字符串操作和正则表达式

主要描述python一般的字符串操作和正则表达式，是我学习中的一点经验总结。

字符串操作和正则表达式

• 字符串操作
  • 拼接字符串
    • str1+str2
  • 计算字符串长度
    • len(str)
    • len(str.encode('UTF-8'))
  • 截取字符串
    • string[5:10:2]
      • 可以用try...except语句捕获异常 try: substring = string[15] except IndexError: print("指定的索引不存在")
  • 分割，合并字符串
    • 分割字符串
      • string.split(sep,maxsplit)
        • 返回的是分割后的字符串列表
        • maxsplit是分割的次数
        • 不指定sep,则默认按空格，\t,\n等所有空字符，不指定sep，也不能指定maxsplit
        • 如果sep指定'>',如果字符串里有>>>,会每个分割一次，产生空元素
    • 合并字符串
      • string.join(iterable)
        • string1 = '@'.join(list)
  • 检索字符串
    • string.count(sub,start,end)
      • 返回出现的次数
    • string.find(sub,start,end)
      • 返回首次出现的索引，不存在则返回-1
        • 如果只是判断是否存在，可以用 in关键字
      • rfind(),从右边开始找
    • string.index(sub,start,end)
      • 与find()差不多，但如果不存在会报错
      • rindex(),从右边开始找
    • string.startswith(prefix,start,end)
      • 查看字符串是否以指定子字符串开头，返回True或者False
    • string.endswith(suffix,start,end)
      • 是否以指定子字符串结尾
  • 字母大小写转换
    • string.lower()
      • 如果没有大写，返回原字符串，如果有，转化为 小写输出新字符串
    • sting.upper()
  • 去除字符串前后的空格和特殊字符
    • str.strip(char)
      • char 默认空格 \n\t\r
    • str.lstrip()
    • srt.rstrip()
  • 格式化字符串
    • %操作符
      • '% - + 0 m .n 格式化字符（d ,s...）%exp'
    • str.format()
      • {index:fill alin sign # width .precision type}
        • index 对象在参数列表中的索引
        • fill 空白处填充的字符
        • align 对齐方式，<,>,=内容右对齐符号放左边,^内容居中
        • sign + 正数正号负数负号，- 正数不变负数负号，空格正数空格负数负号
        • type s d c e g b o x f %
      • '编号：{:0>9s}\t公司名称 ：{:s}\t官网：http://www.{:s}.com'.format('7','百度','baidu')
      • print('{:,.2f}元，{.0%}的汗水').format())
  • 字符串编码转换
    • str.encode(encoding = "utf-8",errors = "strict")
      • GBK
      • ignore忽略非法字符,replace用？代替
    • bytes.decode(encoding = "GBK",errors = "strict")
• 正则表达式
  • 正则表达式字符
    • 行定位符
      • ^匹配字符串的位置是行头,$匹配的位置是行尾
    • 元字符
      • \bmr\w*\b,\b是匹配 以mr开头或者结尾的单词，如果mr在单词中间则不匹配，单词分界符一般是空格，标点符号 ，换行
      • \w,\s匹配单个空白符，制表符 换行符空格，\d,'.'匹配换行符以外的任意字符
    • 限定符
      • ？0-1
      • + 1-n
      • * 0-n
      • n, 至少n次
    • 字符类
      • [aeiou],[0-9,[a-z0-9A-Z]]=\w
      • [\u4e00-\u9fa5],匹配 汉字
    • 排除选择转义分组字符
      • 排除字符：[^a-zA-Z]
      • 选择字符：|，‘(^\d{15}$)|(^\d{18}$)’
      • 转义字符：\,\.转义为普通的 .
      • 分组：（），‘（\.[0-9]{1,3}）{3}’对 小括号内的分组重复3次
  • re模块正则表达式操作
    • 可以用compile()转为正则表达式对象，再用相关方法操作pattern = re.compile(r'\d+') # 用于匹配至少一个数字 >>> m = pattern.match('one12twothree34four')
    • 匹配字符串
      • re.match(pattern,string,flags)
        • 从开头开始匹配 ，返回的是match对象，如果 匹配不到返回None
        • match.start(),match.end(),match.span(),match.group()匹配的内容
        • flags: A,I不区分大小写，M用^ $包括 每一行，S用 . 匹配所有字符。
      • re.search(pattern,string,flags)
        • 在整个字符串里搜索，返回的是match对象，如果 匹配不到返回None