str.contains: 在Python中查找子字元串

一、str.contains是什麼

str.contains是Python中一個字元串處理的方法，它可以在一個字元串中查找一個子字元串，如果該子字元串存在於原字元串中，則返回True，否則返回False。

使用方法：

Syntax: Series.str.contains(pat, case=True, flags=0, na=nan, regex=True)

參數：

pat: 要查找的字元串

case: 是否區分大小寫，默認為True（即區分大小寫）

flags: 正則表達式的標記

na: 缺失值（NaN）的表示形式

regex: 是否使用正則表達式，默認為True（即使用正則表達式）

二、str.contains的用途

str.contains可以在文本處理中非常有用。下面簡單介紹其主要用途。

1. 查找字元串

str.contains可以用來查找特定字元串是否存在於另一個字元串中。例如：

import pandas as pd

# 創建一個Series
s = pd.Series(['apple', 'pear', 'orange', 'banana'])
# 查找是否包含apple
s.str.contains('apple')

輸出結果：

0 True

1 False

2 False

3 False

dtype: bool

可以看到，該Series中的第一個元素包含了字元串「apple」，因此輸出結果為True。

2. 替換字元串

str.contains還可以用來替換字元串。例如，我們可以使用它來將一個字元串中的所有「-」替換為「_」：

import pandas as pd

# 創建一個Series
s = pd.Series(['apple-2019', 'pear-2020', 'orange-2021', 'banana-2022'])
# 將所有'-'替換為'_'
s.str.replace('-', '_')

輸出結果：

0 apple_2019

1 pear_2020

2 orange_2021

3 banana_2022

dtype: object

3. 構造新的Series

str.contains還可以用於構造新的Series。例如，我們可以使用它來構造一個表示每個字元串中是否包含「at」的Series：

import pandas as pd

# 創建一個Series
s = pd.Series(['cat', 'dog', 'rat', 'bat'])
# 構造一個新的Series，表示每個字元串是否包含'at'
has_at = s.str.contains('at')
print(has_at)

輸出結果：

0 True

1 False

2 True

3 True

dtype: bool

三、str.contains的應用案例

1. 分析電子郵件列表

假設我們有一個電子郵件列表，其中包含每封電子郵件的主題、發件人和收件人。我們想要找出所有與「Python」相關的郵件。我們可以使用str.contains方法來查找包含字元串「Python」的主題或正文的電子郵件。具體方法如下：

import pandas as pd

# 創建一個DataFrame
df = pd.DataFrame({
    'subject': ['Python request', 'Java request', 'Python error', 'Python success'],
    'sender': ['Tom', 'Alex', 'Tom', 'Tom'],
    'recipient': ['John', 'Tom', 'John', 'John']
})
# 提取主題、發件人和收件人包含'Python'的郵件
python_emails = df[df['subject'].str.contains('Python') | 
                    df['sender'].str.contains('Python') | 
                    df['recipient'].str.contains('Python')]
print(python_emails)

輸出結果：

subject sender recipient

0 Python request Tom John

2 Python error Tom John

3 Python success Tom John

通過str.contains，我們成功找到了所有與「Python」相關的郵件。

2. 解析網頁內容

假設我們要從一個網頁中抽取所有的URL鏈接。我們可以先使用Python中的requests模塊從網頁中獲取HTML代碼，然後使用str.contains方法篩選出所有的URL鏈接。具體方法如下：

import requests
import pandas as pd
import re

# 獲取網頁HTML代碼
url = 'https://www.baidu.com'
response = requests.get(url)
html = response.text

# 使用正則表達式匹配所有的URL鏈接
pattern = r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'
urls = pd.Series(re.findall(pattern, html))
# 篩選出所有以'http'或'https'開頭的URL鏈接
http_urls = urls[urls.str.contains('^https?')]
print(http_urls)

輸出結果：

0 https://www.baidu.com/more/

1 https://www.baidu.com/cache/sethelp/help.html

2 https://www.baidu.com/more/suggestion.html

3 https://voice.baidu.com/act/newpneumonia

4 https://www.baidu.com/duty/

5 https://github.com/WhiteTrefoil/python_note

dtype: object

通過str.contains，我們成功找到了所有以’http’或’https’開頭的URL鏈接。

總結

通過本文，我們了解了str.contains的用法和作用。str.contains是Python中一個方便實用的字元串處理工具，可以在文本處理中幫助我們快速地查找、替換和提取字元串。