python字符串与文本操作(一)

1.一个字符串分割为多个字段，但是分隔符 (还有周围的空格) 并不是固定的

#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
line = 'asdf fjdk; afed, fjek,asdf, foo'
import re
list_line = re.split(r'[;,\s]\s*',line)
print(list_line)

2.你需要通过指定的文本模式去检查字符串的开头或者结尾，比如文件名后缀，URL Scheme 等等

filename = 'spam.txt'
print(filename.endswith('.txt')) #True
print(filename.startwith('file'))#Farse

---

#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
import os
filenames = os.listdir('.')
list_1 =[name for name in filenames if name.endswith(('.c', '.h')) ]
print(any(name.endswith('.py') for name in filenames))#True

---

from urllib.request import urlopen
def read_data(name):
    if name.startswith(('http:', 'https:', 'ftp:')):#必须要输入一个元组作为参数
        return urlopen(name).read()

3.对于复杂的匹配需要使用正则表达式和 re 模块,

核心步骤就是先使用 re.compile() 编译正则 表达式字符串，然后使用 match() , findall() 或者 finditer() 等方法

match() 总是从字符串开始去匹配。

search(),从整体中匹配返回第一次匹配到的结果。

在定义正则式的时候，通常会利用括号去捕获分组。

datepat = re.compile(r'(\d+)/(\d+)/(\d+)')
m = datepat.match('11/27/2012')
m.group(0)
m.group(1)
m.group(2)
m.group(3)
m.groups()

4.在字符串中搜索和匹配指定的文本模式

text = 'yeah, but no, but yeah, but no, but yeah'
text.replace('yeah','ok')#对于简单的字面模式，直接使用 str.repalce() 方法即可

text = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
import re
text = re.sub(r'(\d+)/(\d+)/(\d+)',r'\3-\2-\1',text)#对于复杂的模式,请使用 re 模块中的 sub() 函数,反斜杠数字比如 \3 指向前面模式的捕获组号
print(text)#Today is 2012-27-11. PyCon starts 2013-13-3.

---

datepat = re.compile(r'(\d+)/(\d+)/(\d+)')#打算用相同的模式做多次替换，考虑先编译它来提升性能
datepat.sub(r'\3-\1-\2', text)
#对于更加复杂的替换，可以传递一个替换回调函数来代替
from calendar import month_abbr   
def change_date(m):
　　mon_name = month_abbr[int(m.group(1))]
　　return '{} {} {}'.format(m.group(2), mon_name, m.group(3))
newtext = datepat.sub(change_date, text)#'Today is 27 Nov 2012. PyCon starts 13 Mar 2013

5.某种对齐方式来格式化字符串:对于基本的字符串对齐操作，可以使用字符串的 ljust() , rjust() 和 center() 方法

text = 'Hello World'
text.ljust(20,'>') #'Hello World>>>>>>>'
text.rjust(20,'<')#'<<<<<<<<Hello World
text.center(20,'*')#' ****Hello World*****'

#函数 format() 同样可以用来很容易的对齐字符串。你要做的就是使用 <,> 或者ˆ 字符后面紧跟一个指定的宽度
format(text, '>20')#'         Hello World'

---

#当格式化多个值的时候，这些格式代码也可以被用在 format() 方法中
'{:>10s} {:>10s}'.format('Hello', 'World')#'      Hello        World'

---

#format() 函数的一个好处是它不仅适用于字符串。它可以用来格式化任何值，使得它非常的通用。比如，你可以用它来格式化数字：
x = 1.2345
format(x, '>10')#'       1.2345'
format(x, '^10.2f')#'    1.23    '

　　　　print("The total value of your change is ${0:0.2f}".format(total))#The total value of your change is $1.50

　　索引 0 用于表示第一个（也是唯一的）参数插入该插槽，格式说明符为 0.2f。 此说明符的格式为<宽度>.<精度><类型>。宽度指明值应占用多少“空间”。如果值小于指 定的宽度，则用额外的字符填充（空格是默认值）。如果值需要的空间比分配的更多，它会 占据显示该值所需的空间。所以在这里放置一个 0 基本上是说“使用你需要的空间”。精度 是2 ，这告诉 Python 将值舍入到两个小数位。最后，类型字符 f 表示该值应显示为定点数。 这意味着，将始终显示指定的小数位数，即使它们为 0

6.几个小的字符串合并为一个大的字符串:你想要合并的字符串是在一个序列或者 iterable 中，那么最快的方式就是使 用 join() 方法

parts = ['Is', 'Chicago', 'Not', 'Chicago?']
' '.join(parts)#'Is Chicago Not Chicago?'

---

#你仅仅只是合并少数几个字符串，使用加号 (+) 通常已经足够了
a = 'Is Chicago'
b = 'Not Chicago?'
a + ' ' + b  #'Is Chicago Not Chicago?'

7.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

s = '{name} has {n} messages.'
s.format(name='Guido', n=37)#Python 并没有对在字符串中简单替换变量值提供直接的支持。但是通过使用字符串的 format() 方法来解决这个问题

---

name = 'songshichao'
n = 18
'%(name) has %(n) messages.' % vars()#'songshichao has 18 messages.'

#或者
import string
s = string.Template('$name has $n messages.')
s.substitute(vars())

8.以指定列宽格式化字符串：textwrap 模块来格式化字符串的输出

#textwrap 模块对于字符串打印是非常有用的，特别是当你希望输出自动匹配终端大小的时候。你可以使用 os.get terminal size() 方法来获取终端的大小尺寸

import textwrap
print(textwrap.fill(s, 70))
print(textwrap.fill(s, 40, initial_indent=' '))
print(textwrap.fill(s, 40, subsequent_indent=' '))