Python之路【第07章】：Python文件操作（文件，正则）
Python文件操作（文件，正则）
-
文件：
-
文件操作
-
文件编码
-
打开文件的几种模式
-
操作文件的方法
-
文件内光标的移动
-
文件的修改
-
正则：
一、文件的操作
1.文件的介绍：
计算机系统分为：计算机 硬件、操作系统、应用程序三部分；
无论使用python还是其他语言若想要把数据永久的保存下来，必须要将存在内存中的数据刷新到硬盘中，这就涉及到应用程序要操作硬件；我们知道，应用程序是不能直接操作硬件的，只能通过操作系统来调用硬件，操作系统把复杂的硬件操作封装成简单的接口给用户/应用程序使用，其中文件就是操作系统提供给应用程序老操作硬盘虚拟概念，用户或应用程序通过操作文件，可以将自己的数据永久保存下来。
2.操作文件的流程：
有了文件的概念，我们无需在去考虑操作硬盘的细节，只需要关注操作文件的流程：
1 1.打开文件，得到文件句柄并赋值给一个变量； 2 2.通过文件句柄对文件进行一系列的操作； 3 3.关闭文件；
3.在python中的表示：
#1.打开文件，得到文件句柄并赋值给一个变量； f = open("python.txt","r",encoding="utf-8") ## 注意，默认打开模式就是r只读模式； #2.通过文件句柄对文件进行操作： date = f.read() #3.关闭文件 f.close()
4.“f = open("python.txt","r",encoding="utf-8")”的过程分析
#1.由应用程序向操作系统发起系统调用open(...) #2.操作系统打开该文件，并返回一个文件句柄给应用程序 #3.应用程序将文件句柄复制给变量f
5.关于文件操作需要注意的地方，关于文件操作需要注意的地方，关于文件操作需要注意的地方，重要的事敲三遍；
#强调第一点： 打开一个文件包含两部分资源：操作系统级打开的文件 + 应用程序的变量；在操作完毕一个文件时，必须把与该文件的这两部分资源一个不落的回收； 回收方法： 1.f.close() #回收操作系统级打开的文件； 2.del f #回收应用程序级的变量； 其中 del f 一定要发生在f.close() 之后，否则就会导致操作系统打开的文件还没有关闭，白白占用资源；而python自动的垃圾回收机制决定了我们无需考虑 del f ，这就要求我们在操作完毕文件后，一定要记得 f.close() 还有一种方法，不用我们去考虑f.close()问题，那就是使用with关键字来帮我们管理上下文： with open('a.txt','w') as f: pass with open('a.txt','r') as read_f,open('b.txt','w') as write_f: data=read_f.read() write_f.write(data)
#强调第二点： f=open(...)是由操作系统打开文件，那么如果我们没有为open指定编码，那么打开文件的默认编码很明显是操作系统说了算了，操作系统会用自己的默认编码去打开文件，在windows下是gbk，在linux下是utf-8。 这就用到了上节课讲的字符编码的知识：若要保证不乱码，文件以什么方式存的，就要以什么方式打开。
6.py2和py3中的file和open：
首先在python3中操作文件只有一种选择，那就是open()；
而在python2中则有两种方式：file()与open()；
两者都能够打开文件，对文件进行操作，也具有相似的用法和参数，但是，这两种文件打开方式有本质的区别，file为文件类，用file()来打开文件，相当于这是在构造文件类，而用open()打开文件，是用python的内建函数来操作，我们一般使用open()打开文件进行操作，而用file当做一个类型，比如type(f) is file；
7.文件路径：
绝对路径：从硬盘的根目录开始查找，或者从互联网上寻找一个路径；
相对路径：相对于当前程序所在的文件夹
二、文件编码
上面提过，重要的事在说一遍；
f=open(...)是由操作系统打开文件，那么如果我们没有为open指定编码，那么打开文件的默认编码很明显是操作系统说了算了，操作系统会用自己的默认编码去打开文件，在windows下是gbk，在linux下是utf-8。
三、打开文件的几种模式
语法：文件句柄(变量) = open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True)
模式mode：
#1.打开文件的模式有（默认为文本模式）： 模式 说明 r 只读模式，也是默认模式，文件必须存在，不存在则跑出异常； w 只写模式，不可读；不存在则创建，存在的话如果有进行写入动作则清空文件内容并写入新内容，如果没有写入动作则只打开不清空文件； a 只追加模式，不可读，不存在则创建，存在则只在末尾追加内容；
#例子：
对"python.txt"这个文件里的内容进行读取；
[root@wolaixunshan ~]# echo "人生苦短，python当歌" > /tmp/python.txt
[root@wolaixunshan ~]# cat py1.py
#!/usr/bin/python3
#-*- coding:UTF-8 -*-
#Author:zjk
#mail:zjkmmd@163.com
#Time:2018-08-06 15:05:32
#Name:py1.py
#Version:V1.0
#Description:This is a script.
f = open("/tmp/python.txt","r",encoding="utf-8")
date = f.read()
print(date)
f.close()
[root@wolaixunshan ~]# python3 py1.py
人生苦短，python当歌
#2.对于非文本文件，只能使用b模式打开，"b"表示以字节的方式操作（而所有文件也都是以字节的形式存储的，使用这种模式无需考虑文本文件的字符编码、
图片文件的jpg格式、视频文件的avi格式） 模式 说明 rb 只读模式，文件必须存在，不存在则抛出异常； wb 只写模式，不存在则创建，存在的话如果有写操作则清空文件内容并将写操作数据加入进行，没有写操作的话则不清空文件； ab 只追加模式，不可读，不存在则创建，存在则只追加内容；
注意：以b方式打开时，读取到的内容是字节类型，写入时也许要提供字节类型，不能指定编码；
#3."+"模式，就是增加了一个功能； 模式 说明 r+ 读写（可读，可写） w+ 写读（可写，可读） a+ 写读（可写，可读） 注意： 1.r+模式： 读写模式，先读后写；这里需要注意的时，在r+模式中无论读取了多少内容，光标在哪里，写入的时候都是在结尾写入的，除非上来就写入，
这时的写入是写在文件开头的 例如： 使用r+模式先读取3个字符内容，然后进行数据添加； [root@wolaixunshan ~]# cat /tmp/python.txt ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- #Author:zjk #mail:zjkmmd@163.com #Time:2018-08-06 15:05:32 #Name:py1.py #Version:V1.0 #Description:This is a script. f = open("/tmp/python.txt","r+",encoding="utf-8") date = f.read(3) f.write("老铁666") print(date) f.close() [root@wolaixunshan ~]# python3 py1.py ABC [root@wolaixunshan ~]# cat /tmp/python.txt ABCDEFG HIJKLMN OPQRST UVWXYZ 老铁666[root@wolaixunshan ~]# ##会发现数据是加到末尾了并不是光标的所在处！这点需要注意
#4.以bytes类型操作的读写、写读、追加写读模式 模式 说明 r+b 读写，可读，可写 w+b 写读，可写，可读 a+b 追加写读，可写，可读
四、操作文件的方法
常用的函数：
1.file.close()
说明：用于关闭一个已打开的文件。关闭后的文件不能再进行读写操作， 否则会触发 ValueError 错误。 close() 方法允许调用多次。当 file 对象，被引用到操作另外一个文件时，Python 会自动关闭之前的 file 对象。 使用 close() 方法关闭文件是一个好的习惯。
语法:file。close()
实例：
#打开文件 f = open("python.txt", "wb") print("文件名为: ", f.name) #关闭文件 f.close()
2.file.flush()
说明：用来刷新缓冲区的，即将缓冲区中的数据立刻写入文件，同时清空缓冲区，不需要是被动的等待输出缓冲区写入。一般情况下，文件关闭后会自动刷新缓冲区，但有时你需要在关闭前刷新它，这时就可以使用 flush() 方法。
语法：file.flush()
实例：
#打开文件 f = open("python.txt", "wb") print("文件名为: ", f.name) #刷新缓冲区数据到磁盘 f.flush() #关闭文件 f.close()
3.file.read(size)
说明：用于从文件读取指定的字符数，如果未给定或为负则读取所有。如果使用的是rb模式，则读取出来的是size个字节
参数：size -------> 指定从文件读取的字符数或字节数；
返回值：返回从字符串中读取的字符或字节；
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r",encoding="utf-8") date = f.read(1) print(date) f.close() [root@wolaixunshan ~]# python3 py1.py 张 [root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","rb") date = f.read(3) print(date) f.close() [root@wolaixunshan ~]# python3 py1.py b'\xe5\xbc\xa0' >>> s = b'\xe5\xbc\xa0' >>> print(s.decode("UTF-8")) 张
4.file.fileno()
说明：返回一个整型的文件描述符(file descriptor FD 整型)，可用于底层操作系统的 I/O 操作
语法：file.fileno()
返回值：返回文件描述符。
实例：
[root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","rb") print("文件名为：",f.name) fid = f.fileno() print("文件描述符：",fid) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt 文件描述符： 3
5.file.isatty()
说明：检测文件是否连接到一个终端设备，如果是返回 True，否则返回 False；
语法：file.isatty
返回值：如果连接到一个终端设备返回 True，否则返回 False；
实例：
[root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","rb") print("文件名为：",f.name) ret = f.isatty() print("返回值：",ret) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt 返回值： False
6.file.readline(size)
说明：用于从文件读取整行，包括 "\n" 字符。如果指定了一个非负数的参数，则返回指定大小的字节数，包括 "\n" 字符；
语法：file.readline(size)
参数：size ----------> 从文件中读取的字节数或字符数；如果是rb模式就是读取的字节，如果是普通模式就是读取的字符；
返回值：返回从字符串中读取的字节或字符；
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r") print("文件名为：",f.name) line = f.readline().strip() print("读取一行:",line) ret = f.readline(4) print("读取4个字符:",ret) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt 读取一行: 张鋆康 读取4个字符: ABCD
7.file.readlines()
说明：用于读取所有行(直到结束符 EOF)并返回列表，该列表可以由 Python 的 for... in ... 结构进行处理。 如果碰到结束符 EOF 则返回空字符串；
语法：file.readlines()
返回值：返回列表，包含所有的行；
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# vim py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r") print("文件名为：",f.name) line = f.readlines() print("读取全部行:",line) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt 读取全部行: ['张鋆康\n', 'ABCDEFG\n', 'HIJKLMN\n', 'OPQRST\n', 'UVWXYZ\n']
8.seek(self, offset: int, whence: int = 0)
说明：用于移动文件读取指针到指定位置。
语法：file.seek( offset: int, whence: int = 0)
参数：offset -----------> 开始的偏移量，也就是代表需要移动偏移的字节数,正数表示向右偏移，负数表示向左偏移；
whence --------> 可选，默认值为0，给offset参数一个定义，表示要从哪个位置开始偏移；0代表从文件开头开始算起，1代表从当前位置开始算起，2代表从文件末尾算起
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r") print("文件名为：",f.name) line = f.readline(2).strip() print("读取一行的前两个字符:",line) f.seek(0) line1 = f.readline().strip() print("读取一整行：",line1) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt 读取一行的前两个字符: 张鋆 读取一整行： 张鋆康
9.tell(self)
说明：返回文件的当前位置，即文件指针当前位置
语法:file.tell()
返回值：返回文件的当前位置；
实例：
张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# vim py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r") print("文件名为：",f.name) line = f.readline().strip() print("读取一行:",line) num = f.tell() print("当前光标所在位置：",num) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt 读取一行: 张鋆康 当前光标所在位置： 10
10.truncate(self, size: int = None)
说明：用于从文件的首行首字符开始截断，截断文件为 size 个字符，无 size 表示从当前位置截断；截断之后 V 后面的所有字符被删除，其中 Widnows 系统下的换行代表2个字符大小。
语法：file.truncate(self, size: int = None)
参数：size ---------- > 如果存在则文件截断为size字节，没有参数的话则截断到光标出；
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# vim py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r+") print("文件名为：",f.name) f.seek(6) f.truncate() f.close() [root@wolaixunshan ~]# cat /tmp/python.txt 张鋆[root@wolaixunshan ~]# -----------------有参数截取----------------------------------------- [root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDEFG HIJKLMN OPQRST UVWXYZ [root@wolaixunshan ~]# vim py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r+") print("文件名为：",f.name) f.seek(6) f.truncate(15) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt [root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDE[root@wolaixunshan ~]#
11.file.write(str)
说明：用于向文件中写入指定字符串。在文件关闭前或缓冲区刷新前，字符串内容存储在缓冲区中，这时你在文件中是看不到写入的内容的。
如果文件打开模式带 b，那写入文件内容时，str (参数)要用 encode 方法转为 bytes 形式，否则报错：TypeError: a bytes-like object is required, not 'str'。
语法：file.write(str)
参数：str ---------> 要写入文件的字符串；
返回值：返回的是写入的字符长度；
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 ABCDE[root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r+") print("文件名为：",f.name) f.write("你好呀！") f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt [root@wolaixunshan ~]# cat /tmp/python.txt 你好呀！CDE[root@wolaixunshan ~]#
12.file.writelines()
说明：用于向文件中写入一序列的字符串。这一序列字符串可以是由迭代对象产生的，如一个字符串列表。换行需要制定换行符 \n。
语法：file.writelines(item)
参数：item ------> 要写入文件的字符串序列。
实例：
[root@wolaixunshan ~]# cat /tmp/python.txt 张鋆康 [root@wolaixunshan ~]# cat py1.py #!/usr/bin/python3 #-*- coding:UTF-8 -*- f = open("/tmp/python.txt","r+") print("文件名为：",f.name) li = ["中国","北京","沙河"] f.writelines(li) f.close() [root@wolaixunshan ~]# python3 py1.py 文件名为： /tmp/python.txt [root@wolaixunshan ~]# cat /tmp/python.txt 中国北京沙河[root@wolaixunshan ~]#
五、文件内的光标移动
1.read(3)
文件打开方式为文本模式时，代表读取3个字符；
文件打开方式为b模式时，代表读取3个字节；
2.其余的文件内光标移动都是以字节为单位如seek，tell，truncate
注意：seek有三种移动方式0，1，2，其中1和2必须在b模式下进行，但无论哪种模式，都是以bytes为单位移动的；
truncate是截断文件，所以文件的打开方式必须可写，但是不能用w或w+等方式打开，因为那样直接清空文件了，所以truncate要在r+或a或a+等模式下测试效果；
六、文件的修改
文件的数据是存放于硬盘上的，因而只存在覆盖、不存在修改这么一说，我们平时看到的修改文件，都是模拟出来的效果，具体的说有两种实现方式：
方式一：将硬盘存放的该文件的内容全部加载到内存，在内存中是可以修改的，修改完毕后，再由内存覆盖到硬盘（word，vim，nodpad++等编辑器）
import os with open('a.txt') as read_f,open('.a.txt.swap','w') as write_f: data=read_f.read() #全部读入内存,如果文件很大,会很卡 data=data.replace('alex','SB') #在内存中完成修改 write_f.write(data) #一次性写入新文件 os.remove('a.txt') os.rename('.a.txt.swap','a.txt')
方式二：将硬盘存放的该文件的内容一行一行地读入内存，修改完毕就写入新文件，最后用新文件覆盖源文件；
import os with open('a.txt') as read_f,open('.a.txt.swap','w') as write_f: for line in read_f: line=line.replace('alex','SB') write_f.write(line) os.remove('a.txt') os.rename('.a.txt.swap','a.txt')
监听文件的输入例子：
f = open("123.txt",encoding="utf-8") while 1: line = f.readline() if line: print(line)
七、正则表达式
1.介绍：
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符以及这些特定字符的组合，组成一个“规则字符串”，这个规则字符串用来表达对字符串的一种过滤逻辑；
2.特点：
a.逻辑性、灵活性和功能性非常强；
b.可以迅速用极简的方式达到字符串的复杂控制；
c.对于刚接触的人来说，比较晦涩难懂；
3.场景：
a.从大段的文字中找到符合规则的内容；
b.爬虫，从网页的字符串中获取你想要的数据；
c.日志分析，提取所需要的数据；
d.判断某个字符串是否完全符合规则：比如表单验证：手机号、QQ号、邮箱、银行卡、身份证。。。
4.正则表达式的规则：
制定好正则表达式的规则，然后从指定的字符串中找到符合规则的子串；
5.python中的正则表达式大致分类：
a.元字符 b.模式 c.函数 d.re内置对象用法 e.分组用法 f.环视用法
所有关于正则表达式的操作都使用python标准库的re模块；
1）字符组：
用 [ ] 写在中括号中的内容，都出现在下面的某一个字符的位置上都是负责规则的；
例如： [0-9] #匹配数字
[a-z] #匹配小写字母
[A-Z] #匹配大写字母
[a-zA-Z] #匹配大小写字母
[a-zA-Z0-9] #匹配大小写字母+数字
[a-zA-Z0-9_] #匹配数字字母下划线
注意：有一些有特殊意义的元字符进入字符组中会回复它本来的意义 : . | [ ] ( )
2）转义符：
用“\”来表示；
3）元字符：
例如： \w #匹配数字字母下划线，相当于[a-zA-Z0-9_]
\d #匹配所有的数字，相当于[0-9]
\s #匹配所有的空白符，包括换行符、制表符、空格
\n #匹配所有的换行符
\t #匹配所有的制表符
\[space] #匹配所有的空格，注意[space]用空格来表示
\W #匹配非数字字母下划线，也就是\w取反；
\D #匹配非数字，也就是\d取反；
\S #匹配非空白符，也就是\s取反
^ #匹配字符串的开始
$ #匹配字符串的结尾
. #匹配除换行符以外的任意字符
[] #只要出现在中括号内的内容都可以被匹配
[^] #只要不出现在中括号中的内容都可以被匹配;
a|b #或，符合a规则的或者b规则的都可以被匹配；
如果a规则是b规则的一部分,且a规则比b规则要苛刻/长,就把a规则写在前面；将更复杂的\更长的规则写在最前面
() #分组，表示给几个字符加上量词约束的需求的时候,就给这些量词分在一个组；
4）量词：
例如： {n} #表示 这个量词之前的字符出现n次
{n,} #表示这个量词之前的字符至少出现n次
{n,m} #表示这个量词之前的字符出现n-m次
？ #表示匹配量词之前的字符出现 0次 或者 1次 表示可有可无；
+ #表示匹配量词之前的字符出现 1次 或者 多次
* #表示匹配量词之前的字符出现 0次 或者 多次
6.例子：
贪婪匹配的过程：先整个匹配完合规的，然后在回溯到最后一个字符地方；
6.python中的正则
python中的正则需要我们加载正则模块re之后才能使用；import re;re 模块使 Python 语言拥有全部的正则表达式功能
re在python中的使用方式：
查找：
1.findall
说明：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
语法：re.findall(pattern,str,flag)
参数：pattern ------------> 正则表达式
str -----------------> 要匹配的字符串
flag -----------------> 标志，之后会讲
返回值：如果匹配到子串，则返回一个列表，列表元素为所匹配的子串，如果没有找到匹配的，则返回空列表；
实例：
>>> import re #导入re正则模块 >>> st = "sjkhk172按实际花费928" #定义字符串 >>> ret = re.findall("\d+",st) #使用re模块中的findall查找所有符合规则的数字 >>> print(ret) ['172', '928'] >>> ret = re.findall("\d",st) >>> print(ret) ['1', '7', '2', '9', '2', '8'] >>> ret = re.findall("-",st) #没有匹配到的则返回一个空列表 >>> print(ret) []
需要注意的是：findall有一个优先级的概念，这个优先级只有在正则表达式里使用了括号时才生效。
使用finall函数时如果在正则中加入了括号，则finall函数优先返回括号里的内容，例如：
#例如： import re ##1、匹配一篇英文文章的标题 类似 The Voice Of China ret = re.findall("([A-Z][a-z]* ?)+","The Voice Of China") print(ret) ----------- 输出结果 -------------------------------------------- ['China'] #这是因为我们在使用fildall方法时在正则里加入了括号，这时会优先返回括号里的内容，又因为China是最后一个匹配上的，所有就只返回了China
那么，我们就上题的要求，怎么去除这种优先级呢？只需在括号里的开头写上?:就表示取消优先级权限，恢复默认，例如：
import re ##1、匹配一篇英文文章的标题 类似 The Voice Of China ret = re.findall("(?:[A-Z][a-z]* ?)+","The Voice Of China") print(ret) #只需要在括号里的开头加上?:就可以取消了
2.search
说明：从左到右扫描整个字符串，并返回第一个成功匹配的子串的匹配对象，可以通过这个匹配对象的group方法来查看这个匹配成功的子串；
语法：re.search(pattern, string, flags=0)
参数：pattern ------------> 正则表达式
str -----------------> 要匹配的字符串
flag -----------------> 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等
返回值：如果成功匹配则返回一个匹配的对象，注意是个对象，对象里有第一个成功匹配的子串；如果没有匹配上，则返回None；
group是匹配对象的一个方法；
用法：匹配对象.group(num=0)
使用说明：a.group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组；
b.group()默认组号是0，返回这个匹配成功的子串；
c.当nun=1时，则返回这个成功匹配的子串的第一组；
实例：
>>> import re >>> st = "sjkhk172按实际花费928" >>> ret = re.search("\d+",st) #生成一个匹配对象 >>> print(ret) <re.Match object; span=(5, 8), match='172'> 匹配对象里的内容包含了匹配成功的子串，以及子串在字符串中的索引位置(5,8) >>> print(ret.group()) 172 >>> ret = re.search("-",st) #当匹配不到时，则返回None >>> print(ret) None >>> print(ret.group()) #这时候再使用group方法时会报错 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group'
>>> st = "2018-06-12 08:26:54" >>> ret = re.search("([1-9]\d{3})-(1[0-2]|0?[1-9])-([12][0-9]|0?[0-9])",st) >>> print(ret.group()) 2018-06-12 >>> print(ret.group(1)) 2018 >>> print(ret.group(2)) 06 >>> print(ret.group(3)) 12
3.match
说明：从字符串的起始位置开始匹配，并返回第一个成功匹配的子串的匹配对象，如果匹配不成功，则返回None；相当于search正则表达式前加了一个尖角号^
语法：re.match(pattern, string, flags=0)
参数：pattern ------------> 正则表达式
str -----------------> 要匹配的字符串
flag -----------------> 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等
返回值：匹配成功re.match方法返回一个匹配的对象，否则返回None；
group是匹配对象的一个方法；
用法：匹配对象.group(num=0)
使用说明：a.group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组；
b.group()默认组号是0，返回这个匹配成功的子串；
c.当nun=1时，则返回这个成功匹配的子串的第一组；
实例：
#定义两个字符串 >>> st1 = "172china16beijing13" >>> st2 = "china172shanghai16haha" >>> >>> ret1 = re.match("\d+",st1) >>> print(ret1.group(0)) 172 >>> ret2 = re.match("\d+",st2) >>> print(ret2.group(0)) Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' #通过上面例子可知，match是匹配字符串的起始位置的且只匹配第一个成功的子串，如果没有匹配到则返回None，这时再用group方法查看的话会报错；
替换、切割：
1.split
说明：split 方法按照能够匹配的子串将字符串分割后返回列表；默认是不保留匹配的子串的；切割是一分为二的，所以如果切割符是在开头或结尾则会产生空子串。
语法：re.split(pattern, string[, maxsplit=0, flags=0])
参数：pattern --------> 正则表达式
string ----------> 要匹配的字符串
maxsplit -------> 切割的次数，默认全部切割，
flag -------------> 标志位。以后讲
返回值：返回一个切割后的列表，列表中的元素就是被切割后的各子串，但不包括切割符，也就是匹配的子串；
实例：
#1.使用正则匹配出子串，用匹配后的子串作为分隔符来分隔， >>> st1 = "172china16beijing13" >>> ret1 = re.split("\d+",st1) >>> print(ret1) ['', 'china', 'beijing', ''] #首先因为默认分隔符也就是子串是不能保留在列表中的，所以列表中是没有匹配的子串的，又因为此题中匹配的子串首尾都有，所以会在首尾产生两个空字符串； #2.使用正则匹配出的子串作分隔符，对字符串进行分隔，且只分隔1次； >>> st2 = "china172shanghai16haha" >>> ret2 = re.split("\d+",st2,1) >>> print(ret2) ['china', 'shanghai16haha']
那么，我们如果想在列表中保留我们匹配的字符串，也就是说如果我们想要保留分隔符，那么应该怎么办呢？
我们只需要给要匹配的的内容外加上括号就行，在split里就表示保留匹配的子串，例如：
#在正则表达式规则中给匹配内容加上括号，就表示在列表中保存这些匹配的子串； >>> st1 = "172china16beijing13" >>> ret1 = re.split("(\d+)",st1) >>> print(ret1) ['', '172', 'china', '16', 'beijing', '13', ''] #可以看到匹配成功的子串都保留下来了
2.sub
说明：用于替换字符串中的匹配项
语法：re.sub(pattern, repl, string, count=0)
参数：pattern ---------> 正则表达式；
repl -------------> 新的字符串，也可为一个函数
string ------------> 要被查找替换的原始字符串
count -------------> 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配
返回值：返回一个替换后新的字符串；如果匹配不成功，则返回原字符串；
实例：
#1.匹配成功后，替换所有匹配的子串 >>> st1 = "172china16beijing13" >>> ret1 = re.sub("\d+","ZJK",st1) >>> print(ret1) ZJKchinaZJKbeijingZJK #2.匹配不成功，返回原字符串 >>> ret1 = re.sub("-","ZJK",st1) >>> print(ret1) 172china16beijing13 #3.匹配成功后，替换1处匹配的子串 >>> ret1 = re.sub("\d+","ZJK",st1,1) >>> print(ret1) ZJKchina16beijing13
3.subn
说明：用于替换字符串中的匹配项，并告知替换了多少处。
语法：re.sub(pattern, repl, string, count=0)
参数：pattern ---------> 正则表达式；
repl -------------> 新的字符串，也可为一个函数
string ------------> 要被查找替换的原始字符串
count -------------> 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配
返回值：返回一个元组，匹配成功则元组的第一个元素为替换后的新字符串，否则第一个元素为原字符串，元组的第二个元素为替换的次数，若没有替换，则为0；
实例：
#定义一个字符串； >>> st1 = "172china16beijing13" #匹配成功后 >>> ret1 = re.subn("\d+","ZJK",st1) >>> print(ret1) ('ZJKchinaZJKbeijingZJK', 3) #匹配不成功 >>> ret1 = re.subn("-","ZJK",st1) >>> print(ret1) ('172china16beijing13', 0) #设置替换的次数 >>> ret1 = re.subn("\d+","ZJK",st1,2) >>> print(ret1) ('ZJKchinaZJKbeijing13', 2)
re模块的进阶
优秀的程序，看代码的这几个方面，时间、空间、扩展
1.使用正则表达式节省解决问题的时间
complie
说明：compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 正则其他函数的使用；
优点：一次编译，多次使用，节省了执行时间，在使用正则表达式执行其他操作时不用在去对正则进行解释了，而是直接使用第一次编译好的正则；
语法：re.compile(pattern[, flags])
参数：pattern -----------> 一个字符串形式的正则表达式
flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体含义下面会说；
实例：
#导入模块 >>> import re #定义正则表达式，系统会对其进行编译 >>> pat = re.compile("\d+") >>> print(pat) re.compile('\\d+') >>> st = "172china16beijing13" 直接调用定义的正则表达式pat >>> ret = pat.findall(st) >>> print(ret) ['172', '16', '13'] >>> ret = pat.search(st) >>> print(ret) <re.Match object; span=(0, 3), match='172'> >>> print(ret.group()) 172 >>> ret = pat.sub("HOOK",st) >>> print(ret) HOOKchinaHOOKbeijingHOOK
2.使用正则表达式也可以节省空间，也就是节省内存；
finditer
说明：和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回；这样的话我们在取值时就是在迭代器里取回，迭代器的优点就不说了；
注意：需要通过循环+group的形式取值；
语法：re.finditer(pattern, string, flags=0)
参数：pattern ------------> 正则表达式
str -----------------> 要匹配的字符串
flag -----------------> 标志，之后会讲
返回值：返回一个迭代器
实例：
>>> st = "172china16beijing13" >>> ret = re.finditer("\d+",st) #得到一个迭代器 >>> print(ret) <callable_iterator object at 0x7fa22f1314a8> >>> print(list(ret)) #将迭代器转换为列表 [<re.Match object; span=(0, 3), match='172'>, <re.Match object; span=(8, 10), match='16'>, <re.Match object; span=(17, 19), match='13'>] #如果想打印的可以不进行列表转换，直接for循环ret，然后给每个元素加上group方法；
正则表达式修饰符—可选标志：
