python获取字符串中的特定数据_百度知道
python获取字符串中的特定数据
网页部分代码如下&script type=&text/javascript&&
Page(1, 102, &c&, 2, &&);
&/script&
想通过python获取 102位置的数据（102位置为随机值）想通过这个例缉辅光恍叱喝癸桶含垃子学习下如果解决这类问题，请大哥教教我，谢谢
提问者采纳
这类问题用regex：import rea='&script type=&text/javascript&&\nPage(1, 102, &c&, 2, &&);\n&/script&'s = re.compile('&script type=&text/javascript&&\s+P缉辅光恍叱喝癸桶含垃age\(1, ([^,]+),').search(a)print(s.group(1))group(1)是第一个括号里匹配的内容([^,]+)具体去python主页看regex说明。
提问者评价
你真棒，学习了
其他类似问题
1人觉得有用
python的相关知识
按默认排序
其他1条回答
import res='Page(1, 102, &c&缉辅光恍叱喝癸桶含垃, 2, &&);'outnum = pile(r'Page\(\d+, (\d+),.*\)').findall(s)[0])
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁　　　　　　　　　　　　　　　　　　　　　　Python中的字符串
　　可能大多数人在学习C语言的时候，最先接触的数据类型就是字符串，因为大多教程都是以"Hello world"这个程序作为入门程序，这个程序中要打印的"Hello world"就是字符串。如果你做过自然语言处理方面的研究，并且用Python去做过相关实验，你肯定会体会到Python在字符串处理方面相对于其他语言的明显优势之处。今天我们来了解一下Python中的字符串，看看它的用法。
一.Python中如何声明字符串
　　在Python中声明一个字符串通常有三种方法：在它的两边加上那个单引号、双引号或者三引号。
　　从上面可以看出三种声明方法的效果是完全一样的，在Python中用这三种声明方法来声明字符串意义完全等同的，即'hello world'和"hello world"以及'''hello world'''是没有任何区别的。但是会有人问：既然是完全等同的，为什么要弄出三种声明方式呢？下面看一下这几个例子：
　　在Python中提供了这几种方法，使得使用起来更加方便灵活（当然也可以使用转义字符去解决上面报错的地方）。
　　在这里要注意的是，
　　1）在Python中没有类似C语言中char这种类型的字符串，也就是说即使是单个字符也是字符串。
　　2）Python中的字符串一旦声明，是不能进行更改的，即不能通过对某一位置重新赋值改变内容。
二.Python中的字符串类型
　　Python中的字符串有两种数据类型：str类型和unicode类型。str类型采用的ASCII编码，也就是说它无法表示中文。unicode类型采用unicode编码，能够表示任意的字符，包括中文、日文、韩文等。
　　在python中字符串默认采用的ASCII编码，如果要显示声明为unicode类型的话，需要在字符串前面加上'u'或者'U'。
　　下面看一段代码
print '我'
print u'我'
print 'python'
print u'python'
　　这段代码的运行结果为：
　　从运行结果可以看出，如果是中文的话，不采用unicode类型，输出的会是乱码。
三.转义字符和原始字符串
　　同C语言中一样，Python中也有转义字符，用反斜杠'\'来表示对后面字符进行转义。
　　比如上面例子中的问题就可以用转义来解决：
　　如果你编写过Java程序，并且使用过Java中的正则表达式，你可能会对Java正则表达式深恶痛绝（我自己就是），因为稍不注意就会出错，里面有太多的转义，而且看起来也很繁琐杂乱。在Python中，你不必再为这个问题烦恼了，因为Python提供了原始字符串，顾名思义，就是保留原始字符的意思，不对反斜杠及反斜杠后面的字符进行转义，声明原始字符串的方法是在字符串前面加上'r'或者'R'。
　　在这里要注意：在Python中行尾结束符始终为'\n'，不论Python程序在哪个操作系统下运行。在Linux环境下编写C语言时，换行符为'\n'，而在windows下为'\r\n'。编写Python程序不用担心这种因运行环境不同引起的不兼容问题。
四.用户输入以及格式化输出字符串
　　在Python中最常用的从键盘获取输入的函数是raw_input()和input()。但是这两个函数有很大的区别：
　　raw_input()以字符串的形式返回用户输入的一切内容；
　　而input()却不是这样，它会根据输入内容的形式确定返回的形式（可能有点拗口）。下面看个例子就明白了：
　　从这个例子显而易见可以看出两者的区别，同样输入123，raw_input()返回的是字符串123，而input()返回的是整数123。个人建议一般情况下使用raw_input()获取输入，这样能避免程序中出现一些不必要的麻烦。
　　同C语言一样，Python中也提供了格式化输出。
　　Python中的格式化输出和C语言类似，基本格式如下：
　　print '....%formmat..' %(var...)
　　当var只有一个时，括号可以省略。
　　关于Python的字符串今天就讨论这么多了，在这里只是讨论了基本的概念和知识点，相关字符串函数的使用请查阅API文档。
阅读(...) 评论()trackbacks-0
基本数据类型：
bool，布尔类型：True，False
数字：如number=8.
二进制：0b或者0B,比如0b11 -& 十进制3
八进制：0o或者0O，比如0o11 -& 十进制9
十六进制：0x或者0X，比如ox11 -& 十进制17
简单的运算符：
+，-，*，/，//(求商)，%(取余)，**(幂运算) &#没有++,--运算符
位运算符&&，&&，|(按位或)，&(按位与)
三元运算符：A=X?Y:Z &(等同于：A=Y if X else Z)
浮点数：如2.5，12.3E-3即0.0123
复数：虚部使用j表示，例 2+3j
相关模块：math，random
bytes，字节：&而一系列不可改变的介于0-255之间的数字被称为bytes对象。每一个byte可以是一个ASCII字符或者十六进制数从\x00到\xff。
不能对bytes对象直接复制，可以将bytes转换为一个bytearray对象，bytearray对象是可以被修改的。如barr = batearray(bytes_object)
bytes对象和string不可以混在一起：
print(by+str) 导致错误：TypeError: can't concat bytes to str
bytes对象有一个decode()方法，向该方法传递一个字符编码参数，该方法会返回使用该种编码解码后的字符串。同样的，string有一个encode()方法，完成反向的工作。
btest = b'abcde'
strtest = 'abc'
btest.decode('utf-8') & &#结果'abcde'
strtest.encode('utf-8') & &#结果b'abc'
btest = b'abcde'
len(btest) & & #结果5
btest += b'f' & &#结果b'abcdef'
btest[0] & #结果97
string，字符串(由一系列不可改变的Unicode字符组成)：如strtest='abcde'。(不能使用strtest[0] = 'a'改变字符串的内容)
字符串提取&
print (strtest[0])，输出a
print (strtest[-1])，输出e
范围引用，基本样式[下限:上限:步长]
print (strtest[:3]) & & &#输出abc&
print (strtest[1:-1]) & #输出bcd
print (strtest[::2]) & & #输出ace
print (strtest + strtest) = print (strtest*2)，输出abcdeabcde
&字符串包含判断：in, not in
"He" in str
&she& not in str
字符串的方法
S.find(substring, [start [,end]]) #可指范围查找子串，返回索引值，否则返回-1
S.rfind(substring,[start [,end]]) #反向查找
S.index(substring,[start [,end]]) #同find，只是找不到产生ValueError异常
S.rindex(substring,[start [,end]])#同上反向查找
S.count(substring,[start [,end]]) #返回找到子串的个数
S.lowercase()
S.capitalize()&&&&& #首字母大写
S.lower()&&&&&&&&&& #转小写
S.upper()&&&&&&&&&& #转大写
S.swapcase()&&&&&&& #大小写互换
S.split(str, ' ')&& #将string转list，以空格切分
S.join(list, ' ')&& #将list转string，以空格连接
S.format()：接受位置参数和关键字参数. 例："I like {0} and {{rice}}.".format("eggs.") -& "I like eggs and {rice}."
处理字符串的内置函数
len(str)&&&&&&&&&&&&&&& #串长度
cmp("my friend", str)&& #字符串比较。第一个大，返回1
max('abcxyz')&&&&&&&&&& #寻找字符串中最大的字符
min('abcxyz')&&&&&&&&&& #寻找字符串中最小的字符
string的转换
oat(str) #变成浮点数，float("1e-1")& 结果为0.1
int(str)&&&&&&& #变成整型，& int("12")& 结果为12
int(str,base)&& #变成base进制整型数，int("11",2) 结果为2
long(str)&&&&&& #变成长整型，
long(str,base)& #变成base进制长整型，
字符串的格式化（注意其转义字符，大多如C语言的，略）
str_format % (参数列表) ?#参数列表是以tuple的形式定义的，即不可运行中改变
&&&print ("%s's height is %dcm" % ("My brother", 180))
#结果显示为 My brother's height is 180cm
单引号和双引号的字符串的对比：
"Hello, world" 与 'Hello, world'相同
"Let's go!"(正常字符串) 与 'Let's go!'(非正常字符串 -& 使用转义字符修改为正常字符串：'Let\'s go!')
print ('ab\ncd') ：输出分别为'ab'和'cd'的两行；而print (r'ab\ncd')直接输出无转移的字符串'ab\ncd'
&complex：虚数
例：8.3+3j
列表 ：List，如[1,2,3,4]。
0为第一个元素，-1为最后一个元素(-2为倒数第二)
len(list)：取出list的长度
type(variable)：显示变量的类型
新建list对象：newlist = list()
切片：mylist[start:end:step]，其中 start 和 end 分别是开始和结束索引，step 是在切片时要跨过的条目数量
删除一段数据：L[1:3]=[]
列表的方法
L.append(var)：追加元素
L.clear()：删除所有元素
L.count(var)：该元素在列表中出现的个数
L.extend(list)：追加list，即合并list到L上
L.index(var)：该元素的位置,无则抛异常&
L.insert(index,var)：插入元素
L.pop(var)：返回最后一个元素，并从list中删除之
L.remove(var)：删除第一次出现的该元素
L.reverse()：倒序
L.sort()：排序
list 操作符:,+,*，关键字del
a[1:]：片段操作符，用于子list的提取
[1,2]+[3,4] ：为[1,2,3,4]。同extend()
[2]*4：为[2,2,2,2]
del L[1]：删除指定下标的元素
del L[1:3]：删除指定下标范围的元素
list的复制：
L1 = L：L1为L的别名，用C来说就是指针地址相同，对L1操作即对L操作。函数参数就是这样传递的
L1 = L[:]：L1为L的克隆，即另一个拷贝。
dict = {'ob1':'computer', 'ob2':'mouse', 'ob3':'printer'}每一个元素是pair，包含key、value两部分。key是Integer或string类型，value 是任意类型。键是唯一的，字典只认最后一个赋的键值。
dictionary的方法
D.clear()：清空字典，同del dict
D.copy()：拷贝字典
D.fromkeys()：
D.get(key, 0)：同dict[key]，多了个没有则返回缺省值，0。[]没有则抛异常
D.items()：
D.keys()：返回字典键的列表
D.popitem()：得到一个pair，并从字典中删除它。已空则抛异常
D.setdefault()：
D.update(dict2)：增加合并字典
D.values()：
dictionary的复制dict1 = dict：别名dict2=dict.copy()：克隆，即另一个拷贝
tuple：元组（即常量数组）
tuple = ('a', 'b', 'c', 'd', 'e')
可以用list的 [],:操作符提取元素。就是不能直接修改元素。
元组的方法：
T.count(val)：计算值为val变量的个数
T.index(val,[begin,[end]])：返回第一个值为val的变量编号
list 和 tuple 的相互转化：tuple(ls)，list(ls)
基本语句：
&赋值语句：
普通复制：a=1
元组复制：a,b=1,'x' &#a=1, b='x'
列表复制：[a,b]=[1,'x'] &#a=1, b='x'
顺序复制：a,b,c,d='HTML' &#a='H', b='T', c='M', d='L'(只针对单个字符)
多目标复制：a=b=c=d=1 &#a=1,b=1,c=1,d=1
删除变量：var = None 或者&del [variable]
参考文献：
字符集和字符编码：&
阅读(...) 评论()python字符编码惯用法
本文总结在实际应用中遇到的python字符编码问题，制定一套编码相关的约定，避免编码上的错误。
在写猥琐宝典时需要总结soj上做过的题，准备在总结过程中顺便写一个soj上的题解。题解使用python可读，也就是python可以直接eval的格式，以便于处理。写题解老是copy soj上的题目id，title不是太方便，所以就准备自动生成一个空的题解，里面包含了我做过的题。然而直接从soj上只能拿到自己过了的题的id列表，缺乏其它信息。缺乏的信息可以抽象为soj，其中包含了一个以id为主键的表，表中有题目所有的信息。于是代码分为两部分，一部分是soj的工具，其中包含了数据库操作，根据id获取AC的题目列表，另一部分是基于soj工具，负责题解数据的操作。
学python比较晚，当时面临python2和python3的选择，看过一些区别，感觉python3的设计更加合理，而python2比较随意。尤其是字符串部分，python2的概念不清楚，把字节的序列和字符串混在一起，导致一些混乱。首先用python3写的工具，然后想把代码作为web后台，把结果以网页的形式展示出来，这就涉及到python2了，因为在生产环境中还是以python2为主。在转为python2的过程中，不得不重新审视一下字符串的部分，然后总结出这篇文章。
在python2中使用string和unicode string类型，而在python3中则使用bytes和string类型，他们对等：python2.string = python3.bytes, python2.unicode string = python3.string。在python2中，感觉字符串相关东西混乱的原因在于命名失误：以偏概全，用的是string的名表达的是bytes的概念。
bytes的概念：
bytes表达了字节为单位的序列，数据本身的意义很有限，只有当这些数据是按一定规则组织的，进而表达了某个概念，才存在编码问题，数据才有意义。
比如我们可以认为bytes每4字节表示一个32位整数，其中整数每连续8位作为一个字节放在一起，且低位放在前面，这样的bytes就是有编码的，表达了32位整数的概念。
同样的我们也可以认为bytes表示了utf8编码的字符串，每1到6个字节对应一个unicode字符，我们称bytes具有utf8编码，表达了字符串的概念。
string的概念：
如果要表达字符串概念，[Char]才是比较准确的（字符的列表）。至于一个Char占用多少存储，完全不知道。可以是utf16，用2或4字节表示一个Char，也可以是utf32用4字节表达一个Char，还可以是utf8用1到6字节来表示一个Char，这是实现者的事，不应该对我们的使用产生任何影响。
所以，我们需要bytes用来表示string时，需要指定编码，将string转为bytes，对应的函数是encode。当我们认为bytes具有某个字符编码表达的是一个字符串的时候，通过decode并指定该编码得到string。严格地说来在python2中，我们不应该在string对象上调用encode方法，不应该在unicode string对象上调用decode方法。
更进一步，任何抽象都可以encode得到对应的bytes，通过decode得到对应的抽象。
在上述的基础上，引入一些编码约定，目标是避免编码错误。
1.源代码编码，这个编码通过#coding:xxx指出，在python2和python3中概念都很明确。
惯用法（约定）：
源代码只使用utf8编码。
2.string literal的类型和编码：
python2中一个形如"xxxx"的string literal具有string类型，编码和源代码编码一致。
而形如u"xxxx"的string literal具有unicode string类型，存在一个自动的源代码编码向unicode string decode的过程。无法转换时会报错，这个时候需要查通过注释指出的编码以及源代码的真实编码。
python3中一个形如"xxxx"的string literal具有string类型，此时，存在自动的源代码编码向unicode的decode过程。
而b"xxxx"的string literal具有bytes类型，表示了源代码的一部分。所以，当其中内容是字符串时，我们也称之是一个和源代码编码一致的字符串。
python2中用string来表达字符串的概念，并使用utf8编码。而python2中unicode string和string混用时，string被认为具有源代码编码，并decode为unicode string。于是存在陷阱，使用的变量的类型失去控制，不知道是string还是unicode string，所以在这里要特别注意。如果用string表达字符串的概念，同时用其它编码，也是可以的，主要是看编码对应的字符集和应用是不是能很好结合在一起。
而python3则string来表达字符串的概念，不关心编码问题。python3不存在混用问题，bytes和string一结合使用，就会报错。
3.urlopen(xxx).read()后的处理：
很明确，这里返回的概念是python3.bytes。
如果确定返回的东西是一个网页的文本，我们可以调用decode(encoding='网页编码', errors='ignore')来得到对应的字符串。
但是，注意2中python2的约定，我们的字符串的类型是python2.string的，所以在python2中我们还要有一个encode的过程：encode(encoding='源代码编码', errors='ignore')
4.写数据文件：
在这里写的是一个特殊的文件，文件可以被看成是一段python代码并执行，所以：
文件编码使用utf8。
在python2中
with open(file, 'wb') as tempf:
tempf.write(data)
with open(file, 'w') as tempf:
tempf.write(data)
都是可以的，因为string无法区别是字节还是字符串。
而在python3中则要使用：
with open(file, 'wb') as tempf:
tempf.write(data.encode(encoding='utf8',errors='ignore'))
with open(file, 'w') as tempf:
tempf.write(data)
因为前者写入的是bytes而后者是string。
上述可行性是建立在我们约定数据文件和源代码编码都是utf8的情况下得到的，如果没有这些约定，我们看看这些代码的语义：
python2中两份代码语义有点乱：
如果已知data是一个字符串，那么第一份代码理论上错误，但是实际上两份代码都完成了把data写到文件，数据文件编码和data一致的目标。
如果已知data是一个二进制流，那么第二份代码理论上错误，但是实际上两份代码也都完成任务，数据文件不存在编码问题。
python3中第一份代码的语义是，写入data这个字符串，数据文件编码是utf8。
而第二份代码语义是：写入data这个字符串，数据文件编码和当前源文件编码（在这是认为默认编码等于当前源文件编码）一致。
5.读数据文件：
在python2中
with open(file, 'rb') as tempf:
tempf.read()
with open(file, 'r') as tempf:
tempf.read()
均可，因为前者返回一些字节，但是用的是string作容器。而后者返回的还是string。
而在python3中则要用：
with open(file, 'rb') as tempf:
tempf.read().decode(encoding='utf8',errors='ignore')
with open(file, 'r') as tempf:
tempf.read()
因为打开的模式不同，前者返回了bytes，后者返回的是string（在内部尝试bytes尝试用源文件encoding解码）。
同样的这些代码的可行性也是建立在若干约定的基础上，如果没有这些约定，也来看看其语义：
python2中第一份代码的语义是读回一些二进制数据。
python2中第二份代码的语义是读入一些字符串。（理论上会有一个先读二进制再根据当前默认编码decode然后再向当前默认编码encode的过程，但是在这里认为两个变换是恒等的，所以没动作。显然，在出现非法字符的情况下，两个变换不恒等。）
python3中第一份代码的语义是读入二进制数据，根据utf8进行decode。
python3中第二份代码的语义是隐式地读入二进制数据，根据当前默认编码进行decode。
在我的应用场景里，读回的数据还有个eval的过程。显然，python2直到eval才可能出现编码错误，而python3能更早发现错误。
您对本文章有什么意见或着疑问吗？请到您的关注和建议是我们前行的参考和动力&&
您的浏览器不支持嵌入式框架，或者当前配置为不显示嵌入式框架。