Python 開(kāi)發(fā)者必知的 13 種文本匹配模式
文本匹配是編程中非常常見(jiàn)的任務(wù)，特別是在處理大量數(shù)據(jù)時(shí)。Python 提供了多種強(qiáng)大的工具來(lái)幫助我們實(shí)現(xiàn)高效的文本匹配。本文將詳細(xì)介紹 13 種常用的文本匹配模式，從簡(jiǎn)單的字符串方法到復(fù)雜的正則表達(dá)式，逐步引導(dǎo)你掌握這些強(qiáng)大的工具。
1. 使用 in 關(guān)鍵字
最簡(jiǎn)單的文本匹配方式就是使用 in 關(guān)鍵字，檢查一個(gè)字符串是否包含另一個(gè)字符串。
text = "Hello, world!"
substring = "world"
if substring in text:
print(f"'{substring}' is found in '{text}'")
else:
print(f"'{substring}' is not found in '{text}'")輸出：
'world' is found in 'Hello, world!'2. 使用 str.find()
str.find() 方法返回子字符串在字符串中的位置，如果找不到則返回 -1。
text = "Hello, world!"
substring = "world"
index = text.find(substring)
if index != -1:
print(f"'{substring}' is found at index {index} in '{text}'")
else:
print(f"'{substring}' is not found in '{text}'")輸出：
'world' is found at index 7 in 'Hello, world!'3. 使用 str.index()
str.index() 方法類似于 str.find()，但如果沒(méi)有找到子字符串，它會(huì)拋出一個(gè) ValueError。
text = "Hello, world!"
substring = "world"
try:
index = text.index(substring)
print(f"'{substring}' is found at index {index} in '{text}'")
except ValueError:
print(f"'{substring}' is not found in '{text}'")輸出：
'world' is found at index 7 in 'Hello, world!'4. 使用 str.startswith()
str.startswith() 方法檢查字符串是否以指定的前綴開(kāi)頭。
text = "Hello, world!"
if text.startswith("Hello"):
print(f"'{text}' starts with 'Hello'")
else:
print(f"'{text}' does not start with 'Hello'")輸出：
'Hello, world!' starts with 'Hello'5. 使用 str.endswith()
str.endswith() 方法檢查字符串是否以指定的后綴結(jié)尾。
text = "Hello, world!"
if text.endswith("world!"):
print(f"'{text}' ends with 'world!'")
else:
print(f"'{text}' does not end with 'world!'")輸出：
'Hello, world!' ends with 'world!'6. 使用 str.count()
str.count() 方法返回子字符串在字符串中出現(xiàn)的次數(shù)。
text = "Hello, world! Hello, Python!"
count = text.count("Hello")
print(f"'Hello' appears {count} times in '{text}'")輸出：
'Hello' appears 2 times in 'Hello, world! Hello, Python!'7. 使用 str.replace()
str.replace() 方法用于替換字符串中的子字符串。
text = "Hello, world!"
new_text = text.replace("world", "Python")
print(f"Original: {text}")
print(f"Replaced: {new_text}")輸出：
Original: Hello, world!
Replaced: Hello, Python!8. 使用 re 模塊的基本匹配
re 模塊提供了正則表達(dá)式的支持，可以進(jìn)行更復(fù)雜的文本匹配。
import re
text = "Hello, world!"
pattern = r"world"
match = re.search(pattern, text)
if match:
print(f"Pattern '{pattern}' is found in '{text}'")
else:
print(f"Pattern '{pattern}' is not found in '{text}'")輸出：
Pattern 'world' is found in 'Hello, world!'9. 使用 re.findall()
re.findall() 方法返回所有匹配的子字符串。
import re
text = "Hello, world! Hello, Python!"
pattern = r"Hello"
matches = re.findall(pattern, text)
print(f"Pattern '{pattern}' is found {len(matches)} times in '{text}'")輸出：
Pattern 'Hello' is found 2 times in 'Hello, world! Hello, Python!'10. 使用 re.sub()
re.sub() 方法用于替換正則表達(dá)式匹配的子字符串。
import re
text = "Hello, world!"
pattern = r"world"
replacement = "Python"
new_text = re.sub(pattern, replacement, text)
print(f"Original: {text}")
print(f"Replaced: {new_text}")輸出：
Original: Hello, world!
Replaced: Hello, Python!11. 使用 re.split()
re.split() 方法根據(jù)正則表達(dá)式分割字符串。
import re
text = "Hello, world! Hello, Python!"
pattern = r"!"
parts = re.split(pattern, text)
print(f"Text split by '!': {parts}")輸出：
Text split by '!': ['Hello, world', ' Hello, Python', '']12. 使用 re.compile()
re.compile() 方法編譯正則表達(dá)式，提高多次使用的效率。
import re
text = "Hello, world! Hello, Python!"
pattern = re.compile(r"Hello")
matches = pattern.findall(text)
print(f"Pattern 'Hello' is found {len(matches)} times in '{text}'")輸出：
Pattern 'Hello' is found 2 times in 'Hello, world! Hello, Python!'13. 使用 re.escape()
re.escape() 方法轉(zhuǎn)義特殊字符，防止它們被解釋為正則表達(dá)式的一部分。
import re
text = "Hello, world! Hello, Python!"
special_char = "."
escaped_char = re.escape(special_char)
pattern = f"{escaped_char}"
matches = re.findall(pattern, text)
print(f"Pattern '{escaped_char}' is found {len(matches)} times in '{text}'")輸出：
Pattern '\.' is found 2 times in 'Hello, world! Hello, Python!'實(shí)戰(zhàn)案例：日志文件分析
假設(shè)你有一個(gè)日志文件，記錄了用戶的訪問(wèn)信息，格式如下：
2023-10-01 12:00:00 - User1 - Page1
2023-10-01 12:01:00 - User2 - Page2
2023-10-01 12:02:00 - User1 - Page3
2023-10-01 12:03:00 - User3 - Page1我們需要分析這個(gè)日志文件，統(tǒng)計(jì)每個(gè)用戶訪問(wèn)的頁(yè)面次數(shù)。
import re
from collections import defaultdict
# 假設(shè)這是日志文件的內(nèi)容
log_content = """
2023-10-01 12:00:00 - User1 - Page1
2023-10-01 12:01:00 - User2 - Page2
2023-10-01 12:02:00 - User1 - Page3
2023-10-01 12:03:00 - User3 - Page1
"""
# 編譯正則表達(dá)式
pattern = re.compile(r"(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) - (\w+) - (\w+)")
# 創(chuàng)建一個(gè)字典來(lái)存儲(chǔ)用戶訪問(wèn)的頁(yè)面次數(shù)
user_page_count = defaultdict(lambda: defaultdict(int))
# 遍歷日志內(nèi)容，匹配每一行
for line in log_content.strip().split('\n'):
match = pattern.match(line)
if match:
timestamp, user, page = match.groups()
user_page_count[user][page] += 1
# 輸出結(jié)果
for user, pages in user_page_count.items():
print(f"User: {user}")
for page, count in pages.items():
print(f" Page: {page}, Count: {count}")輸出：
User: User1
Page: Page1, Count: 1
Page: Page3, Count: 1
User: User2
Page: Page2, Count: 1
User: User3
Page: Page1, Count: 1總結(jié)
本文介紹了 13 種常用的文本匹配模式，包括簡(jiǎn)單的字符串方法和復(fù)雜的正則表達(dá)式。通過(guò)這些方法，你可以高效地處理各種文本匹配任務(wù)。每種方法都有其適用場(chǎng)景，選擇合適的方法可以大大提高你的編程效率。最后，我們通過(guò)一個(gè)實(shí)戰(zhàn)案例展示了如何使用這些方法來(lái)分析日志文件，統(tǒng)計(jì)用戶訪問(wèn)的頁(yè)面次數(shù)。
