python内置模块之正则re模块&collections模块&time&datetime模块
1. re模块
在python中想使用正则必须借助于模块，而 re就是其中之一。
import re
# 1. re.findall('正则表达式', '待匹配的文本')
# 根据正则匹配出所有符合条件的数据
res = re.findall('a', 'eva jason joshua jack')
print(res) # 返回值是列表，没找到则返回空列表[]
# ['a', 'a', 'a', 'a']
# 2. re.search('正则表达式', '待匹配的文本')
# 根据正则匹配到一个符合条件的就结束
res1 = re.search('a', 'eva jason joshua jack')
print(res1) # <re.Match object; span=(2, 3), match='a'>
# 产生结果对象，如果没有符合条件的数据，返回None，并且使用group会直接报错。
print(res1.group()) # 获取真正的结果 ：a
# 3. re.match('正则表达式','待匹配的文本')
# 根据正则从 头 开始匹配，（文本内容必须在开头匹配上）
res2 = re.match('a', 'badc')
print(res2)
# 产生结果对象，如果没有符合条件的数据，返回None，并且使用group会直接报错。
print(res2.group()) # 获取真正的结果
if res2:
print(res2.group())
else:
print('不好意思，没找到')
re模块其他方法
import re
1.
res = re.split('[ab]','abcd')
print(res) # ['','','cd']
# 以a和b为切割条件分割字符串
2.
res1 = re.sub('\d','H','eva3jason4yuan4', 1)
# 替换正则匹配到的内容，可以控制匹配个数。
print(res1) # evaHjason4yuan4
# 类似于字符串类型的replace方法，
3.
res2 = re.subn('\d','H','eva3jason4yuan4')
print(res2) # ('evaHjasonHyuanH', 3)
# 替换并告诉我们用sub替换了几处内容，返回的是元组
4."""常用的"""
obj = re.compile('\d{3}')
# 该方法用于将正则表达式预编译，后续重复千万次使用的时候，可以直接用！
res3 = obj.search('ajcj23o8a933')
res4 = obj.findall('lo837k38274')
print(res3.group(), res4) # 933 ['837', '382']
5."""常用的"""
res5 = re.finditer('\d', 'ds3s4784a')
print(res) # 返回迭代器对象
# 先for循环再group取值
print( [i.group() for i in res ] )
# 找不到时返回空列表
re扩展---分组优先机制
import re
1.
res = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199812067023')
print(res.group()) # 110105199812067023
print(res.group(1)) # 10105199812067
print(res.group(2)) # 023
2. re.findall针对分组优先展示，无名分组
# 重要
res1 = re.findall('^[1-9]\d{14}(\d{2}[0-9x])?$','110105199812067023')
print(res1) # [023]
res2 = re.findall('^[1-9]\d{14}(?:\d{2}[0-9x])?$','110105199812067023')
print(res2) # ['110105199812067023']
# 括号内最前方加 ?: 取消分组优先展示
3. 起别名，有名分组，小括号
# 重要
res3 = re.search('^[1-9](?P<othername>\d{14})(?P<kkk>\d{2}[0-9x])?$','110105199812067023')
# ?P<别名>
print(res3)
#<re.Match object; span=(0, 18), match='110105199812067023'>
print(res3.group()) # 110105199812067023
print(res3.group(1)) # 10105199812067
print(res3.group('othername')) # 10105199812067
print(res3.group('kkk')) # 023
4.
res4 = re.findall('^[1-9](?P<xxx>\d{14})(?P<kkk>\d{2}[0-9x])?$','110105199812067023')
print(res4) # [('10105199812067', '023')]
re实战之爬取红牛分公司数据
import re
# 读取待匹配的数据
with open(r'redbull.txt', 'r', encoding='utf8') as f:
# redbull.txt为读取到的红牛分支公司网页源代码
data = f.read()
# print(data)
# 利用正则匹配数据
# 分公司名称
title_list = re.findall('<h2>(.*?)</h2>', data)
# print(title_list)
# 分公司地址
address_list = re.findall("<p class='mapIco'>(.*?)</p>", data)
# print(address_list)
# 分公司邮箱
email_list = re.findall("<p class='mailIco'>(.*?)</p>", data)
# print(email_list)
# 分公司电话
phone_list = re.findall("<p class='telIco'>(.*?)</p>", data)
res = zip(title_list, address_list, email_list, phone_list)
for data_tuple in res:
print("""
公司名称：{}，
公司地址：{}，
公司邮编：{}，
公司电话：{}
""".format(data_tuple[0], data_tuple[1], data_tuple[2], data_tuple[3]))
4. collections模块
该模块内部提供了一些高阶的数据类型
-
namedtuple: 具名元组
from collections import namedtuple """ namedtuple('名称',[名字1,名字2...]) namedtuple('名称',[名字1,名字2...]) """ # 基本用法 point = namedtuple('坐标',['东经','北纬']) res = point(118.88, 23.5) print(res) print(res.东经) print(res.北纬) """ 坐标(东经=116.88, 北纬=23.5) 116.88 23.5""" point1 = namedtuple('坐标','x y z') res = potin1(1,2,3) print(res) print(res.x) print(res.y) print(res.z) """ 坐标(x=1, y=2, z=3) 1 2 3 """ -
deque：队列与双端队列
import queue from collections import deque # 初始化队列 q = queue.Queue(5) # 5个位置 # 往队列中添加元素 q.put('fir') q.put('sec') q.put('thr') # 从队列中获取元素 print(q.get()) print(q.get()) print(q.get()) print(q.get()) # 值 取没了就会原地等待 # 双端队列 q = deque([11,22,33]) print(q) q.append(44) # 从右边添加 q.appendleft(55) # 从左边添加 print(q.pop()) # 从右边取值 print(q.popleft()) # 从左边取值 -
Counter：计数器，主要用来计数
from collections import Counter # 统计各字符出现的次数 res = 'acbakjcabhacbakcbalcbacbaacdfha' new_dict = {} for i in res: if i not in new_dict: new_dict[i] = 1 else: new_dict[i] += 1 print(new_dict) ret = Counter(res) print(ret) """ {'a': 6, 'b': 6, 'c': 5, 'h': 3} Counter({'a': 6, 'b': 6, 'c': 5, 'h': 3}) """ -
OrderedDict：有序字典
from collections import OrderedDict normal_dict = dict([('name','joshua'),('pwd',123),('hobby','study')]) print(normal_dict) order_dict = OrderedDict([('name','joshua'),('pwd',123),('hobby','study')]) print(order_dict) OrderedDict 的Key会按照插入的顺序，不是按照key排序 -
defaultdict：带有默认值的字典
l = [11,22,33,44,55,66,77,88,99] li_dic = {'k1':[], 'k2':[]} for i in l: if i > 66: li_dic['k1'].append(i) else: li_dic['k2'].append(i) # 默认值字典 from collections import defaultdict values = [11,22,33,44,55,66,77,88,99] my_dict = defaultdict(list) for value in values: if value > 60: my_dict['k1'].append(value) else: my_dict['k2'].append(value) print(my_dict)
5. time模块
时间三种表现形式：
- 时间戳（秒数）1970-1-1开始
- 结构化时间（一般给机器看的）
- 格式化时间（一般给人看的）
三种时间是可以相互转换的！！！
import time
time.sleep(3) # 原地阻塞指定秒数
time.time() # 获取时间戳时间
# 格式化时间
print(time.strftime('%Y-%m-%d'))
print(time.strftime('%Y-%m-%d %H:%M:%S'))
print(time.strftime('%Y-%m-%d %X')) # 同上
# 更多时间相关符号，存在易查找的位置。
# 结构化时间
print(time.localtime()) # 本地时间
print(time.gmtime()) # utf时间，能将时间戳转换成结构化时间
6. datetime模块
from datetime import date,datetime, timezone, timedelta
print(date.today())
print(datetime.today())
# 等同于print(datetime.now())
"""
date 年月日
datetime 年月日时分秒
time 时分秒
"""
res = datetime.today()
print(res.year)
print(res.month)
print(res.day)
print(res.weekday()) # 星期0-6
print(res.isoweekday()) # 星期1-7
"""时间差 timedelta"""
ctime = datetime.today()
time_tel = timedelta(days=2)
print(ctime - time_tel)
print(time_tel + time)
"""
日期对象 = 日期对象 +/- timedelta对象
timedelta对象 = 日期对象 +/- 日期对象
"""
print(datetime.now())
print(datetime.utcnow())
# 格式转换
# 字符串格式时间 ---> datetime格式时间
text = '2021-11-11'
v1 = datetime.strptime(text, '%Y-%m-%d')
print(v1)
# datetime格式 ---> 转换为字符串格式
v1 = datetime.now()
val = v1.strftime('%Y-%m-%d %H:%M:%S')
print(val)
# 时间戳格式 ---> 转换为datetime格式
ctime = time.time()
v1 = datetime.fromtimestamp(ctime)
print(v1)
# datetime格式 ---> 转换为时间戳格式
v1 = datetime.now()
val = v1.timestamp()
print(val)
浙公网安备 33010602011771号