【2017-08-29】字符串及文本的处理（四）

字符串搜索与合并

• 正则表达式中使用Unicode
  问题：提取一段文本中的所有中文
  使用re模块中的正则表达式进行搜索与匹配，首先需要确保待匹配的字符串文本及正则表达式为Unicode编码，否则可能找不到，同理后续讲到的字节字符串的搜索与匹配，也要讲待匹配的字符及正则表达式转换成字节形式，其实，确定编码范围：例如基本汉字，Unicode编码范围\u4e00-\u9fa5

import re
text=u"we are 我是测试哈哈哈哈"
pattern=re.compile(u'[\u4e00-\u9fa5]+')
zhongwenUnicode=pattern.findall(text)
zhongwen=(i.encode("utf-8") for i in zhongwenUnicode)
for i in zhongwen:
       print(i)

• 字符串的合并
  简单合并操作，使用+或者直接将字面字符串放在一起

text1="we are"
text2="a leader"
print(text1+" "+text2)#we are a leader
print("we are" "a leader")#we area leader

如果待合并的字符串在一个序列（比如列表、元组、字典等）或者iterable,通常使用join（）方法

parts = ['Is', 'Chicago', 'Not', 'Chicago?']
print(','.join(parts))

字符串合并方式有很多种，比如说还有format()、输出的print()方法使用sep参数等，需要根据需求，选择性能更好的方式，适当可利用生成器表达式