python常用库函数 - 备忘
基础库
1. 正则表达式：re
符号
()小括号 -- 分组
[]中括号 -- 字符类，匹配所包含的任一字符 #注：字符集合把【】里面的内容当作普通字符！（-\^除外）
{}大括号 -- 限定匹配次数
| 或 r'AC|D' -> AC或AD
. 匹配任一字符（\ 除外）
\. 匹配字符.
^ 脱字符 匹配输入字符串的开始位置 # r'^AC'
$ 匹配字符串末尾 # r'AC$'
\b 匹配一个单词的边界 （单词定义为字母，数字，下划线） ；\B 与 \b相反 匹配非单词边界
\d 匹配任一数字[0-9] ; \D 与 \d相反，[^0-9]
\s 匹配空白字符【\t \n \r \f \v】；\S与\s相反
\w 匹配字母 数字 下划线（中文也可以） 【a-z A-Z 0-9 _】; \W与\w相反
* 匹配子表达式0次或多次，等价于 {0，}
+ 匹配子表达式1次或多次，等价于 {1, }
? 匹配子表达是0次或1次，等价于{0，1}
贪婪模式
贪婪模式（python正则表达式中默认使用），尽可能多的去匹配
s = '<html><title>ssss<\html><\title>'
re.search(r'<.+>',s)
#输出： '<html><title>ssss<\html><\title>'
启用非贪婪模式
re.search(r'<.+?>', s)
# 输出： <html>
命令
1. re.search()
s = 'Bo ke yuan'
result = re.search(r'(\w+) (\w+)', s)
result.group() # 'Bo ke'
result.group(1) # 'Bo'; result.group(2) # 'ke'
result.start() #0 (匹配起始位置)
result.end() #5 (匹配结束位置)
result.span() #(0, 5) (匹配范围)
2. re.findall()
如果给出的正则表达式包含子组，就会把子组的内容单独返回回来。
若包含多个子组，将匹配的内容组合成元组返回
如何让子组不捕获内容？
非捕获组（？：） 把所有出现子组的地方都加 ？：
3. re.compile() 编译正则表达式
如果你需要重复的使用某个正则表达式，那么你可以先将正则表达式编译成模式对象。
p = re.compile(r'[A-Z]')
p.search('Bo Ke Yuan') # ['B']
p.findall('Bo Ke Yuan') # ['B', 'K', 'Y']
2. 参数：argparse
基本用法：
import argparse # step1. 导入模块 parser = argparse.ArgumentParser() # step2. 创建参数解析对象 parser.add_argument() # step3. 添加参数 """位置参数：parser.add_argument("echo", help="参数描述") 必选 可选参数: parser.add_argument("--verbosity", help="参数描述") 可选 """ args = parser.parse_args() # step4. 解析参数 """位置参数访问：args.echo 可选参数访问：args.verbosity """
def argsParser(): parser = argparse.ArgumentParser() parser.add_argument( "-t", type=str, default="train.txt", help="训练文件名 - 支持相对路径", ) args = parser.parse_args() return args.t
3. 数学函数库：math
4. 随机数：random
5. 多线程多进程：subprocess/multiprocessing/threading
6. 小工具（能减少代码行数）：itertools/operator/collections
6.1 collections
c = collections.Counter(参数) #参数可以是list、str、tuple、None等等 #作用：统计参数每个元素出现的次数 #返回：一个字典（元素作为key存储，元素出现次数作为value存储） #####例子： c = Counter('gallahad') # 输出： Counter({'a': 3, 'd': 1, 'g': 1, 'h': 1, 'l': 2}) c.update('adc') # 在原来基础上更新计数（直接修改c） # 输出： Counter({'a': 4, 'c': 1, 'd': 2, 'g': 1, 'h': 1, 'l': 2}) c.most_common() # 输出：[('a', 4), ('l', 2), ('d', 1), ('g', 1), ('b', 1), ('c', 1), ('h', 1)] # 相当于字典排序：sorted(c.items(), key=lambda asd:asd[1], reverse=True)
6.2 itertools
# 格式 itertools.chain(*iterables) #作用：将多个可迭代的对象转换成一条链 a = [[1, 2, 3], ['a', 'b', 'c']] itertools.chain(a) # 结果： 1, 2, 3, 'a', 'b', 'c'
第三方库
1. jieba
import jieba words = jieba.cut(字符串, cut_all=True) # 全模式分词 （信息检索中常用） words = jieba.cut(字符串, cut_all=False) # 精确模式分词（默认） #支持并行分词 jieba.enable_paralle(4) #支持自定义词典 filename = '词典路径' jieba.load_userdict(filename)
#词性标注
import jieba.posseg as pseg word = pseg.cut(' 我来到北京清华大学') for word, flag in words: print("%s %s"%(word, flag))
