项目地址 https://github.com/jackfrued/Python-100-Days Day01~15 - Python语言基础

Day16~20 - Python语言进阶

Day21~30 - Web前端入门

Day31~35 - 玩转Linux操作系统

Day36~40 - 数据库基础和进阶

Day41~55 - 实战Django

Day56~60 - 实战Flask

Day61~65 - 实战Tornado

Day66~75 - 爬虫开发

Day76~90 - 数据处理和机器学习

Day91~100 - 团队项目开发

Python-100-Days 第十二天 字符串和正则表达式

字符串高级操作转义字符原始字符串多行字符串python join()方法python split()方法in 和 not in运算符（成员运算符）python strip（）方法pyperclip模块pyperclip模块简介pyperclip安装pyperclip模块中函数使用项目举例（摘自python编程快速上手-让繁琐工作自动化） StringIO的使用（在内存中读写str） 使用正则表达式正则表达式相关知识Python对正则表达式的支持 综合案例例子1：验证输入用户名和QQ号是否有效并给出对应的提示信息。例子2：从一段文字中提取出国内手机号码。`在这里插入代码片`例子3：替换字符串中的不良内容例子4：拆分长字符串 后话小结

字符串高级操作

字符串高级操作 - 转义字符 / 原始字符串 / 多行字符串 / in和 not in运算符 / is开头的方法 / join和split方法 / strip相关方法 / pyperclip模块 / 不变字符串和可变字符串 / StringIO的使用

转义字符

在需要在字符中使用特殊字符时，python用反斜杠()转义字符。如下表：

原始字符串

如果一个字符串中有很多反斜杠，可以在字符串前面加r，使用原始字符串

path = r"C:\Users\administrator\Desktop\666.jpg"

多行字符串

Python中输入多行字符串： 方法一：使用三引号

# 三引号 str1 = '''Le vent se lève, il faut tenter de vivre. 起风了，唯有努力生存。 （纵有疾风起，人生不言弃。）''' print(str1)

方法二：使用反斜杠

# 反斜杠 str2 = 'Le vent se lève, il faut tenter de vivre. \ 起风了，唯有努力生存。 \ （纵有疾风起，人生不言弃。）' print(str2)

方法三：使用小括号

# 使用小括号 str3 = ('Le vent se lève, il faut tenter de vivre.' '起风了，唯有努力生存。' '（纵有疾风起，人生不言弃。）') print(str3)

有一个字符串很长，如何写成多行？ 方法一使用续行符 \ ：

sql = "select * "\ " from a "\ " where b = 1"

方法二使用括号：(推荐)

sql = ("select *" " from a " " where b = 1")

python join()方法

Python join() 方法用于将序列中的元素以指定的字符连接生成一个新的字符串。

# join 方法语法 str.join(sequence) # sequence -- 要连接的元素序列。 # 返回值 返回通过指定字符连接序列中元素后生成的新字符串。

例子

str = "-" seq = ("a", "b", "c") # 字符串序列 print(str.join(seq))

python split()方法

Python split() 通过指定分隔符对字符串进行切片，如果参数 num 有指定值，则分隔 num+1 个子字符串。

# split() 方法语法： str.split(str="", num=string.count(str)) # str -- 分隔符，默认为所有的空字符，包括空格、换行(\n)、制表符(\t)等。 # num -- 分割次数。默认为 -1, 即分隔所有。 # 返回值 返回分割后的字符串列表。

例子

str = "Line1-abcdef \nLine2-abc \nLine4-abcd" print(str.split()) # 以空格为分隔符，包含 \n print(str.split(' ', 1)) # 以空格为分隔符，分隔成两个 print("~~~~~~~~~~") txt = "Google#Runoob#Taobao#Facebook" # 第二个参数为 1，返回两个参数列表 x = txt.split("#", 1) print(x)

in 和 not in运算符（成员运算符）

利用in和not in操作符，可以确定一个值是否在字符串（序列，包括列表，字符串）中。 首先看“in”，意思是，如果在指定的序列中找到了，那么结果是True，如果没有找到，那么结果是False. “not in”相反。

in 与 not in 操作符需要连接两个值，它们分别是：需要在列表中查找的值以及列表对象。

mypets = ['zophie','pooka','fattail'] print('Enter a pet name:') name = input() if name not in mypets: print('I do not have a pet named ' + name) else: print(name + ' is my pet.')

python strip（）方法

Python strip() 方法用于移除字符串头尾指定的字符（默认为空格）或字符序列。

注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。

# strip()方法语法： str.strip([chars]); # 参数 chars -- 移除字符串头尾指定的字符序列。 # 返回值 返回移除字符串头尾指定的字符序列生成的新字符串。

例子

str = "*****this is **string** example....wow!!!*****" print (str.strip( '*' )) # 指定字符串 *

从结果上看，可以注意到中间部分的字符并未删除。

str = "123abcrunoob321" print (str.strip( '12' )) # 字符序列为 12

只要头尾包含有指定字符序列中的字符就删除：

pyperclip模块

pyperclip模块简介

pyperclip模块中有两个函数，分别是copy()和paste()，copy()用于向计算机的剪贴板发送文本，paste()用于从计算机剪贴板接收文本。

pyperclip安装

pyperclip模块不是Python自带的，需要自己安装，安装比较简单，windows下输入安装命令即可，如下：

pip install pyperclip

pyperclip模块中函数使用

import pyperclip pyperclip.copy(“Hello world”) #此时打开剪贴板，可直接粘贴"Hello world"到剪贴板

如果在剪贴板中复制了某一段字符，比如"nihao"，此时运行pyperclip.paste()就会返回"nihao"

项目举例（摘自python编程快速上手-让繁琐工作自动化）

1、口令保管箱 sys.argv 列表中的第一项总是一个字符串，它包含程序的文件名 （‘pw.py’）。第二项应该是第一个命令行参数。对于这个程序，这个参数就是账户名称， 你希望获取它的口令。因为命令行参数是必须的，所以如果用户忘记添加参数（也就是说，如果列表中少于两个值），你就显示用法信息。

PASSWORDS = {"email": "euyr8wuey89r3geidw", 　　　　　　　"blog": "wqeiy2398eghduk", 　　　　　　　"computer": "ewkwo][ke;w"} 　　　　　　　 import sys, pyperclip if len(sys.argv < 2): print("Please input the account name") 　　sys.exit() account = sys.argv[1] if account in PASSWORDS: 　　pyperclip.copy(PASSWORDS[account]) 　　print("The password for " + account + " copied to clipboard!") else: 　　print("There is no account named " + account )

2、在标记中添加无序列表 从剪贴板复制一段文本，在文本每一行开头加上“*”，再粘贴回剪贴板

import pyperclip text = pyperclip.paste() lines = text.split("\n") for i in range(len(lines)): 　　lines[i] = "*" + lines[i] text = "\n".join(lines) pyperclip.copy(text)

pyperclip模块安装和使用 转载自https://www.cnblogs.com/LM791605490/p/10245807.html

StringIO的使用（在内存中读写str）

https://www.jianshu.com/p/b74a83e0f9fc

很多时候，数据读写不一定是文件，也可以在内存中读写。StringIO就是在内存中读写str。 要把str写入StringIO，我们需要先创建一个StringIO，然后，像文件一样写入即可：

>>> from io import StringIO >>> f = StringIO() >>> f.write('hello') 5 >>> f.write(' ') 1 >>> f.write('world!') 6 >>> print(f.getvalue()) hello world!

getvalue()方法用于获得写入后的str。 要读取StringIO，可以用一个str初始化StringIO，然后，像读文件一样读取：

>>> from io import StringIO >>> f = StringIO('Hello!\nHi!\nGoodbye!') >>> while True: ... s = f.readline() ... if s == '': ... break ... print(s.strip()) Hello! Hi! Goodbye!

StringIO操作的只能是str，如果要操作二进制数据，就需要使用BytesIO。 BytesIO实现了在内存中读写bytes，我们创建一个BytesIO，然后写入一些bytes：

>>> from io import BytesIO >>> f = BytesIO() >>> f.write('中文'.encode('utf-8')) 6 >>> print(f.getvalue()) b'\xe4\xb8\xad\xe6\x96\x87'

注意，写入的不是str，而是经过UTF-8编码的bytes。 和StringIO类似，可以用一个bytes初始化BytesIO，然后，像读文件一样读取：

>>> from io import BytesIO >>> f = BytesIO(b'\xe4\xb8\xad\xe6\x96\x87') >>> f.read() b'\xe4\xb8\xad\xe6\x96\x87'

StringIO和BytesIO是在内存中操作str和bytes的方法，使得和读写文件具有一致的接口。

使用正则表达式

正则表达式相关知识

在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要，正则表达式就是用于描述这些规则的工具，换句话说正则表达式是一种工具，它定义了字符串的匹配模式（如何检查一个字符串是否有跟某种模式匹配的部分或者从一个字符串中将与模式匹配的部分提取出来或者替换掉）。如果你在Windows操作系统中使用过文件查找并且在指定文件名时使用过通配符（*和?），那么正则表达式也是与之类似的用来进行文本匹配的工具，只不过比起通配符正则表达式更强大，它能更精确地描述你的需求（当然你付出的代价是书写一个正则表达式比打出一个通配符要复杂得多，要知道任何给你带来好处的东西都是有代价的，就如同学习一门编程语言一样），比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串（像028-12345678或0813-7654321），这不就是国内的座机号码吗。最初计算机是为了做数学运算而诞生的，处理的信息基本上都是数值，而今天我们在日常工作中处理的信息基本上都是文本数据，我们希望计算机能够识别和处理符合某些模式的文本，正则表达式就显得非常重要了。今天几乎所有的编程语言都提供了对正则表达式操作的支持，Python通过标准库中的re模块来支持正则表达式操作。

我们可以考虑下面一个问题：我们从某个地方（可能是一个文本文件，也可能是网络上的一则新闻）获得了一个字符串，希望在字符串中找出手机号和座机号。当然我们可以设定手机号是11位的数字（注意并不是随机的11位数字，因为你没有见过“25012345678”这样的手机号吧）而座机号跟上一段中描述的模式相同，如果不使用正则表达式要完成这个任务就会很麻烦。

关于正则表达式的相关知识，大家可以阅读一篇非常有名的博客叫《正则表达式30分钟入门教程》，读完这篇文章后你就可以看懂下面的表格，这是我们对正则表达式中的一些基本符号进行的扼要总结。

说明： 如果需要匹配的字符是正则表达式中的特殊字符，那么可以使用\进行转义处理，例如想匹配小数点可以写成.就可以了，因为直接写.会匹配任意字符；同理，想匹配圆括号必须写成(和)，否则圆括号被视为正则表达式中的分组。

Python对正则表达式的支持

Python提供了re模块来支持正则表达式相关操作，下面是re模块中的核心函数。

说明： 上面提到的re模块中的这些函数，实际开发中也可以用正则表达式对象的方法替代对这些函数的使用，如果一个正则表达式需要重复的使用，那么先通过compile函数编译正则表达式并创建出正则表达式对象无疑是更为明智的选择。

下面我们通过一系列的例子来告诉大家在Python中如何使用正则表达式。

综合案例

例子1：验证输入用户名和QQ号是否有效并给出对应的提示信息。

""" 验证输入用户名和QQ号是否有效并给出对应的提示信息 要求：用户名必须由字母、数字或下划线构成且长度在6~20个字符之间，QQ号是5~12的数字且首位不能为0 """ import re # 导入re模块 def main(): username = input('请输入用户名: ') qq = input('请输入QQ号: ') # match函数的第一个参数是正则表达式字符串或正则表达式对象 match(pattern, string, flags=0) 用正则表达式匹配字符串 成功返回匹配对象 否则返回None # 第二个参数是要跟正则表达式做匹配的字符串对象 m1 = re.match(r'^[0-9a-zA-Z_]{6,20}$', username) # ^匹配开始 由字母、数字或下划线构成 字符串长度6~20位 if not m1: print('请输入有效的用户名.') m2 = re.match(r'^[1-9]\d{4,11}$', qq) # ^匹配开始 首位数字在[1-9]中 \d 匹配数字 剩余位数4~11位之间 # QQ号是5~12的数字且首位不能为0 if not m2: print('请输入有效的QQ号.') if m1 and m2: # 如果m1和m2都能匹配成功 print('你输入的信息是有效的!') # 输出 输入的信息是有效的 if __name__ == '__main__': main()

提示： 上面在书写正则表达式时使用了“原始字符串”的写法（在字符串前面加上了r），所谓“原始字符串”就是字符串中的每个字符都是它原始的意义，说得更直接一点就是字符串中没有所谓的转义字符啦。因为正则表达式中有很多元字符和需要进行转义的地方，如果不使用原始字符串就需要将反斜杠写作\，例如表示数字的\d得书写成\d，这样不仅写起来不方便，阅读的时候也会很吃力。

例子2：从一段文字中提取出国内手机号码。在这里插入代码片

下面这张图是截止到2017年底，国内三家运营商推出的手机号段。

import re def main(): # 创建正则表达式对象 使用了前瞻和回顾来保证手机号前后不应该出现数字 pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)') # compile(pattern, flags=0) 编译正则表达式返回正则表达式对象 sentence = ''' 重要的事情说8130123456789遍，我的手机号是13512346789这个靓号， 不是15600998765，也是110或119，王大锤的手机号才是15600998765。 ''' # 查找所有匹配并保存到一个列表中 mylist = re.findall(pattern, sentence) # findall(pattern, string, flags=0) 查找字符串所有与正则表达式匹配的模式 返回字符串的列表 print(mylist) # 输出列表 print('--------华丽的分隔线--------') # 通过迭代器取出匹配对象并获得匹配的内容 for temp in pattern.finditer(sentence): # finditer(pattern, string, flags=0) 查找字符串所有与正则表达式匹配的模式 返回一个迭代器 print(temp.group()) print('--------华丽的分隔线--------') # 通过search函数指定搜索位置找出所有匹配 m = pattern.search(sentence) # search(pattern, string, flags=0) 搜索字符串中第一次出现正则表达式的模式 成功返回匹配对象 否则返回None while m: print(m.group()) m = pattern.search(sentence, m.end()) if __name__ == '__main__': main()

说明： 上面匹配国内手机号的正则表达式并不够好，因为像14开头的号码只有145或147，而上面的正则表达式并没有考虑这种情况，要匹配国内手机号，更好的正则表达式的写法是：(?<=\D)(1[38]\d{9}|14[57]\d{8}|15[0-35-9]\d{8}|17[678]\d{8})(?=\D)，国内最近好像有19和16开头的手机号了，但是这个暂时不在我们考虑之列。

例子3：替换字符串中的不良内容

import re def main(): sentence = '你丫是傻叉吗? 我操你大爷的. Fuck you.' # sub(pattern, repl, string, count=0, flags=0) 用指定的字符串替换原字符串中与正则表达式匹配的模式 可以用count指定替换的次数 purified = re.sub('[操肏艹]|fuck|shit|傻[比屄逼叉缺吊屌]|煞笔', '*', sentence, flags=re.IGNORECASE) print(purified) # 你丫是*吗? 我*你大爷的. * you. if __name__ == '__main__': main()

说明： re模块的正则表达式相关函数中都有一个flags参数，它代表了正则表达式的匹配标记，可以通过该标记来指定匹配时是否忽略大小写、是否进行多行匹配、是否显示调试信息等。如果需要为flags参数指定多个值，可以使用按位或运算符进行叠加，如flags=re.I | re.M。

例子4：拆分长字符串

import re def main(): poem = '窗前明月光，疑是地上霜。举头望明月，低头思故乡。' # 定义字符串变量 存储诗句 sentence_list = re.split(r'[，。, .]', poem) # split(pattern, string, maxsplit=0, flags=0) 用正则表达式指定的模式分隔符拆分字符串 返回列表 while '' in sentence_list: sentence_list.remove('') # 移除列表中间的引号 print(sentence_list) # ['窗前明月光', '疑是地上霜', '举头望明月', '低头思故乡'] if __name__ == '__main__': main()

后话

如果要从事爬虫类应用的开发，那么正则表达式一定是一个非常好的助手，因为它可以帮助我们迅速的从网页代码中发现某种我们指定的模式并提取出我们需要的信息，当然对于初学者来收，要编写一个正确的适当的正则表达式可能并不是一件容易的事情（当然有些常用的正则表达式可以直接在网上找找）。

所以实际开发爬虫应用的时候，有很多人会选择Beautiful Soup或Lxml来进行匹配和信息的提取，前者简单方便但是性能较差，后者既好用性能也好，但是安装稍嫌麻烦，这些内容我们会在后期的爬虫专题中为大家介绍。

小结

字符串高级操作 - 转义字符 / 原始字符串 / 多行字符串 / in和 not in运算符 / is开头的方法 / join和split方法 / strip相关方法 / pyperclip模块 / 不变字符串和可变字符串 / StringIO的使用

正则表达式入门 - 正则表达式的作用 / 元字符 / 转义 / 量词 / 分组 / 零宽断言 /贪婪匹配与惰性匹配懒惰 / 使用re模块实现正则表达式操作（匹配、搜索、替换、捕获） 使用正则表达式 - re模块 / compile函数 / group和groups方法 / match方法 / search方法 / findall和finditer方法 / sub和subn方法 / split方法 应用案例 - 使用正则表达式验证输入的字符串