字符串是Python中的不可变数据类型,在Python中一切皆对象,字符串对象本身就有一些常用的方法。
字符串的常用操作:
方法名 | 描述说明 |
---|---|
str.lower() | 将str字符串全部转成小写字母,结果为一个新的字符串 |
str.upper() | 将str字符串全部转成大写字母,结果为一个新的字符串 |
str.split(sep=None) | 把str按照指定的分隔符sep进行分隔,结果为列表类型 |
str.count(sub) | 结果为sub这个字符串在str中出现的次数 |
str.find(sub) | 查询sub这个字符串在str中是否存在,如果不存在结果为-1,如果存在,结果为sub首次出现的索引 |
str.index(sub) | 功能与find()相同,区别在于要查询的子串sub不存在时,程序报错 |
str.startswith(s) | 查询字符串str是否以子串s开头 |
str.endswith(s) | 查询字符串str是否以子串s结尾 |
练习:
# 大小写转换。lower()、upper()都会返回新的字符串
s1 = 'HelloWorld'
new_s2 = s1.lower()
print(s1, new_s2)
new_s3 = s1.upper()
print(s1, new_s3)
# 字符串的分隔。split()返回列表类型
e_mail = 'lxl@163.com'
lst = e_mail.split('@')
print('邮箱名:', lst[0], '邮件服务器名:', lst[1])
# 统计子串出现的次数
print(s1.count('o'))
# 检索操作
print(s1.find('o')) # o在字符串s1中首次出现的位置
print(s1.find('p')) # -1,表示没有找到
print(s1.index('o'))
# print(s1.index('p')) # ValueError: substring not found
# 判断前缀和后缀
print(s1.startswith('H')) # True
print(s1.startswith('P')) # False
print('demo.py'.endswith('.py')) # True
print('text.txt'.endswith('.txt')) # True
字符串是Python中很重要的数据类型,其方法还有很多:
方法名 | 描述说明 |
---|---|
str.replace(old,news) | 使用news替换字符串s中所有的old字符串,结果是一个新的字符串 |
str.cemter(width,fillchar) | 字符串str在指定的宽度范围内居中,可以使用fillchar进行填充 |
str.join(iter) | 在iter中的每个元素的后面都增加一个新的字符串str |
str.strip(chars) | 从字符串中去掉左侧和右侧chars中列出的字符串 |
str.lstrip(chars) | 从字符串中去掉左侧chars中列出的字符串 |
str.rstrip(chars) | 从字符串中去掉右侧chars中列出的字符串 |
练习:
s = 'HelloWorld'
# 字符串的替换
new_s = s.replace('o', '你好') # 第三个参数是替换次数,如果没写则默认全部替换
print(new_s)
# 字符串在指定的宽度范围内居中
print(s.center(20))
print(s.center(20, '*'))
# 去掉字符串左右的空格。返回新的字符串对象
s = ' Hello World '
print(s.strip()) # 去除字符串左侧和右侧的空格
print(s.lstrip()) # 去除字符串左侧的空格
print(s.rstrip()) # 去除字符串右侧的空格
# 去掉指定的字符。与顺序无关
s3 = 'dl-HelloWorld'
print(s3.strip('ld')) # 在去除字符时与顺序无关。写ld、dl都一样,只要包含ld中的字符,都会去掉
print(s3.lstrip('ld'))
print(s3.rstrip('ld'))
前面提到使用 + 号可以进行字符串的连接,但仅限于字符串与字符串之间的连接,不能将字符串与其他数据类型进行连接。而引入了格式化字符串后就可以将字符串与其他数据类型进行连接。
格式化字符串的三种方式:
1、占位符 (类似C语言,这里只列出三种,实际上有很多)
2、f-string
Python 3.6 引入的格式化字符串的方式,以 { } 标明被替换的字符
3、str.format()方法
模版字符串.format(逗号分隔的参数)
练习:
# 1、使用占位符进行格式化
name = '马冬梅'
age = 18
score = 98.5
print('姓名:%s,年龄:%d,成绩:%f' % (name, age, score)) # 元组
print('姓名:%s,年龄:%d,成绩:%.1f' % (name, age, score)) # %.1f表示保留一位小数
# f-string
print(f'姓名:{name},年龄:{age},成绩:{score}')
# 字符串的format方法
# 0、1、2对应的是format当中参数的索引位置
print('姓名:{0},年龄:{1},成绩:{2}'.format(name, age, score))
print('姓名:{2},年龄:{0},成绩:{1}'.format(age, score, name))
使用字符串 format( ) 方法有更加精细的控制输出格式。
格式化字符串的详细格式:
名 | 描述说明 |
---|---|
: | 引导符号 |
填充 | 用于填充单个字符 |
对齐方式 | < 左对齐 > 右对齐 ^ 居中对齐 |
宽度 | 字符串的输出宽度 |
, | 数字的千位分隔符 (3位一个逗号) |
.精度 | 浮点数小数部分的精度或字符串的最大输出长度 |
类型 | 整数类型:b\d\o\x\X 浮点数类型:e\E\f% |
其中"类型"中 e\E 表示科学计数法;f 表示精度;%表示百分数。
练习:
s = 'helloworld'
print('{0:*<20}'.format(s)) # 字符串的显示宽度为20,左对齐,空白部分使用*填充
print('{0:*>20}'.format(s)) # 右对齐
print('{0:*^20}'.format(s)) # 居中对齐
# 居中对齐还有center()方法
print(s.center(20, '*'))
# 千位分隔符(只适用于整数和浮点数)
print('{0:,}'.format(987654321))
print('{0:,}'.format(987654321.4321))
# 浮点数小数部分的精度
print('{0:.2f}'.format(3.1415926))
# 字符串类型,表示是最大的显示长度
print('{0:.5}'.format('helloworld'))
# 整数类型
a = 425
print('二进制:{0:b},十进制:{0:d},八进制:{0:o},十六进制:{0:x},十六进制{0:X}'.format(a))
# 浮点数类型
b = 3.1415926
print('{0:.2f},{0:.2e},{0:.2E},{0:.2%}'.format(b))
字符串的编码就是将字符串转换成bytes;字符串的解码就是将bytes转换成字符串。
字符串的编码:
将str类型转换成bytes类型,需要使用到字符串的encode()方法。
语法格式:
str.encode( encoding = ‘utf-8’, errors = ‘strict/ignore/replace’ )
字符串的解码:
将bytes类型转换成str类型,需要使用到bytes类型的decode()方法。
语法格式:
bytes.decode(encoding = ‘utf-8’, errors = ‘strict/ignore/replace’ )
在进行编码的过程中出错的解决方案:
需要说明的是编码格式与解码格式必须是一样的,使用utf-8编码,则必须使用utf-8解码。
s = '伟大的中国梦'
# 编码 str-->bytes
scode = s.encode(errors='replace') # 默认的编码格式是 utf-8。在utf-8中文占3个字节
print(scode)
scode_gbk = s.encode('gbk', errors='replace') # gbk中文占2个字节
print(scode_gbk)
# 解码 bytes-->str
print(scode_gbk.decode('gbk', errors='replace'))
print(bytes.decode(scode_gbk, 'gbk'))
print(bytes.decode(scode, 'utf-8'))
数据的验证是指程序对用户输入的数据进行合法性验证。
数据验证的方法:
方法名 | 描述说明 |
---|---|
str.isdigit() | 所有字符都是数字(阿拉伯数字) |
str.isnumeric() | 所有字符都是数字 |
str.isalpha() | 所有字符都是字母(包含中文字符) |
str.isalnum() | 所有字符都是数字或字母(包含中文字符) |
str.islower() | 所有字符都是小写 |
str.isupper() | 所有字符都是大写 |
str.istitle() | 所有字符都是首字母大写 |
str.isspace() | 所有字符都是空白字符(\n、\t等) |
注意:
isdigit()只能识别十进制阿拉伯数字;isnumeric()能识别阿拉伯数字、罗马数字、中文数字如一二三四。
# isdigit()只能识别十进制的阿拉伯数字
print('123'.isdigit()) # True
print('0b1010'.isdigit()) # 二进制 False
print('一二三四'.isdigit()) # 中文数字 False
print('IIIIII'.isdigit()) # 罗马数字 False
print('-' * 50)
# 所有字符都是数字。isnumeric()能识别阿拉伯数字、罗马数字、中文数字
print('123'.isnumeric()) # True
print('一二三四'.isnumeric()) # True
print('Ⅰ'.isnumeric()) # True
print('0b1010'.isdigit()) # False
print('壹贰叁'.isnumeric()) # True
print('-' * 50)
# 所有字符都是字母(包含中文字符)
print('hello你好'.isalpha()) # True
print('hello你好123'.isalpha()) # False
print('hello你好一二三'.isalpha()) # True
print('hello你好ⅠⅡⅢ'.isalpha()) # False
print('hello你好壹贰叁'.isalpha()) # True
print('-' * 50)
# 所有字符都是数字或字母(包含中文字符)
print('hello你好'.isalnum()) # True
print('hello你好123'.isalnum()) # True
print('hello你好一二三'.isalnum()) # True
print('hello你好ⅠⅡⅢ'.isalnum()) # True
print('hello你好壹贰叁'.isalnum()) # True
print('-' * 50)
# 判断字符的大小写
print('HelloWorld'.islower()) # False
print('helloworld'.islower()) # True
print('hello你好'.islower()) # True
print('-' * 50)
print('HelloWorld'.isupper()) # False
print('HELLOWORLD'.isupper()) # True
print('HELLO你好'.isupper()) # True
print('-' * 50)
# 所有字符都是首字母大写。当且仅当首字母是大写时返回True,如存在非首字母大写则会返回False
print('HelloWorld'.istitle()) # False 。存在非首字母大写,故返回False
print('Helloworld'.istitle()) # True
print('Hello World'.istitle()) # True 。这里是两个单词
print('Hello world'.istitle()) # False 。这里是两个单词,第二个单词的首字母没有大写
print('-' * 50)
# 判断是否都是空白字符
print('\t'.isspace()) # True
print(' '.isspace()) # True
print('\n'.isspace()) # True
前面提到可以使用 + 号拼接字符串。还有以下三种方式拼接字符串:
1、使用str.join()方法进行拼接字符串
2、直接拼接
3、使用格式化字符串进行拼接
s1 = 'hello'
s2 = 'world'
# 使用+进行拼接
print(s1 + s2)
# 使用字符串join()方法
# 把s1、s2放在一个列表中,join()会对列表当中的元素进行一个拼接
print(''.join([s1, s2])) # 使用空字符串进行拼接
print('*'.join(['hello', 'world', 'python', 'java', 'php']))
print('你好'.join(['hello', 'world', 'python', 'java', 'php']))
# 直接拼接
print('hello''world')
# 使用格式化字符串进行拼接
print('%s%s' % (s1, s2))
print(f'{s1}{s2}')
print('{0}{1}'.format(s1, s2))
# 字符串去重操作
s = 'helloworldhelloworlddlrowolleh'
# 使用字符串拼接及not in
new_s = ''
for item in s:
if item not in new_s:
new_s += item # 拼接操作
print(new_s)
# 使用索引+ not in
new_s2 = ''
for i in range(len(s)):
if s[i] not in new_s2: # 索引
new_s2 += s[i] # 拼接操作
print(new_s2)
# 通过集合去重+列表排序
# 集合的性质:唯一性、无序性。因此转换成集合后需要将其按照原来的顺序进行排序
new_s3 = set(s)
lst = list(new_s3)
lst.sort(key=s.index) # 作为参数不能有(),调用时才有()
print(''.join(lst)) # 使用join()方法进行字符串拼接
正则表达式是一个特殊的字符序列,它能够帮助用户非常便捷的检查一个字符串是否符合某种模式。(比如用户名是否由数字和字母组成,密码是否是6位等都可以用正则表达式验证)
元字符:
具有特殊意义的专用字符。例如 ^ 和 $ 分别表示匹配的开始和结束。
以下表格列举了一些其他的元字符,这里只列举出了一部分,还有其他的元字符未列举出来。
元字符 | 描述说明 | 举例 | 结果 |
---|---|---|---|
. | 匹配任意字符(除\n) | ‘p\nytho\tn’ | p、y、t、h、o、\t、n |
\w | 匹配字母、数字、下划线 | ‘python\n123’ | p、y、t、h、o、n、1、2、3 |
\W | 匹配非字母、非数字、非下划线 | ‘python\n123’ | \n |
\s | 匹配任意空白字符 | ‘python\t123’ | \t |
\S | 匹配任意非空白字符 | ‘python\n123’ | p、y、t、h、o、n、1、2、3 |
\d | 匹配任意十进制数 | ‘python\n123’ | 1、2、3 |
限定符:
用于限定匹配的次数。
限定符 | 描述说明 | 举例 | 结果 |
---|---|---|---|
? | 匹配前面的字符0次或1次 | colou?r | 可以匹配color或colour |
+ | 匹配前面的字符1次或多次 | colou+r | 可以匹配colour或colouu…r |
* | 匹配前面的字符0次或多次 | colou*r | 可以匹配color或colouu…r |
{n} | 匹配前面的字符n次 | colou{2}r | 可以匹配colouur |
{n,} | 匹配前面的字符最少n次 | colou{2,}r | 可以匹配colouur或colouuu…r |
{n,m} | 匹配前面的字符最少n次,最多m次 | colou{2,4}r | 可以匹配colouur或colouuur或colouuuur |
其他字符:
其他字符 | 描述说明 | 举例 | 结果 |
---|---|---|---|
区间字符 [ ] | 匹配 [ ] 中所指定的字符 | [.?!] [0-9] | 匹配标点符号点、问号、感叹号 匹配0、1、2、3、4、5、6、7、8、9 |
排除字符 ^ | 匹配不在 [ ] 中指定的字符 | [^0-9] | 匹配除0、1、2、3、4、5、6、7、8、9之外的字符 |
选择字符 | | 用于匹配 | 左右的任意字符 | \d{15} | \d{18} | 匹配15位身份证或18位身份证 |
转义字符 | 同Python中的转义字符 | . | 将 . 作为普通字符使用(原本 . 是元字符,匹配任意字符。除\n) |
[\u4e00-\u9fa5] | 匹配任意一个汉字 | ||
分组( ) | 改变限定符的作用 | six|fourth (six|four)th | 匹配six或fourth 匹配sixth或fourth |
re模块:
Python中的内置模块,用于实现Python中的正则表达式操作。
函数 | 功能描述 |
---|---|
re.match(pattern,string,flags=0) | 用于从字符串的开始位置进行匹配,如果起始位置匹配成功,结果为Match对象,否则结果为None |
re.search(pattern,string,flags=0) | 用于在整个字符串中国搜索第一个匹配的值,如果匹配成功,结果为Match对象,否则结果为None |
re.findall(pattern,string,flags=0) | 用于在整个字符串搜索所有符合正则表达式的值,结果是一个列表类型 |
re.sub(pattern,repl,string,count,flags=0) | 用于实现对字符串中指定子串的替换,返回字符串类型 |
re.split(pattern,string,maxsplit,flags=0) | 字符串中的split()方法功能相同,都是分隔字符串,返回列表类型 |
import re # 导入re模块
# match()用于从字符串的开始位置进行匹配,如果起始位置匹配成功,结果为Match对象,否则结果为None
pattern = '\d\.\d+' # + 限定符,\d 0-9 数字出现1次或多次
s = 'I study Python 3.11 every day' # 待匹配字符串
match = re.match(pattern, s, re.I) # re.I表示忽略大小写,Ignore
print(match) # None
s2 = '3.11 Python I study every day'
match2 = re.match(pattern, s2)
print(match2) # ,指[0,4)
print('匹配值的起始位置:', match2.start())
print('匹配值得结束位置:', match2.end())
print('匹配区间的位置元素:', match2.span())
print('待匹配的字符串:', match2.string)
print('匹配的数据:', match2.group())
search()函数的使用:
import re # 导入re模块
# search()用于在整个字符串中国搜索第一个匹配的值,如果匹配成功,结果为Match对象,否则结果为None
pattern = '\d\.\d+' # + 限定符,\d 0-9 数字出现1次或多次
s = 'I study Python3.11 every day Python2.7 I love you' # 待匹配字符串
match = re.search(pattern, s)
print(match)
s2 = '3.10Python I love you'
match2 = re.search(pattern, s2)
print(match2)
s3 = 'I study Python every day'
match3 = re.search(pattern, s3)
print(match3) # None
print(match.group())
print(match2.group())
findall()函数的使用:
import re # 导入re模块
# findall()用于在整个字符串搜索所有符合正则表达式的值,结果是一个列表类型
pattern = '\d\.\d+' # + 限定符,\d 0-9 数字出现1次或多次
s = 'I study Python3.11 every day Python2.7 I love you' # 待匹配字符串
s2 = 'I study Python3.10 every day'
s3 = 'I study Python'
lst = re.findall(pattern, s)
lst2 = re.findall(pattern, s2)
lst3 = re.findall(pattern, s3)
print(lst)
print(lst2)
print(lst3)
import re # 导入re模块
# sub()用于实现对字符串中指定子串的替换,返回字符串类型
pattern = '黑客|破解|反爬' # 选择字符 | ,用于匹配 | 左右的任意字符
s = '我想学习Python,想破解一些VIP视频,Python可以实现无底线反爬吗?'
new_s = re.sub(pattern, '***', s)
print(new_s)
# split()字符串中的split()方法功能相同,都是分隔字符串,返回列表类型
s2 = 'https://www.bilibili.com/?p=74&spm_id'
pattern2 = '[?|&]' # 区间字符[],匹配[]中所指定的字符;选择字符 | ,用于匹配 | 左右的任意字符
lst = re.split(pattern2, s2)
print(lst)
本题关键在于搞清楚模式串的含义:
pattern = r’13[4-9]\d{8}’ 表示以13开头,第三位是[4-9],再加上由0-9的8位整数
import re
pattern = r'13[4-9]\d{8}' # 以13开头,第三位是[4-9],再加上由0-9的8位整数
lst = ['13809876543', '15109876543', '13278965439', '13198765432']
for item in lst:
match = re.search(pattern, item)
if match != None:
print(match.group())
else:
print(match)
以下代码的运行结果:
import re
pattern = r'\s*@'
s = '@中国 @美国 @俄罗斯'
lst = re.split(pattern, s)
print(lst)
限定符*会匹配0个或多个(包括1个)。
判断车牌归属地。
需求:
使用列表存储N个车牌号码,通过遍历列表及字符串的切片操作判断车牌的归属地。
lst = ['京A888', '津A666', '冀A999']
for item in lst:
area = item[0:1] # 字符串切片
print(item, '归属地为:', area)
统计字符串中出现指定字符的次数。
需求:
声明一个字符串,内容为‘HelloPython,HelloJava,hellophp’,用户从键盘录入要查询的字符(不区分大小写),要求统计出要查找的字符在字符串中出现的次数。
分析:不区分大小写,只需要将其都转成小写或都转成大写即可。
s = 'HelloPython,HelloJava,hellophp'
word = input('请输入要统计的字符:')
print('{0}在{1}一共出现了{2}次'.format(word, s, s.upper().count(word)))
格式化输出商品的名称和单价。
需求:
使用列表存储一些商品数据,使用循环遍历输出商品信息,要求对商品的编号进行格式化为6位,单价保留2位小数,并在前面添加人民币符号输出。
lst = [
['01', '电风扇', '美的', 500],
['02', '洗衣机', 'TCL', 1000],
['03', '微波炉', '老板', 400]
]
print('编号\t\t名称\t\t\t品牌\t\t单价')
for item in lst:
for i in item:
print(i, end='\t\t')
print() # 换行
# 格式化
for item in lst:
item[0] = '0000' + item[0]
item[3] = '¥{0:.2f}'.format(item[3])
# 格式化后输出
print('编号\t\t\t名称\t\t\t品牌\t\t单价')
for item in lst:
for i in item:
print(i, end='\t\t')
print() # 换行
提取文本中所有图片的链接地址。
需求:
从给定的文本中使用正则表达式提取出所有的图片链接地址。
import re
s = ''
pattern = ''
lst = re.findall(pattern, s)
for item in lst:
print(item)