对python数据清洗容易遇到的函数-re.sub bytes string详解

Python  /  管理员 发布于 7年前   200

re.sub

功能，比replace强大的替换函数，将正则表达式匹配上的模块替换成repl

re.sub(pattern, repl, string, count=0, flags=0)

返回最左边正则表达式限定的被repl代替的字符串，如果正则表达式没有匹配上，则字符串不做修改。

\n is converted to a single newline character,

\r is converted to a carriage return, and so forth. Unknown escapes such as \j are left alone. 如果后面跟的是数字 such as \6, 则替换第6组字符串，group 6 in the pattern. For example:

>>>>>> re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):',...  r'static PyObject*\npy_\1(void)\n{',...  'def myfunc():')'static PyObject*\npy_myfunc(void)\n{'

如果repl是一个函数，则会对每个不重叠的模式发生调用。 该函数采用单个匹配对象参数，并返回替换字符串。 例如：

>>>>>> def dashrepl(matchobj):...  if matchobj.group(0) == '-': return ' '...  else: return '-'>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files')'pro--gram files'>>> re.sub(r'\sAND\s', ' & ', 'Baked Beans And Spam', flags=re.IGNORECASE)'Baked Beans & Spam'

模板可以是一个字符串或者RE对象

count是最大替换个数，非负整数，如果省略或者取0则全文档都被匹配替换;

class bytes([source[, encoding[, errors]]])

返回一个新的数组对象，这个数组对象不能对数组元素进行修改。每个元素值范围: 0 <= x < 256。bytes函数与bytearray函数主要区别是bytes函数产生的对象的元素不能修改，而bytearray函数产生的对象的元素可以修改。因此，除了可修改的对象函数跟bytearray函数不一样之外，其它使用方法全部是相同的。最后它的参数定义方式也与bytearray函数是一样的。

实例

a = bytes("abs",'utf-8')print(a)b'abs'b = bytes(1)print(b)b'\x00'

class bytearray([source[, encoding[, errors]]])

返回一个新的字节数组。 bytearray类是0 <= x <256的整数可变序列。它具有可变序列类型中描述的可变序列的大多数常用方法，以及字节类型具有的大多数方法，请参见字节和 Bytearray操作。

可选的源参数可用于以几种不同的方式初始化数组：

如果是字符串，还必须给出编码（和可选的错误）参数; bytearray（）然后使用str.encode（）将字符串转换为字节。

如果它是整数，则数组将具有该大小，并且将以空字节初始化。

如果是符合缓冲区接口的对象，则将使用对象的只读缓冲区来初始化字节数组。

如果它是一个可迭代的，它必须是0 <= x <256的整数的迭代，它们被用作数组的初始内容。

没有参数，将创建一个大小为0的数组。

bytes.strip([chars]) & bytearray.strip([chars])

返回删除指定的前导和尾部字节的序列副本。 chars参数是指定要删除的字节值集的二进制序列 - 该名称是指通常使用ASCII字符的方法。 如果省略或无，则chars参数默认为删除ASCII空格。 chars参数不是前缀或后缀; 相反，其值的所有组合都被剥离：

> b' spacious '.strip()b'spacious'> b'www.example.com'.strip(b'cmowz.')b'example'

string.punctuation

在C语言环境中被视为标点符号的ASCII字符串

以上这篇对python数据清洗容易遇到的函数-re.sub bytes string详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。