Python学习第九篇：模块和包、正则模块
一、模块的导入
1、什么是模块
一个模块就是一个包含了python定义和声明的文件，文件名就是模块名字加上.py的后缀。
2、为什么要使用模块：
如果你退出python解释器然后重新进入，那么你之前定义的函数或者变量都将丢失，因此我们通常将程序写到文件中以便永久保存下来，需要时就通过python test.py方式去执行，此时test.py被称为脚本script。
随着程序的发展，功能越来越多，为了方便管理，我们通常将程序分成一个个的文件，这样做程序的结构更清晰，方便管理。这时我们不仅仅可以把这些文件当做脚本去执行，还可以把他们当做模块来导入到其他的模块中，实现了功能的重复利用
3、如何使用模块：
1.import
2.from..import..
3.内置函数的形式导入“字符串形式”的模块
m=__import__('sys')
print(m)
import importlib
m=importlib.import_module('sys')
print(m)
结果：
<module 'sys' (built-in)>
<module 'sys' (built-in)>
3.1、import
导入就执行了模块代码
import导入模块干的事：
1.产生新的名称空间 （访问原文件的名称空间）
2.以1产生的名称空间为全局名称空间，执行文件里的代码
3.再定义一个模块名(spam)，指向1(spam.py)产生的名称空间
示例：spam.py，文件名spam.py,模块名spam
1 #spam.py
2 print('from the spam.py')
3
4 money=1000
5
6 def read1():
7 print('spam->read1->money',money)
8
9 def read2():
10 print('spam->read2 calling read')
11 read1()
12
13 def change():
14 global money
15 money=0
导入上面的模块 import spam money=1000000000000000000000000000000000000000000 print(spam.money) #调用原文件的名称空间，指定了spam里面的money
print(spam.read1)
spam.read1() #执行导入的，便使用导入的新建的名称空间变量
money=10
spam.change() #修改的也是自己新建的全局名称空间（导入的），不会修改原文件的
print(money)
以上3.1详解如下：
3.1.1 模块可以包含可执行的语句和函数的定义，这些语句的目的是初始化模块，它们只在模块名第一次遇到导入import语句时才执行（import语句是可以在程序中的任意位置使用的,且针对同一个模块很import多次,为了防止你重复导入，python的优化手段是：第一次导入后就将模块名加载到内存了，后续的import语句仅是对已经加载大内存中的模块对象增加了一次引用，不会重新执行模块内的语句），如下
1 #test.py 2 import spam #只在第一次导入时才执行spam.py内代码,此处的显式效果是只打印一次'from the spam.py',当然其他的顶级代码也都被执行了,只不过没有显示效果. 3 import spam 4 import spam 5 import spam 6 7 ''' 8 执行结果： 9 from the spam.py 10 '''
我们可以从sys.module中找到当前已经加载的模块，sys.module是一个字典，内部包含模块名与模块对象的映射，该字典决定了导入模块时是否需要重新导入。
3.1.2 每个模块都是一个独立的名称空间，定义在这个模块中的函数，把这个模块的名称空间当做全局名称空间，这样我们在编写自己的模块时，就不用担心我们定义在自己模块中全局变量会在被导入时，与使用者的全局变量冲突
1 #测试一:money与spam.money不冲突 2 #test.py 3 import spam 4 money=10 5 print(spam.money) 6 7 ''' 8 执行结果： 9 from the spam.py 10 1000 11 '''
1 #测试二：read1与spam.read1不冲突
2 #test.py
3 import spam
4 def read1():
5 print('========')
6 spam.read1()
7
8 '''
9 执行结果:
10 from the spam.py
11 spam->read1->money 1000
12 '''
1 #测试三：执行spam.change()操作的全局变量money仍然是spam中的 2 #test.py 3 import spam 4 money=1 5 spam.change() 6 print(money) 7 8 ''' 9 执行结果： 10 from the spam.py 11 1 12 '''
3.1.3 总结：首次导入模块spam时会做三件事：
1.为源文件(spam模块)创建新的名称空间，在spam中定义的函数和方法若是使用到了global时访问的就是这个名称空间。
2.在新创建的命名空间中执行模块中包含的代码，见初始导入import spam
1 提示:导入模块时到底执行了什么？ 2 3 In fact function definitions are also ‘statements’ that are ‘executed’; the execution of a module-level function definition enters the function name in the module’s global symbol table. 4 事实上函数定义也是“被执行”的语句，模块级别函数定义的执行将函数名放入模块全局名称空间表，用globals()可以查看
3.创建名字spam来引用该命名空间
1 这个名字和变量名没什么区别，都是‘第一类的’，且使用spam.名字的方式可以访问spam.py文件中定义的名字，spam.名字与test.py中的名字来自两个完全不同的地方。
3.1.4 为模块名起别名，相当于m1=1;m2=m1
1 import spam as sm 2 print(sm.money)
为已经导入的模块起别名的方式对编写可扩展的代码很有用，假设有两个模块xmlreader.py和csvreader.py，它们都定义了函数read_data(filename):用来从文件中读取一些数据，但采用不同的输入格式。可以编写代码来选择性地挑选读取模块，例如
1 if file_format == 'xml': 2 import xmlreader as reader 3 elif file_format == 'csv': 4 import csvreader as reader 5 data=reader.read_date(filename)
3.1.5 在一行导入多个模块
1 import sys,os,re
3.2 from... import...
3.2.1 对比import spam，会将源文件的名称空间'spam'带到当前名称空间中，使用时必须是spam.名字的方式
而from 语句相当于import，也会创建新的名称空间，但是将spam中的名字直接导入到当前文件的名称空间中，在当前名称空间中，直接使用名字就可以了
from ... import ... 跟import对比：
优点:方便，不用加前缀
缺点：容易跟当前文件的名称空间冲突
示例：spam.py
1 #spam.py
2 print('from the spam.py')
3
4 money=1000
5
6 def read1():
7 print('spam->read1->money',money)
8
9 def read2():
10 print('spam->read2 calling read')
11 read1()
12
13 def change():
14 global money
15 money=0
#from... import...导入：
1 from spam import read1,read2
这样在当前位置直接使用read1和read2就好了，执行时，仍然以spam.py文件全局名称空间
1 #测试一：导入函数read1，执行从spam导入的read1时仍然回到spam.py中寻找全局变量money
3 from spam import read1
4 money=1
5 read1()
6
7 执行结果:
8 from the spam.py
9 spam->read1->money 1000
10
11
12 #测试二:导入的函数read2，执行时需要调用read1(),仍然回到spam.py中找read1()
14 from spam import read2
15 def read1(): #重新定义了read1，但依旧从spam
16 print('==========')
16
17 read2()
18
20 执行结果:
21 from the spam.py
22 spam->read2 calling read
23 spam->read1->money 1000 #执行了spam的read1
如果当前有重名read1或者read2，那么（重命名的）会有覆盖效果，直接执行会执行本文件里的，但从spam调用执行的话还是如上面（从spam）
1 #测试三:导入的函数read1，被当前位置定义的read1覆盖掉了
3 from spam import read1
4 def read1():
5 print('==========')
5
6 read1()
7
8 执行结果:
9 from the spam.py #初始化执行的
10 ========== #执行了本文件的read1
需要特别强调的一点是：python中的变量赋值不是一种存储操作，而只是一种绑定关系，从前到后的绑定，如下：
1 from spam import money,read1 2 money=100 #将当前位置的名字money绑定到了100 3 print(money) #打印当前的名字 4 read1() #读取spam.py中的名字money,仍然为1000 5 7 from the spam.py 8 100 9 spam->read1->money 1000
3.2.2 也支持as重命名
1 from spam import read1 as read
3.2.3 也支持导入多行
1 from spam import (read1, 2 read2, 3 money)
3.2.4 from spam import *
把spam中所有的不是以下划线(_)开头的名字都导入到当前位置，大部分情况下我们的python程序不应该使用这种导入方式，因为*你不知道你导入什么名字，很有可能会覆盖掉你之前已经定义的名字。而且可读性极其的差，在交互式环境中导入时没有问题。
1 from spam import * #将模块spam中所有的名字都导入到当前名称空间 2 print(money) 3 print(read1) 4 print(read2) 5 print(change) 6 7 8 执行结果: 9 from the spam.py 10 1000 11 <function read1 at 0x1012e8158> 12 <function read2 at 0x1012e81e0> 13 <function change at 0x1012e8268>
可以使用__all__来控制* （可用来发布新版本）
--->在模块文件spam.py中任意位置新增一行all（列表里面必须是字符串类型）
#spam.py
__all__=['money','read1'] #这样在另外一个文件中用from spam import * 就这能导入列表中规定的all中的两个名字
3.2.5 考虑到性能的原因，每个模块只被导入一次（重复导入都是指向第一次）,放入字典sys.module中，如果你改变了模块的内容，你必须重启程序，python不支持重新加载或卸载之前导入的模块，
有的同学可能会想到直接从sys.module中删除一个模块不就可以卸载了吗，注意了，你删了sys.module中的模块对象仍然可能被其他程序的组件所引用，因而不会被清楚。
特别的对于我们引用了这个模块中的一个类，用这个类产生了很多对象，因而这些对象都有关于这个模块的引用。
如果只是你想交互测试的一个模块，使用 importlib.reload(), e.g. import importlib; importlib.reload(modulename)，这只能用于测试环境。如下：
# aa.py的初始内容
def func1():
print('func1')
#执行test.py
import time,importlib
import aa
time.sleep(20)
# importlib.reload(aa)
aa.func1()
在20秒的等待时间里，修改aa.py中func1的内容，等待test.py的结果 --- 因为先从内存中找模块，而开始就已加载到内存
还是原aa里面的内容；
打开importlib注释（importlib.reload(aa)），重新测试 ---
变成了新的内容
二、__name__
控制python文件在不同执行方法下的行为
我们可以通过模块的全局变量__name__来查看模块名：
1.当做脚本运行（直接运行py文件来直接调用__name__）：
__name__ 就等于 '__main__' （显示为__main__）
2.当做模块导入（被其他py文件当作模块引用来调用）：
__name__ 就等于模块名 （显示为模块本身名字）
作用：用来控制.py文件在不同的应用场景下执行不同的逻辑，就是用于判断不同的执行方法得到不同的结果：
在py文件中写入
if __name__ == '__main__':
print(‘当作脚本’)
if __name__ == '模块名':
print(‘当作模块’)
然后执行方法不同结果不同
def fib(n): # write Fibonacci series up to n
a, b = 0, 1
while b < n:
print(b, end=' ')
a, b = b, a+b
print()
def fib2(n): # return Fibonacci series up to n
result = []
a, b = 0, 1
while b < n:
result.append(b)
a, b = b, a+b
return result
if __name__ == "__main__": #做个判断，只有当作脚本执行才会执行下面的，也就是执行上面定义的函数
import sys
fib(int(sys.argv[1]))
直接执行，不是通过模块导入执行则会判断__name__ 为 __main__,就会执行if下面的
#python fib.py <arguments>
python fib.py 50 #在命令行执行
三、模块的搜索路径
1.
#模块的搜索顺序：
'''
内存---->内置------->sys.path
'''
sys.path:
import sys print(sys.path)
结果：
['E:\\PycharmProjects\\learn\\day05\\课程\\模块',
'E:\\PycharmProjects\\learn',
'D:\\python35\\python35.zip', #zip压缩包也是一种目录
'D:\\python35\\DLLs',
'D:\\python35\\lib',
'D:\\python35',
...
#添加到sys.path:（在哪执行文件，sys.path就是在哪个位置）
操作sys.path添加模块路径，这样就可以在不同路径找到了这个模块
import sys sys.path.append(r'E:\PycharmProjects\learn\day05\课程\dir1') #sys.path.insert(0,r'C:\Users\Administrator\PycharmProjects\python17期\day5\dir1') #插入到0，可以优先级更高 import spam print(spam.money)
2. pycharm自动弹的功能：
需要将模块所在的路径加到环境变量 --->
python解释器在启动时会自动加载一些模块，可以使用sys.modules查看
在第一次导入某个模块时（比如spam），会先检查该模块是否已经被加载到内存中（当前执行文件的名称空间对应的内存），如果有则直接引用
如果没有，解释器则会查找同名的内建模块，如果还没有找到就从sys.path给出的目录列表中依次寻找spam.py文件。
所以总结模块的查找顺序是：内存中已经加载的模块->内置模块->sys.path路径中包含的模块
sys.path的初始化的值来自于：
The directory containing the input script (or the current directory when no file is specified).
PYTHONPATH (a list of directory names, with the same syntax as the shell variable PATH).
The installation-dependent default.
需要特别注意的是：我们自定义的模块名不应该与系统内置模块重名。虽然每次都说，但是仍然会有人不停的犯错。
在初始化后，python程序可以修改sys.path,路径放到前面的优先于标准库被加载。
1 >>> import sys
2 >>> sys.path.append('/a/b/c/d')
3 >>> sys.path.insert(0,'/x/y/z') #排在前的目录，优先被搜索
注意：搜索时按照sys.path中从左到右的顺序查找，位于前的优先被查找，sys.path中还可能包含.zip归档文件和.egg文件，python会把.zip归档文件当成一个目录去处理，
1 #首先制作归档文件：zip module.zip foo.py bar.py
2
3 import sys
4 sys.path.append('module.zip')
5 import foo,bar
6
7 #也可以使用zip中目录结构的具体位置
8 sys.path.append('module.zip/lib/python')
#windows下的路径不加r开头，会语法错误 sys.path.insert(0,r'C:\Users\Administrator\PycharmProjects\a')
至于.egg文件是由setuptools创建的包，这是按照第三方python库和扩展时使用的一种常见格式，.egg文件实际上只是添加了额外元数据(如版本号，依赖项等)的.zip文件。
需要强调的一点是：只能从.zip文件中导入.py，.pyc等文件。使用C编写的共享库和扩展块无法直接从.zip文件中加载（此时setuptools等打包系统有时能提供一种规避方法），且从.zip中加载文件不会创建.pyc或者.pyo文件，因此一定要事先创建他们，来避免加载模块是性能下降。
四、包和包的导入
包是包含有__init__.py文件的目录（python3没有也是，所以这点可以不计）
包的用途：是从目录级别组织模块。
包就相当于一个大的模块
（方便开发者）
1.定义：
Packages are a way of structuring Python’s module namespace by using “dotted module names”
包是一种通过使用‘.模块名’来组织python模块名称空间的方式。
2.注意知识点：
2.1. 无论是import形式还是from...import形式，凡是在导入语句中（使用时包,模块，函数都可以是点）遇到带点的，都要第一时间提高警觉：这是包的导入语法（每个点的左边都是包名）
2.2. 包是目录级的（文件夹级），文件夹是用来组成py文件（包的本质就是一个包含__init__.py文件的目录）
2.3. import导入文件时，产生名称空间中的名字来源于文件；import 包时，产生的名称空间的名字同样来源于文件，即包下的__init__.py，导入包本质就是在导入包下的__init__.py文件 （这样就能产生名称空间；直接导入包名不带点就是导入__init__.py而不是其他文件，此时其他文件是找不到的；带点导入了包下其他东西时也会导入__init__.py--->有导包操作就会执行每个包下init文件）
（包A和包B下有同名模块也不会冲突，如A.a与B.a来自俩个命名空间）
2.4 import后面必须是具体名字 （在包内部引用其他包的模块用from..import，这样可直接使用name）
from glance.api import policy,versions from glance import api.policy #报错，import后面必须是具体名字，前面没有点
2.5 在哪执行文件，sys.path就是在哪个位置 （包引用从最顶级开始导）
--->所以，下一级的__init__.py里面依旧需要从执行目录开始导
from glance.api.policy import get #glance的__init__.py依旧是从上一级开始导，因为是从上一级执行的，sys.path是上一级 from glance.api.versions import create_resource from glance.cmd.manage import main from glance.db.models import register_models
3. 包的导入（2里面细化）：
包是为了方便开发者，所以包的使用要方便使用者；又由于注意2.3，所以可在__init__.py里面导入模块
例子如下：
1 glance/ #Top-level package 2 3 ├── __init__.py #Initialize the glance package 4 5 ├── api #Subpackage for api 6 7 │ ├── __init__.py 8 9 │ ├── policy.py 10 11 │ └── versions.py 12 13 ├── cmd #Subpackage for cmd 14 15 │ ├── __init__.py 16 17 │ └── manage.py 18 19 └── db #Subpackage for db 20 21 ├── __init__.py 22 23 └── models.py
#上面文件的内容
###########################################
3 #policy.py
4 def get():
5 print('from policy.py')
###########################################
7 #versions.py
8 def create_resource(conf):
9 print('from version.py: ',conf)
###########################################
11 #manage.py
12 def main():
13 print('from manage.py')
###########################################
15 #models.py
16 def register_models(engine):
17 print('from models.py: ',engine)
测试在各级别目录的__init__.py里面导入其他目录模块
3.1 import
我们在与包glance同级别的文件中测试
1 import glance.db.models
2 glance.db.models.register_models('mysql')
3.2 from...import...
需要注意的是from后import导入的模块，必须是明确的一个不能带点，否则会有语法错误，如：from a import b.c是错误语法
我们在与包glance同级别的文件中测试
1 from glance.db import models
2 models.register_models('mysql')
3
4 from glance.db.models import register_models
5 register_models('mysql')
3.3 __init__.py文件
不管是哪种方式，只要是第一次导入包或者是包的任何其他部分，都会依次执行包下的__init__.py文件(我们可以在每个包的文件内都打印一行内容来验证一下)，这个文件可以为空，但是也可以存放一些初始化包的代码。
3.4 绝对导入和相对导入
我们的最顶级包glance是写给别人用的，然后在glance包内部也会有彼此之间互相导入的需求，这时候就有绝对导入和相对导入两种方式：
绝对导入：以执行文件glance所在位置作为起始 （2里以上说的从最顶级开始导就是绝对导入）
相对导入：用.或者..的方式把写有导入的文件所在位置做为起始 （只能在同一个路径包中使用，不能用于不同目录内）（.和.. .是当前；..上一级）
例如：我们在glance/api/version.py中想要导入glance/cmd/manage.py
1 在glance/api/version.py 2 3 #绝对导入 4 from glance.cmd import manage 5 manage.main() 6 7 #相对导入 8 from ..cmd import manage 9 manage.main()
测试结果：注意一定要在于glance同级的文件中测试
1 from glance.api import versions
注意：在使用pycharm时，有的情况会为你多做一些事情，这是软件相关的东西，会影响你对模块导入的理解，因而在测试时，一定要回到命令行去执行，模拟我们生产环境，你总不能拿着pycharm去上线代码吧！！！
特别需要注意的是：可以用import导入内置或者第三方模块（已经在sys.path中），但是要绝对避免使用import来导入自定义包的子模块(没有在sys.path中)，应该使用from... import ...的绝对或者相对导入,且包的相对导入只能用from的形式。
比如我们想在glance/api/versions.py中导入glance/api/policy.py，有的同学一抽这俩模块是在同一个目录下，十分开心的就去做了，它直接这么做
1 #在version.py中 2 3 import policy 4 policy.get()
没错，我们单独运行version.py是一点问题没有的，运行version.py的路径搜索就是从当前路径开始的，于是在导入policy时能在当前目录下找到
但是你想啊，你子包中的模块version.py极有可能是被一个glance包同一级别的其他文件导入，比如我们在于glance同级下的一个test.py文件中导入version.py，如下
1 from glance.api import versions 2 3 ''' 4 执行结果: 5 ImportError: No module named 'policy' 6 ''' 7 8 ''' 9 分析: 10 此时我们导入versions在versions.py中执行 11 import policy需要找从sys.path也就是从当前目录找policy.py, 12 这必然是找不到的 13 '''
3.5 * ： from glance.api import *
1. 可以从一个模块内导入所有 *，也可从一个包导入所有 * ；
2. 此处是想从包api中导入所有，实际上只会导入包api下__init__.py文件中定义的名字；
3. 外部使用*时还可以在被导入的目录的__init.py__这个文件中通过定义__all___=[]（列表里的可被导入）来提供模块名，此时不用再导入模块名
#在__init__.py中定义
x=10 def func(): print('from api.__init.py') __all__=['x','func','policy'] #这样就相当于导入了当前目录的模块名
此时我们在于glance同级的文件中执行from glance.api import * 就导入__all__中的内容（此时versions就不能被导入）
-----------目录结构一改__init__.py全改------------
3.6 单独导入包
单独导入包名称时不会导入包中所有包含的所有子模块，如
1 #在与glance同级的test.py中 2 import glance 3 glance.cmd.manage.main() 4 5 ''' 6 执行结果： 7 AttributeError: module 'glance' has no attribute 'cmd' 8 9 '''
解决方法：
1 #glance/__init__.py 2 from . import cmd 3 4 #glance/cmd/__init__.py 5 from . import manage
执行：
1 #在于glance同级的test.py中 2 import glance 3 glance.cmd.manage.main()
千万别问：__all__不能解决吗，__all__是用于控制from...import *
五、re模块的用法-------正则
一：什么是正则？
正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。
生活中处处都是正则：
比如我们描述：4条腿
你可能会想到的是四条腿的动物或者桌子，椅子等
继续描述：4条腿，活的
就只剩下四条腿的动物这一类了
二：常用匹配模式(元字符)
http://blog.csdn.net/yufenghyc/article/details/51078107
注意：
1.\s 匹配空格，换行和回车也算
2. re.S 让re的.能匹配到换行符
用法：
import re
print(re.findall('\w','aaaaa')) #匹配出符合\w的，列表显示出来
匹配模式：
=================================匹配模式================================= # 一对一的匹配 3 # 'hello'.replace(old,new) 4 # 'hello'.find('pattern') 5
# 正则匹配 7 import re 8 #\w与\W 9 print(re.findall('\w','hello egon 123')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3'] 10 print(re.findall('\W','hello egon 123')) #[' ', ' '] 11 12 #\s与\S 13 print(re.findall('\s','hello egon 123')) #[' ', ' ', ' ', ' '] 14 print(re.findall('\S','hello egon 123')) #['h', 'e', 'l', 'l', 'o', 'e', 'g', 'o', 'n', '1', '2', '3'] 15 16 #\d与\D 17 print(re.findall('\d','hello egon 123')) #['1', '2', '3'] 18 print(re.findall('\D','hello egon 123')) #['h', 'e', 'l', 'l', 'o', ' ', 'e', 'g', 'o', 'n', ' '] 19 20 #\A与\D 21 print(re.findall('\Ahe','hello egon 123')) #['he'],\A==>^ 22 print(re.findall('123\Z','hello egon 123')) #['he'],\Z==>$ 23 24 #\n与\t 25 print(re.findall(r'\n','hello egon \n123')) #['\n'] 26 print(re.findall(r'\t','hello egon\t123')) #['\n'] 27 28 #^与$ 29 print(re.findall('^h','hello egon 123')) #['h'] 30 print(re.findall('3$','hello egon 123')) #['3'] 31
重复匹配：| . | * | ? | .* | .*? | + | {n,m} |
33 #. 匹配任意一个 34 print(re.findall('a.b','a1b')) #['a1b'] 35 print(re.findall('a.b','a\nb')) #[] 36 print(re.findall('a.b','a\nb',re.S)) #['a\nb'] #re.S 让re的.能匹配到换行符 37 print(re.findall('a.b','a\nb',re.DOTALL)) #['a\nb']同上一条意思一样 38 39 #* 匹配*左边这个字符0到无穷次 40 print(re.findall('ab*','bbbbbbb')) #[] 41 print(re.findall('ab*','a')) #['a'] 42 print(re.findall('ab*','abbbb')) #['abbbb'] 43 44 #? 匹配？左边的字符0或一次 45 print(re.findall('ab?','a')) #['a'] 46 print(re.findall('ab?','abbb')) #['ab'] 47 #匹配所有包含小数在内的数字 48 print(re.findall('\d+\.?\d*',"asdfasdf123as1.13dfa12adsf1asdf3")) #['123', '1.13', '12', '1', '3'] 55 56 #+ 匹配+左边字符一次到无穷次 57 print(re.findall('ab+','a')) #[] 58 print(re.findall('ab+','abbb')) #['abbb'] 59 60 #{n,m} 匹配左边字符的n到m次 61 print(re.findall('ab{2}','abbb')) #['abb'] 62 print(re.findall('ab{2,4}','abbb')) #['abb'] 63 print(re.findall('ab{1,}','abbb')) #'ab{1,}' ===> 'ab+' 64 print(re.findall('ab{0,}','abbb')) #'ab{0,}' ===> 'ab*'
50 #.* 表示任意长度的任意字符，默认为贪婪匹配（符合都匹配，所以一直到最后一个符合的才停止）
51 print(re.findall('a.*b','a1b22222b222b')) #['a1b22222b222b']
52
53 #.*? 为非贪婪匹配：推荐使用（符合的匹配0到一次，匹配到了就停）
54 print(re.findall('a.*?b','a1b22222222b')) #['a1b']
66 #[] 中括号里的其中一个被匹配
67 print(re.findall('a[1*-]b','a1b a*b a-b')) #[]内的都为普通字符了，-放在中间的话表示范围，放到[]的开头或结尾就单纯表示-，结果['a1b', 'a*b', 'a-b']
68 print(re.findall('a[^1*-]b','a1b a*b a-b a=b')) #[]内的^意思是取反，所以结果为['a=b']
69 print(re.findall('a[0-9]b','a1b a*b a-b a=b')) #[]内的-意思是范围，所以结果为['a1b']
70 print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb')) #[]内的-意思是范围，小写a到e，所以结果为['aeb']
71 print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb')) #[]内的-代表范围，小写a到大写Z，所以结果为['aeb', 'aEb']
72
73 #\ 转义特殊
73 print(re.findall('a\\c','a\c')) #正则中\会被转义，所以加上\来转义这个\。对于正则a\\c可以匹配到a\c,但在python解释器读取a\\c时，这两个\都会发生转义然后交给re去执行，所以抛出异常。然后如下面这个来做
74 print(re.findall(r'a\\c','a\c')) #r代表告诉解释器使用rawstring，即原生字符串，把正则内的所有符号都当普通字符处理，解释器不要转义
75 print(re.findall('a\\\\c','a\c')) #不加r的话，解释器则需要用\对两个\转义。同上面的意思一样，和上面的结果一样都是['a\\c']
76
76
77 #() 分组，匹配成功后只返回括号里的-----》结果只返回分组里的，就算空也只返回分组里的，?:可以让其失效
77 print(re.findall('ab','ababab123')) #['ab', 'ab', 'ab']
78 print(re.findall('ab+123','ababab123')) #['ab123']，匹配的是末尾的ab123
79 print(re.findall('(ab)+123','ababab123')) #['ab']，匹配的是ababab123，但返回括号里的
80 print(re.findall('(?:ab)+123','ababab123')) #['ababab123']，?:可以让结果返回为匹配的全部内容，固定格式-让()失效
81
82 #| 或，匹配左边了就不会匹配右边，左边不匹配才会来匹配右边
83 print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company')) #这个只会返回括号里面的内容，结果：['ies', 'y']
84 print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company')) #加上?:才回把匹配的返回，结果：['companies', 'company']
===========================
2 import re 3
3 #1 findall --->返回所有满足匹配条件的结果,放在列表里 4 print(re.findall('e','alex make love') ) #['e', 'e', 'e'], 5 print(re.findall('companies|company','my company is already done,all companies will be done')) #['company', 'companies']， 按顺序匹配，从头第一个是否匹配，不匹配看第二个是否匹配，再继续向后
6
5 #2 search --->会扫描整个字符串,直到找到第一个匹配的然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
6 print(re.search('e','alex make love').group()) #e, 加group得到字符
6 print(re.search('e','alex make love')) #<_sre.SRE_Match object; span=(2, 3), match='e'>， 得到一个范围
7 print(re.search('al(e)x\smak(e)','alex make love').group(1)) #e, 加group得到字符，在分组里group()相当于findall里加了?:,group(1)是取分组1，group(2)取分组2,()=(0)
8 print(re.search('al(e)x\smak(e)','alex make love').group()) #alex make, 等于下面
9 print(re.findall('al(?:e)x\smak(?:e)','alex make love')) #['alex make']
9 #3 match --->同search,不过是从头开始找，开头没有就None,完全可以用search+^代替 9 print(re.match('e','alex make love')) #None,
11
11 #4 split --->以什么切割，先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割 12 print(re.split('[ab]','abcd')) #['', '', 'cd']， 13 14 #5 sub --->替换，后面‘’里的按顺序替换前面‘’里的，后面的可以用r'\1\2..'依次代替前面''里的 15 print('===>',re.sub('a','A','alex make love')) #===> Alex mAke love， n表示替换几个，不指定n，默认替换所有 16 print('===>',re.sub('a','A','alex make love',1)) #===> Alex make love 17 print('===>',re.sub('a','A','alex make love',2)) #===> Alex mAke love 18 print('===>', re.sub('^(\w+)(\s+)(\w+)(\s+)(\w+)(.*)$', r'\5\2\3\4\1\6', 'alex make love 111aa')) #===> love 1make alex 111aa， 按顺序 19 20 print('===>',re.subn('a','A','alex make love')) #===> ('Alex mAke love', 2), subn的结果输出总共替换了的个数 21 22 23 #6 compile --->该函数根据包含的正则表达式的字符串创建模式对象。可以实现更有效率的匹配。
22 在直接使用字符串表示的正则表达式进行search,match和findall操作时，python会将字符串转换为正则表达式对象。
22 而使用compile完成一次转换之后，在每次使用模式的时候就不用重复转换。
23 使用re.compile()函数进行转换后，re.search(pattern, string)的调用方式就转换为 pattern.search(string)的调用方式。 24 pattern=re.compile('\d{2}') 26 print(pattern.search('abc123eeee').group()) #12 27 print(pattern.findall('abc123eeee')) #['12'],重用了pattern,节省资源
search与findall：
#为何同样的表达式search与findall却有不同结果:
print(re.search('\(([\+\-\*\/]*\d+\.?\d*)+\)',"1-12*(60+(-40.35/5)-(-4*3))").group()) #(-40.35/5)
print(re.findall('\(([\+\-\*\/]*\d+\.?\d*)+\)',"1-12*(60+(-40.35/5)-(-4*3))")) #['/5', '*3']
#例子:(\d)+相当于(\d)(\d)(\d)(\d)...,是一系列分组
print(re.search('(\d)+','1234').group()) #1234,group的作用是将所有组拼接到一起显示出来
print(re.findall('(\d)+','1234')) #4,findall结果是组内的结果,且是最后一个组的结果
例子1：
import re print(re.findall("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")) #['h1'] print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>").group()) #<h1>hello</h1> print(re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>").groupdict()) #<h1>hello</h1> print(re.search(r"<(\w+)>\w+</(\w+)>","<h1>hello</h1>").group()) #<h1>hello</h1> print(re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>").group()) #<h1>hello</h1>
例子2：匹配数字（带小数和正负）
import re print(re.findall(r'-?\d+\.?\d*',"1-12*(60+(-40.35/5)-(-4*3))")) #找出所有数字,结果 ['1', '-12', '60', '-40.35', '5', '-4', '3'] #先匹配的先生效，最后一个\d*表示.后有或者没有
print(re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")) #找出所有整数，结果 ['1', '-2', '60', '', '5', '-4', '3']
#使用|先匹配的先生效，|左边的-?\d+\.\d*是匹配小数，而由于有()所以findall最终结果是输出分组里的，所有即使匹配成功小数也不会输出
#左边不匹配不是小数时，就去匹配|右边(-?\d+)，匹配到的自然就是，非小数的数，在此处即整数
在线调试工具:tool.oschina.net/regex/#
浙公网安备 33010602011771号