(filename[postfixIndex]=='.jpg' or filename[postfixIndex]=='.png'):
        print(filename)

但是都显得比较繁琐，python提供了更优雅的写法str.startswith()和str.enswith()函数来判断字符串的起始或者结尾。

str.endswith(suffix[, start[, end]]) -> bool
        
    str.startswith(suffix[, start[, end]]) -> bool
    
    '''
    suffix参数表示要匹配的模式，可以为一个字符串或者多个字符串组成的元组，但不能是列表
    start和end用来设置匹配的区间，默认整个字符串匹配
    '''

示例：

filename = 'lena.jpg'
    
    filename.endswith('.jpg')
    Out[16]: True
    
    filename.endswith(('.jpg','.png'))
    Out[17]: True
    
    filename2 = 'lena.png'
    
    filename2.endswith(('.jpg','.png'))
    Out[19]: True

是不是非常优雅呢，在写不用写长长的if语句了。如果我们要列出某个文件夹下的某一类文件也可以使用这个函数哦：

'''假设文件夹下存在filenames里面那么多文件'''
    
    filenames = [ 'Makefile', 'foo.c', 'bar.py', 'spam.c', 'spam.h','main.py','tool.py','utils.py','config.json' ]
    
    '''筛选C语言相关文件'''
    suffixC = ('.c','.h')   '''必须是元组哦，不可以使用列表'''
    Cfiles = [k  for k in filenames if(k.endswith(suffixC))]
    
    print(Cfiles)
    
    #输出结果['foo.c', 'spam.c', 'spam.h']
    
    '''筛选python文件'''
    suffixPy = '.py'
    Pyfiles = [k  for k in filenames if(k.endswith(suffixPy))]
    
    print(Pyfiles)
    #输出结果['bar.py', 'main.py', 'tool.py', 'utils.py']

# 3.使用通配符匹配字符串 #

有时我们想使用shell中常用的通配符(比如 `*.py` , `Dat[0-9]*.csv` 等)去匹配文本字符串。正则表达式当然可以实现，但是这种简单的任务祭出正则表达式有点杀鸡用牛刀的意思，而且一般来说正则表达式的匹配速度有点慢。

解决方法--------fnmatch模块提供了两个函数fnmatch()和fnmatchcase()可以实现这样的匹配。

*  fnmatch()函数使用底层操作系统的大小写敏感规则。不同的操作系统上不同（mac上大小写不敏感，win上大小写敏感）。
 *  fnmatchcase()则完全大小写敏感，和操作系统无关

fnmatch语法：

fnmatch(name, pat)
        Test whether FILENAME matches PATTERN.
        
        Patterns are Unix shell style:
        
        *       matches everything
        ?       matches any single character
        [seq]   matches any character in seq
        [!seq]  matches any char not in seq

下面我们来看具体例子：

fnmatch('lena.jpg',"*.jpg")
    Out[32]: True
    
    fnmatch('lena.jpg',"*.j?g")
    Out[33]: True
    
    fnmatch('lena.jg',"*.j?g")
    Out[34]: False
    
    fnmatch('lena1.jpg',"*[1].j?g")
    Out[35]: True
    
    fnmatch('lena2.jpg',"*[1].j?g")
    Out[36]: False
    
    fnmatch('lena2.jpg',"*[!1].j?g")
    Out[37]: True

上面的例子展示了所支持的四种通配符

*  \*   表示匹配任何字段(包括没有字符)
 *  ?  表示匹配任一字符，但必须存在
 *  \[ \]  表示必须匹配括号中的任意一个字符
 *  \[!\]  表示不能有括号里面的字符

# 3.字符串匹配，搜索和替换 #

*  匹配字面字符串只需使用str.find(),str,startswith(),str.endswith()或者fnmacth(),fnmatchcase()等函数即可
 *  简单替换用str.replace()函数 ------- str.replace(src,dst)----->用dst替换src

但是对于复杂模式（如忽略大小写的字符串匹配和替换）的匹配需要使用正则表达式，python中的正则表达式相关函数在re模块。留待补充

# 4.字符串拼接 #

*  对于简单的几个字符串只需要用+拼起来即可
 *  如果要拼接的字符串存在一个诸如列表之类的可迭代对象中，则需要使用join方法

示例1：+拼接

a = 'hello'
    b = 'world'
    
    c = a+' '+b
    print(c)
    
    Out[54]: 'hello world'

示例2 使用join拼接

filenames = ['hello','world','ni','hao']
    
    d = ','.join(filenames)
    print(d)
    Out[55]: 'hello,world,ni,hao'
    
    e = ' '.join(filenames)
    print(e)
    Out[56]: 'hello world ni hao'

可以看出对于S.join(list)代表用S连接list中的对象。这种写法比在一个循环中使用+拼接更加快捷和优雅。

# 5.字符串中插入变量 #

有时我们需要创建一个内嵌变量的字符串，变量被它的值所表示的字符串替换掉。

比如我们在一个计时程序中想输出这个程序执行了多长时间，可能很多时候都采取了下面这种最愚蠢的直接用+拼接的方式：

str(self.__name__) + " execute time is " + str(end-start) + ' s'

但是优雅的写法应该是使用format函数进行格式化

"{} execute time is {} s" .format(self.__name__,end-start)

我们还可以这样使用format：

s = '{a} and {b}'
    s = s.format(a='hello',b='world')
    Out[76]: 'hello and world'

\{\}中指定变量名，然后用参数中的同名变量去替换。若\{\}中为指定变量名，则从做从左到右依次用参数中的数值替换\{\}。

另外还有一个类似的函数format\_map()。这个函数与format类似，但是接受的参数为字典，用字典中相应键对应的值替换\{\}中的变量。示例如下：

mapvar = {'a' : 'hello','b' : 'world'}
    
    s = '{a} and {b}'
    s = s.format_map(mapvar)
    
    Out[77]: 'hello and world'

--------------------

这里插入一个很有意思的函数vars()

vars(...)
        vars([object]) -> dictionary
        
        Without arguments, equivalent to locals().
        With an argument, equivalent to object.__dict__.

vars(objects)以字典的形式返回objects的内置变量。如果参数缺省，则返回当前程序中的变量。

--------------------

因此我们可以将vars()和format\_map()相结合，以下面的形式方便的使用程序中的变量构造字符串

a : 'hello'
    b = 'world'
    s = '{a} and {b}'
    s = s.format_map(vars())
    
    Out[80]: 'hello and world'

`format` 和 `format_map()` 的一个缺陷就是它们并不能很好的处理变量缺失的情况。如果调用的变量不存在就会报一个keyerror错误避免这种错误的方法是另外定义一个含有 `__missing__()` 方法的字典对象（类似于defaultdict），就像下面这样：

class safesub(dict):
    """防止key找不到"""
    def __missing__(self, key):
        return '{' + key + '}'

然后用这个类包装字典之后传递给format\_map()，形如下面的调用：

s.format_map(safesub(vars()))

如果你发现自己在代码中频繁的执行这些步骤，你可以将变量替换步骤用一个工具函数封装起来。就像下面这样：

def sub(text,varmap):
        return text.format_map(safesub(varmap))

然后就可以像下面这样使用

a = 'hello'
    b = 'world'
    
    print(sub('{a} and {b}',vars()))
    Out[87]: 'hello and world'
    
    
    print(sub('{c} and {b}',vars()))
    Out[88]: '{c} and world'

# 6.清理字符串两端的特定字符 #

*  strip()方法能用于删除开始或结尾的字符,默认为空格
 *  lstrip()用于从左开始删除字符和rstrip()用于从有开始删除字符，碰到第一个不是要删除的字符就会停止删除

示例如下：

s = " 111 222  333 444 ooo    pppp "
    
    s.strip()     #删除两端空格
    Out[90]: '111 222  333 444 ooo    pppp'
    
    
    s.lstrip()
    Out[91]: '111 222  333 444 ooo    pppp '
    
    s.rstrip()
    Out[92]: ' 111 222  333 444 ooo    pppp'
    
    
    s = '111 222  111 ppp ooo    popp'
    
    
    
    s.strip('p')
    Out[98]: '111 222  111 ppp ooo    po'
    
    s.strip('1')
    Out[99]: ' 222  111 ppp ooo    popp'