第7章 字符串基本操作與正則表達(dá)式

Python程序設(shè)計(jì)——從入門到數(shù)據(jù)分析PYTHON字符串基本操作與正則表達(dá)式7.1字符串的常用方法7.2字符串格式化輸出7.3正則表達(dá)式7.4實(shí)例：網(wǎng)頁(yè)數(shù)據(jù)解析及輸出第七章學(xué)習(xí)目標(biāo)第七章（1）掌握字符串的內(nèi)置函數(shù)和字符串方法。（2）掌握字符串格式化輸出方法。（3）理解正則表達(dá)式的基礎(chǔ)語法，掌握re庫(kù)的使用。字符串的常用方法第七章7.1序號(hào)方法描述1split('',num)通過指定分隔符對(duì)字符串進(jìn)行拆分，并返回分割后的字符串列表。2join(seq)以指定字符串作為分隔符，將seq中所有的元素合并為一個(gè)新的字符串。3strip([chars])移除字符串頭尾指定的字符（默認(rèn)為空格或換行符等）或字符序列（即chars表示的字符序列）。4count(str,beg=0,end=len(string))返回str在string里面出現(xiàn)的次數(shù)，如果beg或者end指定則返回指定范圍內(nèi)str出現(xiàn)的次數(shù)，默認(rèn)為搜索整個(gè)字符串。5startswith(substr,beg=0,end=len(string))檢查字符串是不是以指定子字符串substr開頭，是則返回True，否則返回False。如果使用beg和end參數(shù)指定值，則在指定范圍內(nèi)檢查。6endswith(suffix,beg=0,end=len(string))檢查字符串是否以suffix結(jié)束，在beg或者end指定范圍內(nèi)是否以suffix結(jié)束，如果是，返回True,否則返回False。7replace(old,new[,max])將字符串中的old替換成new,如果max指定，則替換不超過max次。表7.1字符串常用方法字符串的常用方法第七章7.1（1）字符串拆分：split()。split()方法通過指定分隔符對(duì)字符串進(jìn)行拆分，并返回分割后的字符串列表，其語法格式為：string.split(str,num)string表示待拆分的字符串或字符串變量；str表示分隔符，默認(rèn)為空格，但是不能為空('')。若字符串中沒有分隔符，則把整個(gè)字符串作為列表的一個(gè)元素；num表示分割次數(shù)。如果存在參數(shù)num，則僅分隔成num+1個(gè)子字符串。字符串的常用方法第七章7.1【例7.1】字符串的拆分。['I','love','apple']['I','loveBISTU']#運(yùn)行結(jié)果字符串的常用方法第七章7.1（2）字符串的連接：join()。join()方法可以連接字符串序列，將字符串、元組以及列表中的元素以指定的字符(分隔符)進(jìn)行連接，返回值為一個(gè)以分隔符連接各個(gè)元素后生成的新字符串，其語法格式為：'sep'.join(seq)sep表示分隔符，可以為空。seq表示要連接的元素序列、字符串、元組、字典；如果連接的序列為字典，則連接字典的鍵，輸出結(jié)果是所有鍵組成的字符串。字符串的常用方法第七章7.1【例7.2】字符串的連接。'Chinese;English;Math'#運(yùn)行結(jié)果字符串的常用方法第七章7.1（3）去除字符串首尾的字符：strip()。在數(shù)據(jù)分析時(shí)，經(jīng)常會(huì)遇到數(shù)據(jù)有多余的空格、換行等字符，strip()方法可以移除字符串頭尾指定的字符或字符序列。返回值為去除首尾字符的字符串。其語法格式為：string.strip(chars)string表示字符串或字符串變量。chars為可選參數(shù)，表示要移除的字符，默認(rèn)為移除空格、換行符“\n”、回車“\r”、制表符“\t”。字符串的常用方法第七章7.1'<課程介紹>''課程介紹'【例7.3】strip()方法的使用。#運(yùn)行結(jié)果字符串的常用方法第七章7.1（4）統(tǒng)計(jì)字符次數(shù)：count()。count()方法用于統(tǒng)計(jì)字符串里字符出現(xiàn)的次數(shù)，返回值為字符出現(xiàn)的次數(shù)。其語法格式為：string.count(chars,start,end)chars表示要統(tǒng)計(jì)出現(xiàn)次數(shù)的字符或字符串。start表示字符串開始搜索的位置，可選參數(shù)，默認(rèn)為第一個(gè)字符,第一個(gè)字符索引值為0。end表示字符串中結(jié)束搜索的位置，可選參數(shù)，默認(rèn)為字符串的最后一個(gè)位置。字符串的常用方法第七章7.1

3【例7.4】count()方法的使用。#運(yùn)行結(jié)果字符串的常用方法第七章7.1（5）檢查字符串的開頭和結(jié)尾：startswith()和endswith()。startswith()方法檢查字符串是否以指定字符串開頭，是則返回True，否則返回False。string.startswith(str,beg,end)string表示要檢查的字符串或字符串變量；str表示指定的字符串，檢查是否以str開始；beg表示開始搜索的位置，可選參數(shù)，默認(rèn)為第一個(gè)字符,第一個(gè)字符索引值為0。end表示結(jié)束搜索的位置，可選參數(shù)，默認(rèn)為字符串的最后一個(gè)位置。字符串的常用方法第七章7.1True【例7.5】startswith()方法。#運(yùn)行結(jié)果字符串的常用方法第七章7.1endswith()方法用于判斷字符串是否以指定后綴結(jié)尾，如果以指定后綴結(jié)尾返回True，否則返回False。其語法格式為：string.endswith(str,beg,end)參數(shù)string,str,beg,end參數(shù)含義與startswith()方法相同。字符串的常用方法第七章7.1False【例7.6】endswith()方法的使用。#運(yùn)行結(jié)果字符串的常用方法第七章7.1（6）替換字符串中的字符：replace()。replace()方法把字符串中的舊字符串替換成新字符串，返回值為替換后的新字符串。其語法格式為：string.replace(old,new,max)string表示原字符串；old表示將被替換的子字符串；new表示新字符串，用于替換old子字符串；max表示可選字符串,替換不超過max次。字符串的常用方法第七章7.1這是舊字符串這是新字符串【例7.7】字符串replace()方法。#運(yùn)行結(jié)果字符串格式化輸出第七章7.2在Python3.6之前，常用的字符串格式化方法主要有“%”和str.format()兩種。首先，介紹一下“%”格式化操作，字符串對(duì)象有一個(gè)內(nèi)建操作符%，可以用于格式化操作，具體的使用方法如例7.8所示。字符串格式化輸出第七章7.2【例7.8】“%”格式化操作。示例一：'Hello,John.'#運(yùn)行結(jié)果示例二：'Hello,John.Heis18.'#運(yùn)行結(jié)果字符串格式化輸出第七章7.2str.format()是字符串格式化方法中的一種，其基本使用格式為：<模板字符串>.format(<逗號(hào)分隔的參數(shù)>)，模板字符串包含一系列槽，用來控制傳入?yún)?shù)的位置和格式，因此模板字符串中的槽除了包括參數(shù)序號(hào)，還包括格式控制信息。槽的內(nèi)部樣式如下：{<參數(shù)序號(hào)>:<格式控制標(biāo)記>}。當(dāng)參數(shù)序號(hào)省略時(shí)，則按順序傳入?yún)?shù)。

字符串格式化輸出第七章7.2格式控制標(biāo)記用于控制參數(shù)顯示時(shí)的格式。格式控制標(biāo)記包括：<填充>、<對(duì)齊>、<寬度>、<,>、<.精度>和<類型>6個(gè)字段，這些字段都是可選的，可以組合使用。表7.2為常用格式控制標(biāo)記。

:<填充><對(duì)齊><寬度>,<.精度><類型>引導(dǎo)符號(hào)用于填充的單個(gè)字符<左對(duì)齊>右對(duì)齊^居中對(duì)齊槽的設(shè)定輸出寬度數(shù)字的千位分隔符，適用于整數(shù)和浮點(diǎn)數(shù)浮點(diǎn)數(shù)小數(shù)部分的精度或字符串的最大輸出長(zhǎng)度整數(shù)類型：b,c,d,o,x,X浮點(diǎn)數(shù)類型：e,E,f,%表7.2常用格式控制標(biāo)記<填充>、<對(duì)齊>、<寬度>、<,>、<.精度>和<類型>6個(gè)字段

字符串格式化輸出第七章7.2中國(guó)********有1,300,000,000人口,用占世界7.2%的土地，養(yǎng)活了世界20.000%的人口【例7.9】字符串格式化輸出的format()方式。槽位中參數(shù)序號(hào)從0開始，0、1、2、3代表與format()中字符串的對(duì)應(yīng)關(guān)系，如序號(hào)0與1300000000對(duì)應(yīng)；序號(hào)1與“中國(guó)”對(duì)應(yīng)。{1:*<10}中，10表示輸出數(shù)據(jù)的寬度，如果輸出的數(shù)據(jù)寬度小于10，則用“*”號(hào)填充；{2:.1%}對(duì)應(yīng)輸出的是0.072的百分?jǐn)?shù)形式，保留1位小數(shù)。{3:.3%}是輸出0.20000的對(duì)應(yīng)百分?jǐn)?shù)，保留3位小數(shù)。#運(yùn)行結(jié)果字符串格式化輸出第七章7.2在Python3.6之后版本添加的f-string，稱之為字面量格式化字符串，亦稱為格式化字符串常量（Formattedstringliterals），f-string在形式上是以f或F修飾符引導(dǎo)的字符串（f'xxx'或F'xxx'），以大括號(hào){}標(biāo)明被替換的字段；f-string在本質(zhì)上并不是字符串常量，而是一個(gè)在運(yùn)行時(shí)運(yùn)算求值的表達(dá)式?！纠?.10】字符串格式化輸出的f-string方式。#運(yùn)行結(jié)果Lilyis18yearsold字符串格式化輸出第七章7.2可以對(duì)傳入變量值進(jìn)行格式化，格式化符號(hào)與format()方法一致?！纠?.11】f-string方式的變量值格式化。#運(yùn)行結(jié)果Lilyis18.23yearsold字符串格式化輸出第七章7.2f-string格式化也支持字典鍵值傳入，傳入值時(shí)以

dictionary['key']的形式傳入，其中dictionary表示字典變量名稱，key表示字典dictionary中的鍵。

【例7.12】f-string方式的字典鍵值傳入。#運(yùn)行結(jié)果Lilyis18yearsoldLilyis18.00yearsold字符串格式化輸出第七章7.2字符串里常常存在一些如換行“\n”、制表符“\t”等帶有反斜杠“\”的特殊含義的字符，這些字符被稱為轉(zhuǎn)義字符。Python中常見的轉(zhuǎn)義字符見表7.3。

轉(zhuǎn)義字符描述\(在行尾時(shí))續(xù)行符\\反斜杠符號(hào)\'單引號(hào)\"雙引號(hào)\a響鈴\b退格\e轉(zhuǎn)義\000空\(chéng)n換行\(zhòng)v縱向制表符\t橫向制表符\r回車\f換頁(yè)\oyy八進(jìn)制數(shù)，yy代表的字符，例如：\o12代表?yè)Q行\(zhòng)xyy十六進(jìn)制數(shù)，yy代表的字符，例如：\x0a代表?yè)Q行\(zhòng)other其他的字符以普通格式輸出字符串格式化輸出第七章7.2【例7.13】轉(zhuǎn)義字符的輸出。如果轉(zhuǎn)義字符不需要轉(zhuǎn)義，則可以采取在字符串前端引號(hào)外加'r'的方式實(shí)現(xiàn)，或者使用雙反斜杠(\\)。

【例7.14】轉(zhuǎn)義字符不需要轉(zhuǎn)義的格式化輸出。#運(yùn)行結(jié)果人生苦短請(qǐng)用Python#運(yùn)行結(jié)果人生苦短\n請(qǐng)用Python人生苦短\n請(qǐng)用Python正則表達(dá)式第七章7.3正則表達(dá)式（RegularExpression）能夠靈活搜索或匹配字符串模式，是一種特殊的字符序列，即特殊的字符串。設(shè)計(jì)思想是用描述性的語言來給字符串定義規(guī)則，凡是符合規(guī)則的字符串，就認(rèn)為它“匹配”了，否則，就認(rèn)為該字符串“不匹配”。元字符第七章7.3.1正則表達(dá)式中既可以包含普通字符，也可以包含元字符，元字符用來指定匹配模式。在應(yīng)用正則表達(dá)式進(jìn)行匹配時(shí)，正則表達(dá)式中的普通字符需要做精確匹配，而元字符指定的匹配模式對(duì)應(yīng)了匹配規(guī)則。例如：普通字符'a'只匹配字符串中的'a'，元字符'.'則可以匹配任意字符。Re常用的元字符有“.、^、$、*、+、?、\、|、{}、[]、()”等，表7.4列出了Python正則表達(dá)式構(gòu)建中常用的元字符。正則表達(dá)式第七章7.3表7.4Python正則表達(dá)式的元字符元字符說明舉例.代表任意字符a..b可以匹配以'a'開始以'b'結(jié)束的四個(gè)字符組成的字符串|邏輯或操作符asdf|bkm可以匹配字符串a(chǎn)sdf或bkm[]字符集[abc]表示字符'a'、'b'、'c'。[a-z]表示'a'到'z'的任意單個(gè)字符-定義一個(gè)區(qū)間1-5表示1,2,3,4,5*前一個(gè)字符0次或多次重復(fù)abc*表示ab,abc,abcc,abccc,abccccc等+前一個(gè)字符一次或多次重復(fù)abc+表示abc,abcc,abccc等？前一個(gè)字符0次或1次重復(fù)abc?表示ab和abc[^]對(duì)字符集合取非[^abc]表示不是a、b、c的其他單個(gè)字符正則表達(dá)式第七章7.3表7.4Python正則表達(dá)式的元字符（續(xù)）元字符說明舉例{n}擴(kuò)展前一個(gè)字符n次ab{2}c表示abbc{m,n}擴(kuò)展前一個(gè)字符m至n次（含n次）ab{2,4}c表示abbc,abbbc,abbbbc{n,}至少匹配n次

x{n,}：匹配至少n次x^匹配字符串的開頭^abc表示abc且在一個(gè)字符串的開頭$匹配字符串的結(jié)尾abc$表示abc在一個(gè)字符串的結(jié)尾（）分組標(biāo)記，內(nèi)部用|分組（abc|xyz）表示abc、xyz正則表達(dá)式第七章7.3除了以上元字符，Python正則表達(dá)式還提供了特殊序列表示特殊的含義，特殊序列由反斜杠（“\”）和一個(gè)字符組成。表7.5列出了常見的特殊序列。特殊序列代表的匹配字符\s與所有空白字符匹配，等價(jià)于[\t\v\n\f\r]\S與所有非空白字符匹配，等價(jià)于[^\t\v\n\f\r]\d等同于[0-9]\D等同于[^0-9]匹配非數(shù)字\w等同于[a-z0-9A-Z_]匹配大小寫字母、數(shù)字和下劃線\W等同于[^a-z0-9A-Z_]，等同于上一條取反表7.5Python正則表達(dá)式常見的特殊序列正則表達(dá)式的常見用法，例如：描述北京常規(guī)的固話號(hào)碼：'(010-)?[2-9][0-9]{7}'表示可選010前綴，2-9開頭。描述IP地址的簡(jiǎn)單正則表達(dá)式：\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}。描述Email的簡(jiǎn)單正則表達(dá)式：[0-9a-zA-Z.]+@[0-9a-zA-Z.]+?com。Re模塊第七章7.3.2re模塊提供了正則表達(dá)式匹配操作，將正則表達(dá)式的樣式編譯為一個(gè)正則表達(dá)式對(duì)象，可以用于匹配。正則表達(dá)式也是字符串，re庫(kù)中的compile()函數(shù)根據(jù)一個(gè)模式字符串和可選的標(biāo)志參數(shù)生成一個(gè)正則表達(dá)式對(duì)象，該對(duì)象擁有一系列方法用于正則表達(dá)式匹配和替換Re模塊第七章7.3.2【例7.15】pile()的用法。#運(yùn)行結(jié)果re.PatternRe模塊第七章7.3.2生成的正則表達(dá)式對(duì)象可以用于查找匹配的字符串、字符串的替換及拆分等。（1）查找匹配的字符串。正則表達(dá)式對(duì)象用于查找匹配字符串的方法主要有：search()、findall()、finditer()、match()以及fullmatch()。search()函數(shù)掃描整個(gè)字符串進(jìn)行模式匹配且為貪婪匹配（最大的模式匹配），如果找到第一個(gè)匹配的位置，則返回一個(gè)MatchObject對(duì)象，存儲(chǔ)匹配位置、匹配內(nèi)容等信息。例如：電商平臺(tái)的商品評(píng)價(jià)中，要查找對(duì)相機(jī)質(zhì)量的評(píng)價(jià)。Re模塊第七章7.3.2【例7.16】查找匹配字符串的search()方法。<re.Matchobject;span=(6,19),match='畫質(zhì)好，但是夜景模式畫質(zhì)差'>#運(yùn)行結(jié)果<re.Matchobject;span=(6,9),match='畫質(zhì)好'>#運(yùn)行結(jié)果下面代碼首先生成正則表達(dá)式對(duì)象pattern，正則表達(dá)式對(duì)象調(diào)用其方法search()查找匹配的字符串。search()方法默認(rèn)為貪婪匹配，即尋找最大的模式匹配?！?*”表示匹配除換行符外的0個(gè)或任意多個(gè)字符，采用{,n}限制間隔的字?jǐn)?shù)。Re模塊第七章7.3.2【例7.17】查找匹配字符串的findall()方法。search()是尋找從左到右第一個(gè)與正則表達(dá)式匹配，而不是找到所有匹配，貪婪匹配是查找到第一個(gè)最大的匹配項(xiàng)。如果要獲取所有匹配，可以采用findall()方法，返回結(jié)果是匹配的列表。search()和findall()方法均為貪婪匹配，即匹配最大/長(zhǎng)的項(xiàng)。為了避免錯(cuò)誤，可以在設(shè)計(jì)正則表達(dá)式時(shí)限定字符數(shù)量。['畫質(zhì)好','畫質(zhì)差']['畫質(zhì)好，但是夜景模式畫質(zhì)差']#運(yùn)行結(jié)果#運(yùn)行結(jié)果Re模塊第七章7.3.2finditer()函數(shù)與findall()函數(shù)的作用基本是一樣的，區(qū)別在于findall()函數(shù)返回的是列表，finditer()函數(shù)返回的是迭代器，迭代器用完之后可以自動(dòng)釋放內(nèi)存。在處理的數(shù)據(jù)較大時(shí)，finditer()非常有用，可以節(jié)省內(nèi)存空間?！纠?.18】查找匹配字符串的finditer()方法#運(yùn)行結(jié)果<re.Matchobject;span=(6,9),match='畫質(zhì)好'><re.Matchobject;span=(16,19),match='畫質(zhì)差'>Re模塊第七章7.3.2search()函數(shù)和findall()函數(shù)匹配任意位置的模式，match()函數(shù)的不同之處在于只匹配出現(xiàn)在字符串開頭的模式，即如果符合正則表達(dá)式的模式如果出現(xiàn)在字符串的開頭，match()函數(shù)會(huì)返回MatchObject對(duì)象，如果出現(xiàn)在中間位置或無匹配模式，則返回None。match()函數(shù)也是貪婪的。它顯然不存在匹配第一個(gè)還是多個(gè)這樣的問題，因?yàn)閺念^開始的貪婪匹配顯然只能有一種結(jié)果。【例7.19】查找匹配字符串的match()方法。<re.Matchobject;span=(0,13),match='畫質(zhì)好，但是夜景模式畫質(zhì)差'>#運(yùn)行結(jié)果NoneType#運(yùn)行結(jié)果Re模塊第七章7.3.2match（）只從字符串的開頭匹配，fullmatch()用于檢測(cè)pattern是從頭到尾匹配。查看例7.20的結(jié)果【例7.20】查找匹配字符串的fullmatch()方法。NoneType#運(yùn)行結(jié)果#運(yùn)行結(jié)果<re.Matchobject;span=(0,20),match='畫質(zhì)好，但是這款夜間模式時(shí)不清晰，畫質(zhì)差'>Re模塊第七章7.3.2（2）字符串的拆分。字符串的split()方法能夠?qū)崿F(xiàn)對(duì)字符串的拆分，一般是基于默認(rèn)或指定的分隔符進(jìn)行拆分。利用正則表達(dá)式可以更加靈活地對(duì)字符串進(jìn)行拆分，滿足正則表達(dá)式的匹配項(xiàng)都可以作為分隔符，下面通過例題了解re模塊中拆分字符串的split()方法的使用?！纠?.21】字符串拆分的split()方法。['小明','男','信管2001&#;計(jì)算機(jī)']#運(yùn)行結(jié)果['小明','男','信管2001','計(jì)算機(jī)']#運(yùn)行結(jié)果Re模塊第七章7.3.2（3）字符串的替換。re模塊中用于字符串替換的函數(shù)有sub()和subn()，兩個(gè)函數(shù)用法基本相同，返回值不同。sub()函數(shù)返回替換后的結(jié)果（仍是字符串），subn()返回元組，元組的元素是替換后的字符串和替換的次數(shù)。例7.22】字符串替換的sub()方法。

#運(yùn)行結(jié)果這個(gè)西紅柿可以做西紅柿炒雞蛋。這個(gè)西紅柿可以做柿子炒雞蛋。('這個(gè)西紅柿可以做西紅柿炒雞蛋。',2)Re模塊第七章7.3.2（4）re庫(kù)使用模式。前面在使用re模塊中的函數(shù)時(shí)，先將正則表達(dá)式字符串生成正則表達(dá)式對(duì)象，然后用正則表達(dá)式對(duì)象調(diào)用各個(gè)方法，這種操作適合數(shù)據(jù)量較大時(shí)，因?yàn)檎齽t表達(dá)式對(duì)象可以重復(fù)使用?！纠?.23】re庫(kù)的使用一。#運(yùn)行結(jié)果'跑起來吧，青年！我校“校園健康跑”活動(dòng)啟動(dòng)。'('跑起來吧，青年！我?！靶@健康跑”活動(dòng)