Day11 Python学习笔记&关键注意点

14.  正则表达式

14.1.    概述

14.1.1.  概念

  • Regular Expression
  • 一种文本模式，描述在搜索文本时要匹配的一个或多个字符串

14.1.2.  典型场景

  • 数据验证
  • 文本扫描
  • 文本提取
  • 文本替换
  • 文本分割

14.1.3.  语法

  • 字面值

•      普通字符

•      需转义

•      \

•      ^

•      $

•      .

•      |

•      ?

•      *

•      +

•      ()

•      []

•      {}

  • 元字符

14.1.4.  匹配

  • 单字，预定义元字符

•      . 除\n外的所有字符

•      \d 数字，等同于[0-9]

•      \D 费数字，等同于[^0-9]

•      \s 空白字符 \t\n\r\f\v

•      \S 非空白字符 [^\t\n\r\f\v]

•      \w 字母数字字符[a-zA-Z0-9_]

•      \W 非字母数字字符[^a-zA-Z0-9_]

  • 批量备选

•      | yes|no

  • 量词（字符，元字符，字符集如何重复）

•      ? 0或1次

•      * 0或多次

•      + 1或多次

•      特定

•      {n,m} 范围次数

•      {n} n次

•      {n,} 至少n次

  • 贪婪与非贪婪

•      贪婪（默认）：尽量匹配最大范围结果

•      非贪婪

•      尽量匹配最小的范围结果

•      方法：量词后追加？

•      举例：

•      ??

•      *?

•      +?

  • 边界匹配

•      ^ 行首

•      $ 行尾

•      \b 单词边界

•      \B 非单词边界

•      \A 输入开头

•      \Z 输入结尾

•      注：或因上下文差异有不同表现

14.2.    Python正则

14.2.1.  模块

  • import re

14.2.2.  RegexObject 正则对象

  • 模式对象，表现编译后的正则表达式（编译为字节码并缓存）
  • 编译

•      re.compile(r'模式')

•      示例1

 1 import re  
 2 
 3 # Case 1: 
 4 text = "Tom is 8 years old. Mike is 25 years old."  
 5 
 6 # patten = re.compile('\d+') 
 7 # patten.findall(text)  
 8 
 9 # Same functions  
10 
11 # re.findall('\d+',text)

•      示例2

 1 import re    
 2 
 3 # Case 2:    
 4 
 5 s = "\\author:Tom"  
 6 patten = re.compile('\\author')  
 7 patten.findall(s)    
 8 
 9 # output is [] and the code needs to edit as follows:    
10 
11 s = "\\author:Tom"  
12 patten = re.compile('\\\\author')  
13 patten.findall(s)  
14 
15 # Output is ['\\author']
  • .findall()

•      查找所有非重叠匹配项

•      查找所有非重叠匹配项

•      返回list

•      示例1

1 # Case 3:    
2 text = 'Tom is 8 years old. Mike is 23 years old. Peter is 87 years old.'  
3 patten = re.compile(r'\d+')  
4 patten.findall(text)    
5 
6 # Output is ['8', '23', '87']

•      示例2

1 # Case 4:    
2 
3 text = 'Tom is 8 years old. Mike is 23 years old. Peter is 87 years old.'  
4 p_name = re.compile(r'[A-Z]\w+')  
5 p_name.findall(text)    
6 
7 # Output is ['Tom', 'Mike', 'Peter']
  • .match(string[,pos[,endpos]])

•      匹配，仅从起始位置

•      返回 Match Object

•      示例1

1 # Case 5:  
2 
3 text = '<html><head></head><body></body></html>' 
4 pattern = re.compile(r'<html>') 
5 pattern.match(text)  
6 
7 # Output is <re.Match object; span=(0, 6), match='<html>'>

•      示例2：加了一个空格

# Case 6:  

text = ' <html><head></head><body></body></html>' #加了一个空格 
pattern = re.compile(r'<html>') 
pattern.match(text)  

# Output is blank
  • .search(string[,pos[,endpos]])

•      任意位置搜索

•      返回 Match Object

•      示例：加了一个空格

1 # Case 7:    
2 
3 text = ' <html><head></head><body></body></html>' #加了一个空格  
4 pattern = re.compile(r'<html>')  
5 pattern.search(text)    
6 
7 # Output is <re.Match object; span=(1, 7), match='<html>'>
  • .finditer()

•      查找所有匹配项

•      返回包括 Match Object元素的迭代器

•      示例：可对结果做遍历

 1 # Case 8:    
 2 
 3 text = 'Tom is 8 years old. Mike is 23 years old. Peter is 87 years old.'  
 4 p1 = re.compile(r'\d+')  
 5 it = p1.finditer(text)  
 6 for m in it:      
 7 print(m)    
 8 
 9 # Output is  
10 # <re.Match object; span=(7, 8), match='8'>  
11 # <re.Match object; span=(28, 30), match='23'>  
12 # <re.Match object; span=(51, 53), match='87'>

14.2.3.  MatchObject 匹配对象

  • 表现被匹配的模式
  • .group()

•      参数为0或空返回整个匹配

•      有参时返回特定分组匹配细节

•      参数也可以是分组名称

  • .groups()

•      返回包含所有子分组的元组

  • .start() 返回特定分组的起始索引
  • .end() 返回特定分组的终止索引
  • 上述方法的示例1
 1 import re   
 2  
 3 text = "Tom is 8 years old. Jerry is 23 years old."  
 4 pattern = re.compile(r'\d+')  
 5 pattern.findall(text)  
 6 # Output is : ['8', '23']    
 7 
 8 pattern = re.compile(r'(\d+).*?(\d+)')  
 9 m = pattern.search(text)  
10 m  
11 # Output is : <re.Match object; span=(7, 31), match='8 years old. Jerry is 23'>    
12 
13 m.group()  
14 # Output is : '8 years old. Jerry is 23'    
15 
16 m.group(0)  
17 # Output is : '8 years old. Jerry is 23'    
18 
19 m.group(1)  
20 # Output is : '8'    
21 
22 m.group(2)  
23 # Output is : '23'    
24 
25 m.start(1)  
26 # Output is : 7    
27 
28 m.end(1)  
29 # Output is : 8    
30 
31 m.start(2)  
32 # Output is : 29    
33 
34 m.end(2)  
35 # Output is : 31    
36 
37 m.groups()  
38 # Output is : ('8', '23')
  • .span() 返回特定分组的起止索引元组
  • .groupdict() 以字典表形式返回分组名及结果
  • 示例2
 1 # Case 2:  
 2 import re  
 3 pattern = re.compile(r'(\w+) (\w+)')  
 4 text = "Beautiful is better than ugly."  
 5 pattern.findall(text)  
 6 # Output is : [('Beautiful', 'is'), ('better', 'than')]    
 7 
 8 it = pattern.finditer(text)  
 9 for m in it:      
10 print(m.group())  
11 # Output is :   
12 # Beautiful is  
13 # better than

14.3.    Group 编组

14.3.1.  场景

  • 从匹配模式中提取信息
  • 创建子正则以应用量词

•      示例

1 import re  
2 re.search(r'ab+c','ababc')  
3 #Output is : <re.Match object; span=(2, 5), match='abc'>    
4 
5 re.search(r'(ab)+c','ababc')  
6 #Output is : <re.Match object; span=(0, 5), match='ababc'>
  • 限制备选项范围

•      示例

 1 re.search(r'Center|re','Center')  
 2 #Output is : <re.Match object; span=(0, 6), match='Center'>    
 3 
 4 re.search(r'Center|re','Centre')  
 5 #Output is : <re.Match object; span=(4, 6), match='re'> 
 6    
 7 re.search(r'Cent(er|re)','Centre')  
 8 #Output is : <re.Match object; span=(0, 6), match='Centre'> 
 9 
10 re.search(r'Cent(er|re)','Center')  
11 #Output is : <re.Match object; span=(0, 6), match='Center'>
  • 重用正则模式中提取的内容

•      示例

1 re.search(r'(\w+)+ \1','hello world')  
2 #Output is : Blank    
3 
4 re.search(r'(\w+)+ \1','hello hello world')  
5 #Output is : <re.Match object; span=(0, 11), match='hello hello'>

14.3.2.  申明

  • （模式）
  • （?P<name>模式）

•      示例

 1 text = "Tom:98"  
 2 pattern = re.compile(r'(?P<name>\w+):(?P<score>\d+)')  
 3 m = pattern.search(text)  
 4 m.group()  
 5 #Output is : 'Tom:98'    
 6 
 7 m.group(1)  
 8 #Output is : 'Tom'    
 9 
10 m.group('name')  
11 #Output is : 'Tom'    
12 
13 m.group('score')  
14 #Output is : '98'

14.3.3.  引用

  • 匹配对象内 m.group('name')
  • 模式内 （?P=name）
  • 变现内  \g<name>

14.3.4.  应用

  • 字符串操作

•      .split(string, maxsplit=0)

•      分割字符串

•      示例

 1 import re    
 2 
 3 text = 'Beautiful is better than ugly.\nExplicit is better than implicit.\nSimple is better than complex.'    
 4 
 5 p = re.compile(r'\n')  
 6 p.split(text)    
 7 
 8 #Output is :  
 9 #['Beautiful is better than ugly.',  
10 # 'Explicit is better than implicit.',  
11 # 'Simple is better than complex.']    
12 
13 re.split(r'\W','Good Morning')  
14 #Output is : ['Good', 'Morning']    
15 
16 re.split(r'\n',text,2)  
17 #Output is :  
18 #['Beautiful is better than ugly.',  
19 # 'Explicit is better than implicit.',  
20 # 'Simple is better than complex.']    
21 
22 re.split(r'\n',text,1)  
23 #Output is :  
24 #['Beautiful is better than ugly.',  
25 # 'Explicit is better than implicit.\nSimple is better than complex.']

•      .sub(repl,string,count=0)

•      替换字符串

•      示例

 1 ords = 'ORD000\nORD001\nORD003'  
 2 re.sub(r'\d+','-',ords)  
 3 #Output is : 'ORD-\nORD-\nORD-'    
 4 
 5 re.sub(r'([A-Z]+)(\d+)','\g<2>-\g<1>',ords)  
 6 #Output is :'000-ORD\n001-ORD\n003-ORD'    
 7 
 8 text = 'Beautiful is *better* than ugly.'  re.sub(r'\*(.*?)\*','<strong></strong>',text)  
 9 #Output is : 'Beautiful is <strong></strong> than ugly.'    
10 
11 re.sub(r'\*(.*?)\*','<strong>\g<1></strong>',text)  
12 #Output is : 'Beautiful is <strong>better</strong> than ugly.'

•      .subn(repl,string,count=0)

•      替换并返回替换数量

•      示例

1 re.subn(r'([A-Z]+)(\d+)','\g<2>-\g<1>',ords)  
2 #Output is : ('000-ORD\n001-ORD\n003-ORD', 3)
  • 编译标记

•      改变正则的默认行为

•      re.I 忽略大小写

•      示例

1 text = 'Python python PYTHON'  
2 re.search(r'python',text)  
3 #Output is : <re.Match object; span=(7, 13), match='python'>    
4 
5 re.findall(r'python',text)  
6 #Output is : ['python']    
7 
8 re.findall(r'python',text,re.I)  
9 #Output is : ['Python', 'python', 'PYTHON']

•      re.M 匹配多行

•      示例

1 import re  
2 
3 re.findall(r'^<html>','\n<html>')  
4 #Output is : []    
5 
6 re.findall(r'^<html>','\n<html>',re.M)  
7 #Output is : ['<html>']

•      re.S 指定“.”匹配所有字符，包括\n

•      示例

1 re.findall(r'\d(.)','1\ne')  
2 #Output is : []    
3 
4 re.findall(r'\d(.)','1\ne',re.S)  
5 #Output is : ['\n']

•      ... ...

  • 模块级别操作

•      re.purge() 清理正则缓存

•      示例

re.purge()

•      re.escape() 逃逸字符

•      示例

1 re.findall(r'^','^python^')  
2 #Output is : ['']    
3 
4 re.findall(re.escape('^'),'^python^')  
5 #Output is : ['^', '^']

15.  系统工具

15.1.    概念

15.1.1.  命令行工具

15.1.2.  Shell脚本

15.1.3.  系统管理

15.2.    系统模块

15.2.1.  sys

  • 提供一组功能映射Python运行时的操作系统

15.2.2.  os

  • 提供跨平台可移植的操作系统编程接口
  • os.path 提供文件及目录工具的可移植编程接口

15.3.    sys

15.3.1.  平台与版本

  • sys.platform
  • sys.version
  • sys.path
  • sys.modules

15.3.2.  观察异常细节

  • sys.exc_info() 获取最后一次异常细节

•      示例

1 import sys 
2 import traceback  
3 
4 try:     
5 raise KeyError 
6 except:     
7 print(sys.exc_info())  
8 
9 # Output is： (<class 'KeyError'>, KeyError(), <traceback object at 0x00000200332E6808>)
  • traceback.print_tb(sys.exc_info()[2])

•      示例

1 traceback.print_tb(sys.exc_info()[2]) 
2 # Output is:  File "<ipython-input-70-1bc1bfcd4795>", line 5, in <module> raise KeyError

15.3.3.  命令行参数

  • sys.argv

15.3.4.  标准流

  • sys.stdin 标准输入流  默认等同于 input()
  • sys.stdout 标准输出流  默认等同于 print()
  • sys.stderr 标准错误流

15.4.    OS

15.4.1.  Shell 变量

  • os.environ

15.4.2.  管理工具

  • .getcwd() 获取当前工作目录
  • .listdir(path) 列举目录内容
  • .chdir(path) 改变工作目录
  • .getpid() 获取当前进程ID
  • .getppid() 获取当前父进程ID

15.4.3.  运行shell命令

  • .system() Python脚本中运行shell命令
  • .popen() 运行命令并连接输入输出流

15.4.4.  文件处理

  • .mkdir('目录名') 创建目录
  • .rmdir('目录名') 删除目录
  • .rename('旧名','新名') 改名
  • .remove('文件名') 删除文件

15.4.5.  可移植工具

  • .sep 分隔符
  • .pathsep 路径分隔符
  • .curdir 相对当前目录符号
  • .pardir 相对上级目录符号

15.4.6.  路径模块 .path

  • .isdir(path) 是否目录
  • .isfile(path) 是否文件
  • .exists(path) 是否存在
  • .split(path) 拆分路径
  • .splitext(path) 拆分路径扩展名
  • .join() 连接路径
  • .normpath() 标准化路径
  • .abspath() 绝对化路径

posted on 2019-11-12 11:47  hemin96  阅读(131)  评论(0)    收藏  举报

导航