【2017-08-23】字符串及文本的处理（二）

字符串的搜索与替换

• 匹配或搜索特定模式的文本

  • 字符串方法
    str.find(substr) 主要为查找字符串中是否出现指定模式的文本，出现，返回首个出现的位置索引，不出现，返回-1

#实例
str1="21-year-old raises half-million for polar journey for"
print(str1.find("for"))

- 较复杂时，通常使用正则表达式
re.match()  从字符串开始去匹配，匹配到返回对象，需要取出已匹配到的文本，用group()方法
re.findall()   返回匹配到的文本列表
re.finditer()  返回匹配到的文本迭代对象
re.compile()  将模式字符串预编译成模式对象，可重复使用，一次编译，多次使用，对于用同一模式匹配多个字符串的情形，非常适用，一定程度上优化了性能。

#实例
import  re
str1="21-year-old raises half-million for polar journey for 32"
result= re.match(r"\w*\d+\w*",str1)
allresult=re.findall(r"\w*\d+\w*",str1)
iterresult=re.finditer(r"\w*\d+\w*",str1)
if result:
       print(result.group()) #结果为21，仅匹配
首个出现文本，并返回对象
print(allresult)#结果为['21','32']
for i in iterresult:
       print(i.group())

上述模式多次被重复使用，可使用compile一次编译，多次使用

#上述情形可修改为一次编译，多次利用：
str1 = "21-year-old raises half-million for polar journey for 32"
pattern=re.compile(r"\w*\d+\w*")
result=pattern.match(str1)
allresult=pattern.findall(str1)
iterresult=pattern.finditer(str1)
if result:
       print(result.group())
print(allresult)
for i in iterresult:
       print(i.group())

• 字符串替换

  • 简单使用，字符串方法
    str.replace()

text = 'yeah, but no, but yeah, but no, but yeah'
newtext=text.replace('yeah',"new")
print(newtext)

-  复杂使用，正则表达式
  re.sub() 根据正式表达式模式，匹配并替换

import  re
text1 = 'Today is 11/27/2012. PyCon starts 3/13/2013.'
newtext1=re.sub(r"(\d+)/(\d+)/(\d+)",r"\3-\1-\2",text1)
print(newtext1)#结果：Today is 2012-11-27. PyCon starts 2013-3-13.

上述例子涉及到正则表达式中的捕获分组和非捕获分组的概念
捕获组：（）表示一个字表达式，捕获出符合括号内的内容，可以通过从左到右计算组编号，从而可以引用组的编号来引用前面匹配到的文本
非捕获组：以 (?) 开头的组是纯的非捕获 组，它不捕获文本 ，也不针对组合计进行计数。
常见的几种非捕获组：匹配表达式X，但是不包含表达式的文本
(?=X ) 仅当子表达式 X 在此位置的右侧时才继续匹配，例如，/w+(?=/d) 与后跟数字的单词匹配，而不与该数字匹配。换言之，限制
了右侧为X时才进行匹配
(?!X ) 仅当子表达式 X 不在 此位置的右侧匹配时才继续匹配。例如，例如，/w+(?!/d) 与后不跟数字的单词匹配，而不与该数字匹配
换言之，限制了右侧不为X时才进行匹配 。
(?<=X ) 仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?<=19)99 与跟在 19 后面的 99 的实例匹配。换言之，限制了左侧为X时才进行匹配
(?<!X ) 仅当子表达式 X 不在此位置的左侧匹配时才继续匹配。例如，(?<!19)99 与不跟在 19 后面的 99 的实例匹配。换言之，限制了左侧不为X时才进行匹配