python全棧開發【第九篇】Python常用模塊一(主要是re正則和collections)
一、認識模塊
什麽是模塊:一個模塊就是一個包含了python定義和聲明的文件,文件名就是加上.py的後綴,但其實import加載的模塊分為四個通用類別 :
1.使用python編寫的代碼(.py文件)
2.已被編譯為共享庫二和DLL的C或C++擴展
3.包好一組模塊的包
4.使用C編寫並連接到python解釋器的內置模塊
為何要使用莫模塊?
如果你想退出python解釋器然後重新進入,那麽你之前定義的函數或變量都將丟失,因此我們通常將程序寫到文件中以便永久保存下來,需要時,就通過python test.py 方式去執行,此時test.py被稱為腳本script。
隨著程序的發展,功能越來越多,為了方便管理,我們通常將文件分成一個個的文件,這樣做程序的結構更清晰,方便管理。這時我們不僅僅可以吧這些文件當做腳本去執行,還可以把它們當做模塊來導入到其他模塊中,實現了功能的重復利用。
二、常見模塊分類
常用模塊一、
collocations 模塊
時間模塊
random模塊
os模塊
sys模塊
序列化模塊
re模塊
常用模塊二:這些模塊和面向對象有關
hashlib模塊
configparse模塊
logging模塊
三、正則表達式
像我們平常見的那些註冊頁面啥的,都需要我們輸入手機號碼吧,你想我們的電話號碼也是有限定的吧(手機號碼一共11位,並且只以13,14,15,17,18開頭的數字這些特點)如果你的輸入有誤就會提示,那麽實現這個程序的話你覺得用While循環so easy嘛,那麽我們來看看實現的結果。
#判斷手機號碼是否合法 while True: phone_number=input(‘請輸入你的電話號碼:‘) if len(phone_number)==11 and phone_number.isdigit() and (phone_number.startswith(‘13‘) or phone_number.startswith(‘14‘) or phone_number.startswith(‘15‘) or phone_number.startswith(‘17‘) or phone_number.startswith(‘18‘)): print(‘是合法的手機號碼‘) else: print(‘不是合法的手機號碼‘)
看到這個代碼,雖說理解很容易,但是我還有更簡單的方法。那我們一起來看看吧。
import re phone_number=input(‘請輸入你的電話號碼:‘) if re.match(‘^(13|14|15|17|18)[0-9]{9}$‘,phone_number): ‘‘‘^這個符號表示的是判斷是不是以13|14|15|17|18開頭的, [0-9]: []表示一個字符組,可以表示0-9的任意字符 {9}:表示後面的數字重復九次 $:表示結束符 ‘‘‘ print(‘是合法的手機號碼‘) else: print(‘不是合法的手機號碼‘)
那麽什麽是正則呢?
首先你要知道的是,談到正則,就只和字符串相關了。在線測試工具 http://tool.chinaz.com/regex/
比如你要用‘1’去匹配‘1’,或者用‘2’去匹配‘2’,直接就可以匹配上。
字符組:[字符組] 在同一位置可能出現的各種字符組成了一個字符組,在正則表達式中用[]表示 字符分為很多類,比如數字,字母,標點等登。 假如你現在要求一個位置‘只能出現一個數字’,那麽這個位置上的字符只能是0、1、2、3.......9這是個數之一。
字符組:
字符:
量詞:
.^$
*+?{}
註意:前面的*,+,?等都是貪婪匹配,也就是盡可能多的匹配,後面加?就變成了非貪婪匹配,也就是惰性匹配。
貪婪匹配:
幾個常用的配貪婪匹配
*
?;重復任意次,但盡可能少重復
+
?:重復一次或更多次,但盡可能少重復
??:重復
0
次或
1
次,但盡可能少重復
{n,m}:重復n到m次,但盡可能少重復
{n,}: 重復n次以上,但盡可能少重復
.*?的用法:
.是任意字符 *是取0到無限長度 ?是非貪婪模式 和在一起就是取盡量少的任意字符,一般不會這麽單獨寫,大多用在: .*?x 意思就是取前面任意長度的字符,直到一個x出現
字符集:
分組()與或|[^]:
(
1
)^[
1
-
9
]\d{
13
,
16
}[
0
-
9x
]$
#^以數字0-9開始,
\d{
13
,
16
}重復
13
次到
16
次
$結束標誌
上面的表達式可以匹配一個正確的身份證號碼
(
2
)^[
1
-
9
]\d{
14
}(\d{
2
}[
0
-
9x
])?$
#?重復0次或者1次,當是0次的時候是15位,是1的時候是18位
(
3
)^([
1
-
9
]\d{
16
}[
0
-
9x
]|[
1
-
9
]\d{
14
})$
#表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}
#對於分組的理解 舉個例子,比如html源碼中有<title>xxx</title>標簽,用以前的知識,我們只能確定源碼中的<title>和</title>是固定不變的。因此,如果想獲取頁面標題(xxx),充其量只能寫一個類似於這樣的表達式:<title>.*</title>,而這樣寫匹配出來的是完整的<title>xxx</title>標簽,並不是單純的頁面標題xxx。 想解決以上問題,就要用到斷言知識。 在講斷言之前,讀者應該先了解分組,這有助於理解斷言。 分組在正則中用()表示,根據小菜理解,分組的作用有兩個: n 將某些規律看成是一組,然後進行組級別的重復,可以得到意想不到的效果。 n 分組之後,可以通過後向引用簡化表達式。 先來看第一個作用,對於IP地址的匹配,簡單的可以寫為如下形式: \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3} 但仔細觀察,我們可以發現一定的規律,可以把.\d{1,3}看成一個整體,也就是把他們看成一組,再把這個組重復3次即可。表達式如下: \d{1,3}(.\d{1,3}){3} 這樣一看,就比較簡潔了。 再來看第二個作用,就拿匹配<title>xxx</title>標簽來說,簡單的正則可以這樣寫: <title>.*</title> 可以看出,上邊表達式中有兩個title,完全一樣,其實可以通過分組簡寫。表達式如下: <(title)>.*</\1> 這個例子實際上就是反向引用的實際應用。對於分組而言,整個表達式永遠算作第0組,在本例中,第0組是<(title)>.*</\1>,然後從左到右,依次為分組編號,因此,(title)是第1組。 用\1這種語法,可以引用某組的文本內容,\1當然就是引用第1組的文本內容了,這樣一來,就可以簡化正則表達式,只寫一次title,把它放在組裏,然後在後邊引用即可。 以此為啟發,我們可不可以簡化剛剛的IP地址正則表達式呢?原來的表達式為\d{1,3}(.\d{1,3}){3},裏邊的\d{1,3}重復了兩次,如果利用後向引用簡化,表達式如下: (\d{1,3})(.\1){3} 簡單的解釋下,把\d{1,3}放在一組裏,表示為(\d{1,3}),它是第1組,(.\1)是第2組,在第2組裏通過\1語法,後向引用了第1組的文本內容。 經過實際測試,會發現這樣寫是錯誤的,為什麽呢? 小菜一直在強調,後向引用,引用的僅僅是文本內容,而不是正則表達式! 也就是說,組中的內容一旦匹配成功,後向引用,引用的就是匹配成功後的內容,引用的是結果,而不是表達式。 因此,(\d{1,3})(.\1){3}這個表達式實際上匹配的是四個數都相同的IP地址,比如:123.123.123.123。
分組命名:語法(?p<name>)註意先命名,後正則
import re import re ret=re.search(‘<(\w+)>\w+<(/\w+)>‘,‘<h1>hello</h1>‘) print(ret.group()) # 給分組起個名字。就用下面的分組命名,上面的方法和下面的分組命名是一樣的,只不過就是給命了個名字 ret=re.search(‘<(?P<tag_name>\w+)>\w+</(?P=tag_name)>‘,‘<h1>hello</h1>‘) #(?P=tag_name)就代表的是(\w+) print(ret.group()) # 了解(和上面的是一樣的,是上面方式的那種簡寫) ret=re.search(r‘<(\w+)>\w+</\1>‘,‘<h1>hello</h1>‘) print(ret.group(1))
轉義符:
四、re模塊
re模塊相關的方法
# 1.re模塊下的常用方法 # 1.findall方法 import re ret = re.findall(‘a‘,‘eva ang egons‘) # #返回所有滿足匹配條件的結果,放在列表裏 print(ret) # 2.search方法 # 函數會在字符串中查找模式匹配,只會找到第一個匹配然後返回 # 一個包含匹配信息的對象,該對象通過調用group()方法得到匹配的 # 字符串,如果字符串沒有匹配,則報錯 ret = re.search(‘s‘,‘eva ang egons‘)#找第一個 print(ret.group()) # 3.match方法 print(re.match(‘a‘,‘abc‘).group()) #同search,只從字符串開始匹配,並且guoup才能找到 # 4.split方法 print(re.split(‘[ab]‘,‘abcd‘)) #先按‘a‘分割得到‘‘和‘bcd‘,在對‘‘和‘bcd‘分別按‘b‘分割 # 5.sub方法 print(re.sub(‘\d‘,‘H‘,‘eva3sdf4ahi4asd45‘,1)) # 將數字替換成‘H‘,參數1表示只替換一個 # 6.subn方法 print(re.subn(‘\d‘,‘H‘,‘eva3sdf4ahi4asd45‘)) #將數字替換成’H‘,返回元組(替換的結果,替換了多少次) # 7.compile方法 obj = re.compile(‘\d{3}‘)#將正則表達式編譯成一個正則表達式對象,規則要匹配的是三個數字 print(obj) ret = obj.search(‘abc12345eeeee‘)#正則表達式對象調用search,參數為待匹配的字符串 print(ret.group()) #.group一下就顯示出結果了 # 8.finditer方法 ret = re.finditer(‘\d‘,‘dsf546sfsc‘)#finditer返回的是一個存放匹配結果的叠代器 # print(ret)#<callable_iterator object at 0x00000000021E9E80> print(next(ret).group())#查看第一個結果 print(next(ret).group())#查看第二個結果 print([i.group() for i in ret] )#查看剩余的左右結果
findall的優先級查詢
import re ret = re.findall(‘www.(baidu|oldboy).com‘,‘www.oldboy.com‘) print(ret) #結果是[‘oldboy‘]這是因為findall會優先把匹配結果組裏內容返回,如果想要匹配結果,取消權限即可 ret = re.findall(‘www.(?:baidu|oldboy).com‘,‘www.oldboy.com‘) print(ret) #[‘www.oldboy.com‘]
split的優先級查詢
ret = re.split(‘\d+‘,‘eva123dasda9dg‘)#按數字分割開了 print(ret) #輸出結果:[‘eva‘, ‘dasda‘, ‘dg‘] ret = re.split(‘(\d+)‘,‘eva123dasda9dg‘) print(ret) #輸出結果:[‘eva‘, ‘123‘, ‘dasda‘, ‘9‘, ‘dg‘] # # 在匹配部分加上()之後和不加括號切出的結果是不同的, # 沒有括號的沒有保留所匹配的項,但是有括號的卻能夠保留了 # 匹配的項,這個在某些需要保留匹配部分的使用過程是非常重要的
五、re模塊和正則表達式的關系
re模塊和正則表達式沒有一點毛線關系。re模塊和正則表達式的關系類似於time模塊和時間的關系,你沒有學習python之前,也不知道有一個time模塊,但是你已經認識時間了呀,12:30就表示中午十二點半。時間有自己的格式,年月日時分秒,已成為一種規則。你早就牢記於心了,time模塊只不過是python提供給我們的可以方便我們操作時間的一個工具而已。
六、collections模塊
在內置數據類型(dict,list,set,tuple)的基礎上,collections 模塊還提供了幾個額外的數據類型:
1.namedtuple:生成可以使用名字來訪問元素內容的tuple
2.deque:雙向隊列(兩頭都可進可出,但是不能取中間的值),可以快速的從另外一側追加和推出對象
3.Counter:計數器,主要用來計數
4.OrderedDict:有序字典
5.defaultdict:帶有默認值的字典
namedtuple:
我們知道tuple可以表示不變集合,例如,一個點的二維坐標就可以表示成:p=(1,2)
但是,看到(1,2),很難看出這個tuple是用來表示坐標的。
那麽,我們的namedtuple就能用上了。
namedtuple(‘名稱‘,‘屬性list’)
from collections import namedtuple point = namedtuple(‘point‘,[‘x‘,‘y‘]) p = point(1,2) print(p.x,p.y)、<br><br><br>
Circle = namedtuple(‘Circle‘, [‘x‘, ‘y‘, ‘r‘])#用坐標和半徑表示一個圓
deque
單向隊列<br>
# import queue #隊列模塊
# q = queue.Queue()
# q.put(10)
# q.put(20)
# q.put(30)
# # 10 20 30
# print(q.get())
# print(q.get())
# print(q.get())
# print(q.get())
deque是為了高效實現插入和刪除操作的雙向隊列,適用於隊列和棧
from collections import deque q = deque([‘a‘,‘b‘,‘c‘]) q.append(‘ee‘)#添加元素 q.append(‘ff‘) q.append(‘qq‘) print(q) q.appendleft(‘www‘)#從左邊添加 print(q) q.pop() #刪除元素 q.popleft() #從左邊刪除元素 print(q)
OrderedDict
使用字典時,key是無序的。在對字典做叠代時,我們無法確定key的順序。如果要保持key的順序,可以用OrderedDict
from collections import OrderedDict
d = {‘z‘:‘qww‘,‘x‘:‘asd‘,‘y‘:‘asd‘,‘name‘:‘alex‘}
print(d.keys()) #key是無序的
od
=
OrderedDict([(
‘a‘
,
1
), (
‘b‘
,
2
), (
‘c‘
,
3
)])
print
(od)
# OrderedDict的Key是有序的 <br>OrderedDict([(‘a‘, 1), (‘b‘, 2), (‘c‘, 3)])<br><br><br>
註意,OrderedDict
的Key會按照插入的順序排列,不是Key本身排序:
od = OderedDict ()
od[‘z‘]=1
od[‘y‘]=2
od[‘x‘]=3
print(od.keys()) #按照插入額key的順序返回
defaultdict
#找大於66和小於66的 d = {‘z‘:‘qww‘,‘x‘:‘asd‘,‘y‘:‘asd‘,‘name‘:‘alex‘} print(d.keys()) from collections import defaultdict values = [11,22,33,44,55,66,77,88,99] my_dict = defaultdict(list) for v in values: if v>66: my_dict[‘k1‘].append(v) else: my_dict[‘k2‘].append(v) print(my_dict)
from collections import defaultdict dd = defaultdict(lambda: ‘N/A‘) dd[‘key1‘] = ‘abc‘ print(dd[‘key1‘]) # key1存在 print(dd[‘key2‘]) # key2不存在,返回默認值
Counter
Counter類的目的是用來跟蹤值出現的次數。它是一個無序的容器類型,以字典的鍵值對形式存儲,其中元素作為key,其計數作為value。計數值可以是任意的Interger(包括0和負數)。Counter類和其他語言的bags或multisets很相似。
from collections import Counter c = Counter(‘abcdeabcdabcaba‘) print(c) # 輸出:Counter({‘a‘: 5, ‘b‘: 4, ‘c‘: 3, ‘d‘: 2, ‘e‘: 1})
其他詳細內容 http://www.cnblogs.com/Eva-J/articles/7291842.html
python全棧開發【第九篇】Python常用模塊一(主要是re正則和collections)