在本章中，我们将学习文本处理和正则表达式。文本处理是创建或修改文本的过程。Python 有一个非常强大的名为正则表达式的库，它执行搜索和提取数据等任务。您将学习如何处理文件，并学习如何读取和写入文件。
我们将学习用于正则表达式和 Python 文本处理的rePython 模块。我们将学习re模块的match()、search()、findall()和sub()功能。我们还将学习如何使用textwrap模块在 Python 中进行文本包装。最后，我们将学习 unicode 字符。
在本章中，我们将介绍以下主题：
- 文本换行
- 正则表达式
- Unicode 字符串
在本节中，我们将了解textwrapPython 模块。此模块提供完成所有工作的TextWrapper类。textwrap模块用于格式化和包装纯文本。本模块提供五大功能：wrap()、fill()、dedent()、indent()、shorten()。现在我们将逐一学习这些函数。
wrap()函数用于将整个段落包装成单个字符串。输出将是一个输出行列表。
语法为textwrap.wrap(text, width)：
text：要包装的文本。width：缠绕线允许的最大长度。默认值为70。
现在，我们将看到一个wrap()的示例。创建一个wrap_example.py脚本，并在其中写入以下内容：
import textwrap
sample_string = '''Python is an interpreted high-level programming language for general-purpose programming. Created by Guido van Rossum and first released in 1991, Python has a design philosophy that emphasizes code readability, notably using significant whitespace.'''
w = textwrap.wrap(text=sample_string, width=30)
print(w)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 wrap_example.py
['Python is an interpreted high-', 'level programming language for', 'general-purpose programming.', 'Created by Guido van Rossum', 'and first released in', '1991, Python has a design', 'philosophy that emphasizes', 'code readability, notably', 'using significant whitespace.']在前面的示例中，我们使用了 Python 的textwrap模块。首先，我们创建了一个名为sample_string的字符串。接下来，使用TextWrapper类指定宽度。接下来，使用wrap函数将字符串包装到30的宽度。接下来，我们打印了这些行。
fill()函数的工作原理与textwrap.wrap类似，不同之处在于它将返回的数据合并成一个以换行符分隔的字符串。此函数将输入包装为文本，并返回包含包装文本的单个字符串。
此函数的语法为：
textwrap.fill(text, width)-
text：要包装的文本。 -
width：缠绕线允许的最大长度。默认值为70。
现在，我们将看到一个fill()的示例。创建一个fill_example.py脚本，并在其中写入以下内容：
import textwrap sample_string = '''Python is an interpreted high-level programming language.''' w = textwrap.fill(text=sample_string, width=50) print(w)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 fill_example.py
Python is an interpreted high-level programming
language.在前面的示例中，我们使用了fill()函数。程序与我们在wrap()中所做的相同。首先，我们创建了一个字符串变量。接下来，我们创建了textwrap对象。然后，我们应用了fill()函数。最后，我们打印输出。
dedent()是textwrap模块的另一项功能。此函数用于删除文本每一行的公共前导whitespaces。
此函数的语法如下所示：
textwrap.dedent(text)text是dedent的文本。
现在，我们将看到一个dedent()的示例。创建一个dedent_example.py脚本，并在其中写入以下内容：
import textwrap str1 = ''' Hello Python World \tThis is Python 101 Scripting language\n Python is an interpreted high-level programming language for general-purpose programming. ''' print("Original: \n", str1) print() t = textwrap.dedent(str1) print("Dedented: \n", t)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 dedent_example.py
Hello Python World This is Python 101
Scripting language
Python is an interpreted high-level programming language for general-purpose programming.在前面的示例中，我们创建了一个str1字符串变量。然后我们使用textwrap.dedent()删除常见的前导空格。制表符和空格被视为空白，但它们并不相等。因此，删除了唯一常见的空白，在我们的例子中是tab。
indent()函数用于将指定前缀添加到文本中选定行的开头。
此函数的语法为：
textwrap.indent(text, prefix)text：主串prefix：要添加的前缀
创建一个indent_example.py脚本，并在其中写入以下内容：
import textwrap str1 = "Python is an interpreted high-level programming language for general-purpose programming. Created by Guido van Rossum and first released in 1991, \n\nPython has a design philosophy that emphasizes code readability, notably using significant whitespace." w = textwrap.fill(str1, width=30) i = textwrap.indent(w, '*') print(i)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 indent_example.py *Python is an interpreted high- *level programming language for *general-purpose programming. *Created by Guido van Rossum *and first released in 1991, *Python has a design philosophy *that emphasizes code *readability, notably using *significant whitespace.在前面的示例中，我们使用了textwrap模块的fill()和indent()函数。首先，我们使用fill方法将数据存储到w变量中。接下来，我们使用indent方法。使用indent(),输出中的每一行都会有一个*前缀。接下来，我们打印输出。
textwrap模块的此功能用于截断文本以适应指定的宽度。例如，如果要创建摘要或预览，请使用shorten()函数。使用shorten()，文本中的所有空格都将标准化为一个空格。
此函数的语法为：
textwrap.shorten(text, width)现在我们将看到一个shorten()的示例。创建一个shorten_example.py脚本，并在其中写入以下内容：
import textwrap str1 = "Python is an interpreted high-level programming language for general-purpose programming. Created by Guido van Rossum and first released in 1991, \n\nPython has a design philosophy that emphasizes code readability, notably using significant whitespace." s = textwrap.shorten(str1, width=50) print(s)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 shorten_example.py Python is an interpreted high-level [...]在前面的示例中，我们使用了shorten()函数来截断文本，并将该文本调整到指定的宽度。首先，所有的空格都被截断成一个空格。如果结果符合指定的宽度，则结果将显示在屏幕上。如果没有，则指定宽度的单词将显示在屏幕上，其余的单词将放置在占位符中。
在本节中，我们将学习 Python 中的正则表达式。正则表达式是一种专门的编程语言，它嵌入在 Python 中，用户可以通过re模块使用它。我们可以为要匹配的字符串集定义规则。使用正则表达式，我们可以从文件、代码、文档、电子表格等中提取特定信息。
在 Python 中，正则表达式表示为re，可以通过re模块导入。正则表达式支持四个方面：
- 标识符
- 修饰语
- 空白字符
- 旗帜
下表列出了标识符，并对每个标识符进行了说明：
| 标识符 | 说明 |
| \w | 匹配字母数字字符，包括下划线（_） |
| \W | 匹配非字母数字字符，不包括下划线（_） |
| \d | 匹配一个数字 |
| \D | 匹配非数字 |
| \s | 匹配一个空格 |
| \S | 匹配除空格以外的任何内容 |
| . | 匹配一个期间（.） |
| \b | 匹配除新行以外的任何字符 |
下表列出了修改器，并对每个修改器进行了说明：
| 修饰语 | 说明 |
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的结尾 |
| ? | 匹配0或1 |
| * | 匹配0或更多 |
| + | 匹配1或更多 |
| | | 匹配或x/y |
| [ ] | 比赛范围 |
| {x} | 前面代码的数量 |
下表列出了空白字符，并对每个字符进行了说明：
| 字符 | 说明 |
| \s | 空间 |
| \t | 标签 |
| \n | 新线 |
| \e | 逃跑 |
| \f | 饲料 |
| \r | 回来 |
下表列出了这些标志，并对每个标志进行了说明：
| 标志 | 说明 |
| re.IGNORECASE | 不区分大小写的匹配 |
| re.DOTALL | 匹配任何字符，包括新行 |
| re.MULTILINE | 多行匹配 |
| Re.ASCII | 仅对 ASCII 字符进行转义匹配 |
现在我们将看到一些正则表达式的示例。我们将学习match()、search()、findall()和sub()函数。
To use regular expressions in Python, you must import the re module in your scripts so that you will be able to use all the functions and methods for regular expressions.
现在，我们将在以下部分中逐一了解这些函数。
match()功能是re模块的功能。此函数将指定的re模式与字符串匹配。如果找到匹配项，将返回一个match对象。match对象将包含关于match的信息。如果没有找到匹配项，我们将得到结果为None。match对象有两种方法：
group(num)：返回整个匹配groups()：返回元组中所有匹配的子组
此函数的语法如下所示：
re.match(pattern, string)现在，我们来看一个re.match()的例子。创建一个re_match.py脚本，并在其中写入以下内容：
import re str_line = "This is python tutorial. Do you enjoy learning python ?" obj = re.match(r'(.*) enjoy (.*?) .*', str_line) if obj:
print(obj.groups())运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 re_match.py
('This is python tutorial. Do you', 'learning')在前面的脚本中，我们导入了re模块，以便在 Python 中使用正则表达式。然后我们创建了一个str_line字符串。接下来，我们创建了一个obj匹配对象，并将匹配模式结果存储在其中。在本例中，(.*) enjoy (.*?) .*模式将打印enjoy关键字之前的所有内容，并且只打印enjoy关键字之后的一个单词。接下来，我们使用了match对象的groups()方法。它将打印元组中所有匹配的子字符串。因此，您将得到的输出将是，('This is python tutorial. Do you', 'learning')。
re模块的search()功能将搜索字符串。它将为指定的re模式查找任何位置。search()将采用一种模式和文本，它将通过我们指定的字符串搜索匹配项。当找到匹配项时，它将返回一个match对象。如果没有找到匹配项，它将返回None。match对象有两种方法：
group(num)：返回整个匹配groups()：返回元组中所有匹配的子组
此函数的语法如下所示：
re.search(pattern, string)创建一个re_search.py脚本，并在其中写入以下内容：
import re pattern = ['programming', 'hello'] str_line = 'Python programming is fun' for p in pattern:
print("Searching for %s in %s" % (p, str_line)) if re.search(p, str_line): print("Match found") else: print("No match found")运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 re_search.py Searching for programming in Python programming is fun Match found Searching for hello in Python programming is fun No match found在前面的示例中，我们使用了match对象的search()方法来查找re模式。导入 re 模块后，我们在列表中指定了模式。在这个列表中，我们写了两个字符串：programming和hello。接下来，我们创建了一个字符串：Python programming is fun。我们编写了一个 for 循环，它将逐个检查指定的模式。如果找到匹配项，将执行if块。如果没有找到匹配项，将执行else块。
这是match对象的方法之一。findall()方法查找所有匹配项，然后将它们作为字符串列表返回。列表中的每个元素都表示为匹配项。此方法在不重叠的情况下搜索图案。
创建一个re_findall_example.py脚本，并在其中写入以下内容：
import re pattern = 'Red' colors = 'Red, Blue, Black, Red, Green' p = re.findall(pattern, colors) print(p) str_line = 'Peter Piper picked a peck of pickled peppers. How many pickled peppers did Peter Piper pick?' pt = re.findall('pe\w+', str_line) pt1 = re.findall('pic\w+', str_line) print(pt) print(pt1) line = 'Hello hello HELLO bye' p = re.findall('he\w+', line, re.IGNORECASE) print(p)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 re_findall_example.py
['Red', 'Red']
['per', 'peck', 'peppers', 'peppers', 'per']
['picked', 'pickled', 'pickled', 'pick']
['Hello', 'hello', 'HELLO']在前面的脚本中，我们已经编写了三个findall()方法的示例。在第一个示例中，我们定义了一个模式和一个字符串。我们使用findall()方法从字符串中找到该图案，然后将其打印出来。在第二个示例中，我们创建了一个字符串，并使用findall()找到前两个字母为pe的单词，然后打印它们。我们将得到前两个字母为pe的单词列表。
另外，我们找到了前三个字母为pic的单词，然后打印出来。在这里，我们还将得到字符串列表。在第三个示例中，我们创建了一个字符串，其中我们用大写和小写指定了hello以及一个单词：bye。使用findall()，我们找到前两个字母为he的单词。同样在findall()中，我们使用了re.IGNORECASE标志，该标志将忽略单词的大小写并打印它们。
这是 re 模块最重要的功能之一。sub()用于将re图案替换为指定的替换品。它将用替换字符串替换所有出现的re模式。语法如下：
re.sub(pattern, repl_str, string, count=0)pattern：re模式。repl_str：替换字符串。string：主串。count：要替换的事件数。默认值为0，表示替换所有事件。
现在我们将创建一个re_sub.py脚本，并在其中写入以下内容：
import re
str_line = 'Peter Piper picked a peck of pickled peppers. How many pickled peppers did Peter Piper pick?'
print("Original: ", str_line)
p = re.sub('Peter', 'Mary', str_line)
print("Replaced: ", p)
p = re.sub('Peter', 'Mary', str_line, count=1)
print("Replacing only one occurrence of Peter… ")
print("Replaced: ", p)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 re_sub.py
Original: Peter Piper picked a peck of pickled peppers. How many pickled peppers did Peter Piper pick?
Replaced: Mary Piper picked a peck of pickled peppers. How many pickled peppers did Mary Piper pick?
Replacing only one occurrence of Peter...
Replaced: Mary Piper picked a peck of pickled peppers. How many pickled peppers did Peter Piper pick?在前面的示例中，我们使用sub()将re模式替换为指定的替换字符串。我们将Peter替换为Mary。因此，所有出现的彼得都将被玛丽取代。接下来，我们还包括了count参数。我们提到了count=1：这意味着只有一个彼得事件将被替换，其他彼得事件将保持不变。
现在，我们将了解 re 模块的subn()功能。subn()功能与sub()功能相同，但有附加功能。subn()函数将返回一个元组，其中包含新字符串和执行的替换次数。让我们来看一个例子subn()。创建一个re_subn.py脚本，并在其中写入以下内容：
import re
print("str1:- ")
str1 = "Sky is blue. Sky is beautiful."
print("Original: ", str1)
p = re.subn('beautiful', 'stunning', str1)
print("Replaced: ", p)
print()
print("str_line:- ")
str_line = 'Peter Piper picked a peck of pickled peppers. How many pickled peppers did Peter Piper pick?'
print("Original: ", str_line)
p = re.subn('Peter', 'Mary', str_line)
print("Replaced: ", p)运行脚本，您将获得如下输出：
student@ubuntu:~/work$ python3 re_subn.py
str1:-
Original: Sky is blue. Sky is beautiful.
Replaced: ('Sky is blue. Sky is stunning.', 1)
str_line:-
Original: Peter Piper picked a peck of pickled peppers. How many pickled peppers did Peter Piper pick?
Replaced: ('Mary Piper picked a peck of pickled peppers. How many pickled peppers did Mary Piper pick?', 2)在前面的示例中，我们使用subn()函数替换 RE 模式。结果，我们得到了一个元组，其中包含替换的字符串和替换的数量。
在本节中，我们将学习如何在 Python 中打印 Unicode 字符串。Python 以一种非常简单的方式处理 Unicode 字符串。字符串类型实际上包含 Unicode 字符串，而不是字节序列。
启动系统中的python3控制台，并开始写入以下内容：
student@ubuntu:~/work$ python3
Python 3.6.6 (default, Sep 12 2018, 18:26:19)
[GCC 8.0.1 20180414 (experimental) [trunk revision 259383]] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>
>>> print ('\u2713')
>>> print ('\u2724')
>>> print ('\u2750')
>>> print ('\u2780')
>>> chinese = '\u4e16\u754c\u60a8\u597d!
>>> chinese
 ----- (Meaning “Hello world!”)
>>>
>>> s = '\u092E\u0941\u0902\u092C\u0908'
>>> s
'मुंबई' ------(Unicode translated in Marathi)
>>>
>>> s = '\u10d2\u10d0\u10db\u10d0\u10e0\u10ef\u10dd\u10d1\u10d0'
>>> s
'გამარჯობა' ------(Meaning “Hello” in Georgian)
>>>
>>> s = '\u03b3\u03b5\u03b9\u03b1\u03c3\u03b1\u03c2'
>>> s
'γειασας' ------(Meaning “Hello” in Greek)
>>> 在本节中，我们将学习 unicode 代码点。Python 有一个名为ord()的强大内置函数，用于从给定字符获取 Unicode 代码点。让我们看一个从字符中获取 Unicode 码点的示例，如以下代码所示：
>>> str1 = u'Office'
>>> for char in str1:
... print('U+%04x' % ord(char))
...
U+004f
U+0066
U+0066
U+0069
U+0063
U+0065
>>> str2 = 
>>> for char in str2:
... print('U+%04x' % ord(char))
...
U+4e2d
U+6587从 Unicode 代码点到字节字符串的转换称为编码。因此，让我们看一个如何编码 Unicode 代码点的示例，如以下代码所示：
>>> str = u'Office'
>>> enc_str = type(str.encode('utf-8'))
>>> enc_str
<class 'bytes'>从字节字符串到 Unicode 代码点的转换称为解码。因此，让我们看一个如何解码字节字符串以获得 Unicode 代码点的示例，如以下代码所示：
>>> str = bytes('Office', encoding='utf-8')
>>> dec_str = str.decode('utf-8')
>>> dec_str
'Office'当字节字符串无法解码为 Unicode 代码点时，就会出现UnicodeDecodeError。为了避免此异常，我们可以将replace、backslashreplace或ignore传递给decode中的错误参数，如下所示：
>>> str = b"\xaf"
>>> str.decode('utf-8', 'strict')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xaf in position 0: invalid start byte
>>> str.decode('utf-8', "replace")
'\ufffd'
>>> str.decode('utf-8', "backslashreplace")
'\\xaf'
>>> str.decode('utf-8', "ignore")
' '在本章中，我们学习了正则表达式，使用正则表达式，我们可以为要匹配的一组字符串定义规则。我们了解了re模块的四个功能：match()、search()、findall()和sub()。
我们了解了textwrap模块，该模块用于格式化和包装纯文本。我们还了解了textwrap模块的wrap()、fill()、dedent()、indent()和shorten()功能。最后，我们学习了 Unicode 字符以及如何在 Python 中打印 Unicode 字符串。
在下一章中，我们将学习如何使用 Python 标准地记录和报告信息。
- Python 中的正则表达式是什么？
- 编写一个 Python 程序来检查字符串是否只包含一组特定的字符（在本例中为
a–z、A–Z和0–9）。 - Python 中的哪个模块支持正则表达式？
a】
reb】regexc】pyregexd）以上均无 re.match函数的作用是什么？ a）匹配字符串开头的模式 b）匹配字符串中任何位置的模式 c）这样的函数不存在 d）以上都不存在- 下面的输出是什么？
句子：
"we are humans"匹配：re.match(r'(.*) (.*?) (.*)'、sentence)print(matched.group())
a） ('we', 'are', 'humans')
b】(we, are, humans)
c】('we', 'humans')
d】'we are humans'