python中字符串和文本的处理技巧

一、使用多个界定符分割字符串

string 对象的split() 方法只适应于非常简单的字符串分割情形，它并不允许有
多个分隔符或者是分隔符周围不确定的空格。当你需要更加灵活的切割字符串的时候，
最好使用re.split() 方法：

首先记录一下正则表达式的规则
# 正则表达式
规则：
    单字符：
            .  ： 除换行以外所有字符
            [] ： 匹配集合中任意一个字符
            \d ： 数字
            \D ： 非数字
            \w ： 数字、字母、下划线、中文
            \W ： 非数字、字母、下划线、中文
            \s ： 空格
            \S ： 非空格
    数量修饰：
             * ： 任意多次
             + ： 至少1次
             ？： 非贪婪方式，可有可无
           {m} ： 固定m次
          {m+} ： 至少m次
         {m,n} ： m到n次
    起始：
             ^ : 以啥啥开头
             $ : 以啥啥结尾
    常用组合和函数：
            .* : 贪婪方式任意字符任意次数
           .*? : 非贪婪方式任意字符任意次数
           r = re.compile(r'正则表达式',re.S) : 
                              最常用：将规则传递给某个参数以便反复使用
           re.match\re.search\（字符串）
           re.findall（字符串）
           re.sub(正则表达式，替换内容，字符串)

下面介绍一下 多个界定符分割字符串

###来源于 python  cookbook
line ='asdf fjdk;  afed, fjek,asdf, foo'

import re

re.split(r'[;,\s]\s*',line)
Out[87]: ['asdf', 'fjdk', 'afed', 'fjek', 'asdf', 'foo']   

 

二、字符串开头或结尾匹配

检查字符串开头或结尾的一个简单方法是使用str.startswith() 或者是
str.endswith() 方法。比如：


filename = 'spam.txt'     #定义变量

filename.endswith('.txt')  #识别结尾
Out[95]: True

filename.startswith('file:')  #识别开头
Out[96]: False

url = 'http://www.python.org' ##定义一个新变量
url.startswith('http:')       #识别开头
Out[98]: True


#如果想检查多种匹配可能，只需要将所有的匹配项放入到一个元组中去，然后传
#给startswith() 或者endswith() 方法：

filenames=[ 'Makefile', 'foo.c', 'bar.py', 'spam.c', 'spam.h' ]

filenames
Out[103]: ['Makefile', 'foo.c', 'bar.py', 'spam.c', 'spam.h']
[name for name in filenames if name.endswith(('.c', '.h')) ]
Out[104]: ['foo.c', 'spam.c', 'spam.h']

any(name.endswith('.py') for name in filenames)
Out[105]: True


#另一个例子

from urllib.request import urlopen
def read_data(name):
    if name.startswith(('http:', 'https:', 'ftp:')):
        return urlopen(name).read()
    else:
        with open(name) as f:
        return f.read()


url = 'http://www.python.org'

read_data(url)