Python/Pandas（十四）-字符串与正则

split拆分常和strip使用

val='a,b,guido'
val.split(',')

['a', 'b', 'guido']

pieces=[ x.strip() for x in val.split(',')]
pieces

['a', 'b', 'guido']

'::'.join(pieces)
'a::b::guido'

first,second,third=pieces
first+'::'+'::'+second+'::'+third
'a::::b::guido'

in， find， index 子串定位

find index 的区别是: 如果找不到字符串，index将会引发一个异常， 而不是返回-1

'guido' in val
True

val.index(',')
1

val.find(':')
-1

val.find(',')
1

val.inde(':')

ValueError                                Traceback (most recent call last)
<ipython-input-162-280f8b2856ce> in <module>()
----> 1 val.index(':')

ValueError: substring not found

count 返回子字符串出现的次数

replace用于将制定模式替换为另一个模式,也常常用于删除模式,传入空字符串

val.replace(',','::')
val.replace(',','')

正则表达式

re模块的函数可以分为三个大类: 模式匹配，替换以及拆分

import re
text="foo bar \t baz  \tqux"
re.split('\s+',text)

调用re.split正则表达式会先被编译，然后再在text上调用split方法。可以用re.compile自己编译regex以得到一个可以重用的regex对象

regex=re.compile('\s+')
regex.split(text)

如果希望得到匹配到的所有模式，使用findall

regex.findall(text)
[' ', ' \t ', '  \t']

findall 返回字符串中所有的匹配项

search 只返回第一个匹配项

match 只匹配字符串的首部

text="""
Dave dave@google.com
Steve steve@gmail.com
Rob rob@gmail.com
Ryan ryan@yahoo.com
"""
pattern = r'[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}'

regex=re.compile(pattern, flags=re.IGNORECASE)

regex.findall(text)

['dave@google.com', 'steve@gmail.com', 'rob@gmail.com', 'ryan@yahoo.com']

m=regex.search(text)
m
<_sre.SRE_Match object; span=(6, 21), match='dave@google.com'>

text[m.start():m.end()]
'dave@google.com'

print (regex.match(text))
None

sub 来替换指定的字符串

print (regex.sub('REDACTED',text))

Dave REDACTED
Steve REDACTED
Rob REDACTED
Ryan REDACTED

groups 返回模式匹配的一组

pattern = r'([A-Z0-9._%+-]+)@([A-Z0-9.-]+)\.([A-Z]{2,4})'
regex=re.compile(pattern,flags=re.IGNORECASE)
m=regex.match('wesm@bright.net')
m.groups()

('wesm', 'bright', 'net')

findall 返回一个元组列表

regex.findall(text)

[('dave', 'google', 'com'),
('steve', 'gmail', 'com'),
('rob', 'gmail', 'com'),
('ryan', 'yahoo', 'com')]

print (regex.sub(r'Usrname: \1, Domain:\2, Suffix:\3',text))

Dave Usrname: dave, Domain:google, Suffix:com
Steve Usrname: steve, Domain:gmail, Suffix:com
Rob Usrname: rob, Domain:gmail, Suffix:com
Ryan Usrname: ryan, Domain:yahoo, Suffix:com