pythonstrip()和split()移除字符串末尾数字(正则表达
式)
⼀、strip()
假设str是⼀个字符串
那么str.strip()就是把这个字符串头和尾的空格,以及位于头尾的\n \t之类给删掉。
举例e.g.1
str="  ABC"
那么str.strip() 就会为"ABC"
<2
str="\t  AABBc  "
那么str.strip()就会为"AABBc"
<3
str="  \n A BC \t"
那么str.strip()就会为"A BC"
例⼦3中可以发现空格躲在ABC中间去了,因为删除⼯作遇到了从头遇到了A,从尾遇到了C,因此就删到这⾥为⽌,中间的空格就不抓出来啦!
strip()还有⼀种⽤法是str.strip(c),其中c也是⼀个字符或者⼀个字符串。它删除的是str字符串从头开始或者从尾开始带有c含有的字符的所有字符(确实拗⼝)⽐如
str='hiahia ohoh haha ihih'
str.strip('hai') 就会为 ' ohoh haha '
为什么呢?
⾸先看str的头:第⼀个字母是h,包含在'hai'中,删掉。继续第⼆个字母是i包含在'hai'中,删掉。以此
类推,⼀直到第⼀个空格,不包含在'hai'中。停⽌删除。
再看str的尾巴:第⼀个字母是h,包含在'hai'中,删除。第⼆个字母i,包含在'hai'中,删除。以此类推,直到倒数第⼀个空格,停⽌删除。
⾄于中间到底有什么字母,都不管了。只要外围碰到不需要删除的字符,屠杀就结束了。
字符串str还有另外两种类似的⽅法lstrip()和rstrip()。第⼀个是只删头,第⼆个是只删尾巴。⽤法类似。就不讲了。
⼆、移除字符串末尾的数字
⽅法⼀:正则表达式
>>> re.split('^\d+', '123dddd666')
['', 'dddd666']
>>> re.split('\d+$', '123dddd666')
['123dddd', '']
补充:
正则表达式模式
模式字符串使⽤特殊的语法来表⽰⼀个正则表达式:
字母和数字表⽰他们⾃⾝。⼀个正则表达式模式中的字母和数字匹配同样的字符串。
多数字母和数字前加⼀个反斜杠时会拥有不同的含义。
标点符号只有被转义时才匹配⾃⾝,否则它们表⽰特殊的含义。
python正则表达式不包含
反斜杠本⾝需要使⽤反斜杠转义。
由于正则表达式通常都包含反斜杠,所以你最好使⽤原始字符串来表⽰它们。模式元素(如 r'\t',等价于 '\\t')匹配相应的特殊字符。
下表列出了正则表达式模式语法中的特殊元素。如果你使⽤模式的同时提供了可选的标志参数,某些模式元素的含义会改变。
模式描述
^匹配字符串的开头
$匹配字符串的末尾。
.匹配任意字符,除了换⾏符,当re.DOTALL标记被指定时,则可以匹配包括换⾏符的任意字符。
[...]⽤来表⽰⼀组字符,单独列出:[amk] 匹配 'a','m'或'k'
[^...]不在[]中的字符:[^abc] 匹配除了a,b,c之外的字符。
re*匹配0个或多个的表达式。
re+匹配1个或多个的表达式。
re?匹配0个或1个由前⾯的正则表达式定义的⽚段,⾮贪婪⽅式
re{ n}精确匹配 n 个前⾯表达式。例如, o{2} 不能匹配 "Bob" 中的 "o",但是能匹配 "food" 中的两个 o。
re{ n,}匹配 n 个前⾯表达式。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*"。
re{ n,
m}
匹配 n 到 m 次由前⾯的正则表达式定义的⽚段,贪婪⽅式
a| b匹配a或b
(re)匹配括号内的表达式,也表⽰⼀个组
(?imx)正则表达式包含三种可选标志:i, m, 或 x 。只影响括号中的区域。
(?-imx)正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)类似 (...), 但是不表⽰⼀个组
(?imx:
re)
在括号中使⽤i, m, 或 x 可选标志
(?-imx:
re)
在括号中不使⽤i, m, 或 x 可选标志
(?#...)注释.
(?= re)前向肯定界定符。如果所含正则表达式,以 ... 表⽰,在当前位置成功匹配时成功,否则失败。但⼀旦所含表达式已经尝试,匹配引擎根本没有提⾼;模式的剩余部分还要尝试界定符的右边。
(?! re)前向否定界定符。与肯定界定符相反;当所含表达式不能在字符串当前位置匹配时成功
(?> re)匹配的独⽴模式,省去回溯。
\w匹配字母数字及下划线
\W匹配⾮字母数字及下划线
\s匹配任意空⽩字符,等价于 [\t\n\r\f].
\S匹配任意⾮空字符
\d匹配任意数字,等价于 [0-9].
\D匹配任意⾮数字
\A匹配字符串开始
\Z匹配字符串结束,如果是存在换⾏,只匹配到换⾏前的结束字符串。
\z匹配字符串结束
\G匹配最后匹配完成的位置。
\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'。
\n, \t,
匹配⼀个换⾏符。匹配⼀个制表符。等
等.
\1...\9匹配第n个分组的内容。
\10匹配第n个分组的内容,如果它经匹配。否则指的是⼋进制字符码的表达式。
正则表达式实例
字符匹配
实例描述
python匹配 "python".
字符类
实例描述
[Pp]ython匹配 "Python" 或 "python"
rub[ye]匹配 "ruby" 或 "rube"
[aeiou]匹配中括号内的任意⼀个字母
[0-9]匹配任何数字。类似于 [0123456789]
[a-z]匹配任何⼩写字母
[A-Z]匹配任何⼤写字母
[a-zA-Z0-9]匹配任何字母及数字
[^aeiou]除了aeiou字母以外的所有字符
[^0-9]匹配除了数字外的字符
特殊字符类
实例描述
.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。
\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]。
\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]。
\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_]'。
两个实例:
#!/usr/bin/python
import re
line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
print "up() : ", up()
print "up(1) : ", up(1)
print "up(2) : ", up(2)
else:
print "No match!!"
正则表达式:
r'(.*) are (.*?) .*'
解析:
⾸先,这是⼀个字符串,前⾯的⼀个 r 表⽰字符串为⾮转义的原始字符串,让编译器忽略反斜杠,也就是忽略转义字符。但是这个字符串⾥没有反斜杠,所以这个 r 可
(.*) 第⼀个匹配分组,.* 代表匹配除换⾏符之外的所有字符。
(.*?) 第⼆个匹配分组,.*? 后⾯多个问号,代表⾮贪婪模式,也就是说只匹配符合条件的最少字符
后⾯的⼀个 .* 没有括号包围,所以不是分组,匹配效果和第⼀个⼀样,但是不计⼊匹配结果中。
因为只有匹配结果中只有两组,所以如果填 3 时会报错。
实例2:
'(?P...)' 分组匹配
例:⾝份证 1102231990xxxxxxxx
import re
s = '1102231990xxxxxxxx'
res = re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<born_year>\d{3})',s)
updict())
此分组取出结果为:
{'province': '110', 'city': '223', 'born_year': '199'}
直接将匹配结果直接转为字典模式,⽅便使⽤。
⽅法⼆:string
import string
t.rstrip(string.digits)
补充:
⽐如有这样的⼀个字符串 t  = "book123456",想把尾部的数字全部去掉,只留下“book”,⾃⼰⽤正则试了下,是实现了,但速度不是很快,于是问了⼀下同事,他给的解决的⽅法确实很简洁,也让⾃⼰长了知识点,如下:
import string
t.rstrip(string.digits)
这样就全部将数字移除了,顺便将string这个模块看了下⽂档,也有⼀定的收获。
>>> import string
>>> string.digits
'0123456789'
>>> string.hexdigits
'0123456789abcdefABCDEF'
>>> digits
'01234567'
>>> string.letters
'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'
>>> string.lowercase
'abcdefghijklmnopqrstuvwxyz'
>>> string.uppercase
'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
>>> string.printable
'0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ \t\n\r\x0b\x0c'
>>> string.punctuation
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'
>>> string.whitespace
'\t\n\x0b\x0c\r '
>>>

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。