首页 > 代码库 > Python中的文本(一)
Python中的文本(一)
本文主要记录和总结本人在阅读《Python标准库》一书,文本这一章节的学习和理解。
其实在Python中,使用文本这样的一些方法是特别常用的一件事。在一般的情况下,都会使用String这样的一个类,应该算是Python中最基础的一个标准类了。
1.1 函数
string类中的capwords()和maketrans()。
capwords()的作用是将一个字符串中的所有单词的首字母大写;
maketrans()函数将创建转换表,可以translate()方法将一组字符修改成另一组字符,这种做法比反复调用replace()更为高效。
string中有一个叫模板的功能。同样是用来做字符的拼接的。
1.2 textwrap()——格式化文本段落
作用:通过调整换行符在段落中出现的位置来格式化文本。
1.3 re-正则表达式
作用:使用形式化模式搜索和修改文本。
regular expression。
1.3.1 re中搜索文本中的模式。
1.3.2 编译正则表达式
re包含一些模块级的函数,用于处理作为文本字符串的正则表达式,对于频繁使用的表达式,编译这些表达式会更加的高效。compile()函数会把一个表达式字符串转换成为一个RegexObject。
模块级函数会维护已编译表达式的一个缓存,但是这个缓存的大小是有限的,直接使用已编译的表达式可以避免缓存查找开销。使用已编译表达式的另一个好处是,把编译的过程进行了提前,在某种程度上优化了程序运行过程中的效率。
1.3.3 多重匹配
search()在前面中,是用来查找文本字符串中的单个实例。findall()函数会返回输入中与模式匹配的,而不重叠的所有子串。
1.3.4 模式语法
Python的正则表达式的模式语法。
1.3.5 限制搜索
如果提前已经知道只需要搜索整个输入的一个子集,可以告诉re先知搜索范围,从而进一步约束正则表达式。
其实在Python中,使用文本这样的一些方法是特别常用的一件事。在一般的情况下,都会使用String这样的一个类,应该算是Python中最基础的一个标准类了。
1.1 函数
string类中的capwords()和maketrans()。
capwords()的作用是将一个字符串中的所有单词的首字母大写;
maketrans()函数将创建转换表,可以translate()方法将一组字符修改成另一组字符,这种做法比反复调用replace()更为高效。
string中有一个叫模板的功能。同样是用来做字符的拼接的。
高级的模板可以修改string.Template的默认语法,为此需要调整它在模板中查找变量名所使用的正则表达式。
############################################################# #test about matetrans() leet = string.maketrans('asdfghjk', '12345678') print s.translate(leet) print s ############################################################# #test about Template() values = {'var':'foo'} t=string.Template(""" Variable : $var Escape : $$ Variable in text: ${var}iable """) print 'TEMPLATE:', t.substitute(values) s=""" Variable : %(var)ss Escape : %% Variable in text: %(var)sssssiable """ print 'INTERPOLATION:', s%values
1.2 textwrap()——格式化文本段落
作用:通过调整换行符在段落中出现的位置来格式化文本。
1.3 re-正则表达式
作用:使用形式化模式搜索和修改文本。
regular expression。
1.3.1 re中搜索文本中的模式。
import re print '-'*30 #about regular expression search() pattern = 'this' text='Does this text match the pattern?' match = re.search(pattern, text) s=match.start() e=match.end() print 'Dound "%s" \nin "%s" \nfrom %d to %d ("%s")' % (match.re.pattern,match.string,s,e,text[s:e]) #start()和end()方法可以给出字符串中相应的索引。
1.3.2 编译正则表达式
re包含一些模块级的函数,用于处理作为文本字符串的正则表达式,对于频繁使用的表达式,编译这些表达式会更加的高效。compile()函数会把一个表达式字符串转换成为一个RegexObject。
print '-'*30 #about the Compile() regexes=[re.compile(p) for p in ['this','that'] ] text='Does this text match the pattern?' print 'Text: %r\n' % text for regex in regexes: print 'seeking "%s" ->' % regex.pattern if regex.search(text): print 'match!' else: print 'no match!'
模块级函数会维护已编译表达式的一个缓存,但是这个缓存的大小是有限的,直接使用已编译的表达式可以避免缓存查找开销。使用已编译表达式的另一个好处是,把编译的过程进行了提前,在某种程度上优化了程序运行过程中的效率。
1.3.3 多重匹配
search()在前面中,是用来查找文本字符串中的单个实例。findall()函数会返回输入中与模式匹配的,而不重叠的所有子串。
print '-'*30 #about the findall() text = 'bbbbbababbababbabbbaba' pattern = 'ba' for match in re.findall(pattern, text): print match print '-'*30 #about the finditer() #finditer会返回一个迭代器,可以生成match实例,而不像findall()是直接返回的字符串。 text='aaaadaaaaadadadada' pattern='da' for match in re.finditer(pattern,text): s=match.start() e=match.end() print 'Found "%s" at %d:%d' % (text[s:e],s,e)
1.3.4 模式语法
Python的正则表达式的模式语法。
1.3.5 限制搜索
如果提前已经知道只需要搜索整个输入的一个子集,可以告诉re先知搜索范围,从而进一步约束正则表达式。
print '-'*30 #一种iterall()的不太高效的实现方式。 text='this is some text -- with punctuation.' pattern=re.compile(r'\b\w*is\w*\b') print 'text:', text pos=0 while True: match=pattern.search(text,pos) print match if not match: break s=match.start() e=match.end() print s,e print '%d: %d = "%s"' % (s,e-1,text[s:e]) pos=e
Python中的文本(一)
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。