Python语言及其运用_第七章_像高手一样玩转数据

【主要内容】1.格式化；2.正则表达式

 

【基本知识】

一、格式化

（一）使用%的旧式格式转化

1.基本格式：string % data

 string包含待插值的序列，带插入的部分由%和字母组成。转换类型：

%s  字符串

%d  十进制整数         %x  十六进制            %o  八进制整数    

%f   十进制浮点数     %e  科学计算法表示的浮点数   

%%   文本%

【例】>>>Our cat %s weights %s pounds." % (cat, weight)

2.格式设置

%10s ： 设置最小域宽10个字符，右对齐，左侧不够填充空格

%-10s： 设置最小域宽10个字符，左对齐，右侧不够填充空格

%10.4s：最大字符宽度为4，会截断超过长度限制的字符串（浮点数精度为小数点后4位，如123.2000）

【总结】对于%A.BC（C为转换类型）   

A为域宽，正右对齐，负左对齐，B为字符宽度（浮点数为小数位）

（二）使用{}和format的新式格式化

1.

>>> n=42
>>> f=7.03
>>> s = "string cheese"
>>> '{}{}{}'.format(n,f,s)
'427.03string cheese'

2.

>>> '{2}{0}{1}'.format(n,f,s)
'string cheese427.03'

3.

>>> '{n}{f}{s}'.format(n=42,f=9.443,s="string cheese")
'429.443string cheese'

格式设置：在{}中将格式放置于“ ：”后。

{0:d}  整型

{0:10d} 宽域为10（默认右对齐）

{0:>10d}  右对齐  {0:<10d} 左对齐 {0:^10d} 居中

{0:!>10d} 用!填充

二、使用正则表达式匹配

注：需要import re

 

匹配模式：

 

.代表任意单一字符；

 

*代表任意一个它之前的字符

 

.*代表任意多个字符（包括0个）

?表示字符可选（0个或1个）

例：.*Frank:   Frank之前包含若干字符

       n.   n后包含1个字符

       n.?  n后包含1个字符，或者不包含（是否包含可选）

 

（一）re.match(模式, 源)：源是否以模式开头

 source = "Young Frankenstein"
 m = re.match("You",source)
 if m:
    print(m.group())

输出：You（如果不是以模式开头则没有输出）

（二）re.search(模式, 源)：源是否包含模式

（三）re.findall(模式, 源)：在源中找出所有符合模式的字符串

【1】

>>> m = re.findall("n",source)
>>> if m:
print(m)

['n', 'n', 'n', 'n']

 

【2】

>>> m = re.findall("n.",source)
>>> if m:
print(m)

['ng', 'nk', 'ns']

【3】

>>> m = re.findall("n.?",source)
>>> if m:
print(m)

['ng', 'nk', 'ns', 'n']

（四）re.split(模式, 源)：将源按模式切分

（五）re.sub()：将源替换匹配

m = re.sub('n','?',source)  #将source中n用?替换

 

正则表达式全部符号解释

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
(?=pattern)	正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x|y	匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。.
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

 

 【练习】

import re;
mammoth = '''We have seen thee Queen of cheese,
Laying quietly at your ease,
Gently fanned by the evening breeze,
Thy fair form no flies dare size.
All gaily dressed soon you'll go
To the great Provincial Show,
To be admired by many a beau
In the City of Toronto.
Cows numerous as a swarm of bees,
Or as leaves upon the trees,
It did require to make thee please,
And stand unrivaled Queen of Cheese.
May you not receive a scar as!
We have heard that Mr. Harris
Intends to send you off as far as
The great World Show in Paris.
Of the youth beware of these,
For some might rudely squeeze
And bite your cheek; Then Songs or glees
We could not sing o' Queen of Cheese.
We'rt thou suspended from balloon
You'd cast a shade, even at noon;
Folks would think it the moon
About to fall and crush them soon.'''
#(1)找出所有以c开头单词
m = re.findall("\\b[Cc]\\w+", mammoth);
if m:
         print(m)
#(2)找出所有以c开头4个字母单词
m = re.findall("\\b[Cc]\\w{3}", mammoth);
if m:
         print(m)
#(3)找出所有以r结尾的单词
m = re.findall(r"\b\w*?[rR]\b", mammoth);
if m:
         print(m)
#(4)包含且仅包含连续3个元音的单词
m = re.findall(r"\b[b-df-hj-np-tv-zB-DF-HJ-NP-TV-Z]*[aeiouAEIOU]{3}[b-df-hj-np-tv-zB-DF-HJ-NP-TV-Z]*\b", mammoth);
if m:
         print(m)

注:(3)有问题找出所有以r结尾单词中出现了MR.