PYTHON学习第二模块 python内置模块介绍

Posted 2020-10-03

1 >>> import time
2 >>> time.time()
3 1491064723.808669
4 >>> # time.time()返回当前时间的时间戳timestamp(定义为从格林威治时间1970年01月01日00时00分00秒起至现在的总秒数)的方法,无参数
5 >>> time.asctime()
6 ‘Sun Apr 2 00:39:32 2017‘
7 >>> # time.asctime()把struct_time对象格式转换为字符串格式为‘Sun Apr 2 00:39:32 2017‘
8 >>> time.asctime(time.gmtime())
9 ‘Sat Apr 1 16:41:41 2017‘
10 >>> time.asctime(time.localtime())
11 ‘Sun Apr 2 00:42:06 2017‘
12 >>> time.ctime()
13 ‘Sun Apr 2 00:42:29 2017‘
14 >>> # time.ctime()把时间戳转换为字符串格式‘Sun Apr 2 00:42:29 2017‘,默认为当前时间戳
15 >>> time.ctime(1491064723.808669)
16 ‘Sun Apr 2 00:38:43 2017‘
17 >>> time.altzone # 返回与utc时间的时间差,以秒计算
18 -32400
19 >>> time.localtime() # 把时间戳转换为struct_time对象格式,默认返回当前时间戳
20 time.struct_time(tm_year=2017, tm_mon=4, tm_mday=2, tm_hour=0, tm_min=45, tm_sec=26, tm_wday=6, tm_yday=92, tm_isdst=0)
21 >>> time.localtime(1491064723.808669)
22 time.struct_time(tm_year=2017, tm_mon=4, tm_mday=2, tm_hour=0, tm_min=38, tm_sec=43, tm_wday=6, tm_yday=92, tm_isdst=0)
23 >>>
24 >>> time.gmtime() # 将utc时间戳转换成struct_time对象格式,默认返回当前时间的
25 time.struct_time(tm_year=2017, tm_mon=4, tm_mday=1, tm_hour=16, tm_min=46, tm_sec=32, tm_wday=5, tm_yday=91, tm_isdst=0)
26 >>> time.gmtime(1491064723.808669)
27 time.struct_time(tm_year=2017, tm_mon=4, tm_mday=1, tm_hour=16, tm_min=38, tm_sec=43, tm_wday=5, tm_yday=91, tm_isdst=0)
28 >>>
29 >>>
30 >>> time.strftime(‘%Y-%m-%d %H:%M:%S‘, time.localtime()) # 将本地时间的struct_time格式转成自定义字符串格式 2017-04-01 23:15:47
31 ‘2017-04-02 00:47:49‘
32 >>>
33 >>> time.strftime(‘%Y-%m-%d %H:%M:%S‘, time.gmtime()) # 将utc时间的struct_time格式转成自定义字符串格式 2017-04-01 23:15:47
34 ‘2017-04-01 16:48:27‘
35 >>>
36 >>> time.strptime(‘2017-04-02 00:47:49‘, ‘%Y-%m-%d %H:%M:%S‘) # 将 日期字符串 转成 struct_time时间对象格式,注意转换后的tm_isdst=-1()夏令时状态
37 time.struct_time(tm_year=2017, tm_mon=4, tm_mday=2, tm_hour=0, tm_min=47, tm_sec=49, tm_wday=6, tm_yday=92, tm_isdst=-1)
38 >>>
39 >>> time.mktime(time.localtime())
40 1491065416.0
41 >>> # 将struct_tiame时间对象转成时间戳 结果返回1491061855.0 ,忽略小于秒的时间(忽略小数点后面)
42 >>>
43 >>> time.mktime(time.localtime(1491061855.0011407))
44 1491061855.0
45 >>> # 结果返回1491061855.0 ,忽略小于秒的时间(忽略小数点后面)
46 >>>
47 >>> time.mktime(time.gmtime(1491061855.0011407))
48 1491033055.0
49 >>>
50 >>> # 结果返回1491033055.0 ,忽略小于秒的时间(忽略小数点后面)
51 >>>

时间转换关系图

格式字符及意义

%a 星期的简写。如 星期三为Web
%A 星期的全写。如 星期三为Wednesday
%b 月份的简写。如4月份为Apr
%B月份的全写。如4月份为April 
%c:  日期时间的字符串表示。（如： 04/07/10 10:43:39）
%d:  日在这个月中的天数（是这个月的第几天）
%f:  微秒（范围[0,999999]）
%H:  小时（24小时制，[0, 23]）
%I:  小时（12小时制，[0, 11]）
%j:  日在年中的天数 [001,366]（是当年的第几天）
%m:  月份（[01,12]）
%M:  分钟（[00,59]）
%p:  AM或者PM
%S:  秒（范围为[00,61]，为什么不是[00, 59]，参考python手册~_~）
%U:  周在当年的周数当年的第几周），星期天作为周的第一天
%w:  今天在这周的天数，范围为[0, 6]，6表示星期天
%W:  周在当年的周数（是当年的第几周），星期一作为周的第一天
%x:  日期字符串（如：04/07/10）
%X:  时间字符串（如：10:43:39）
%y:  2个数字表示的年份
%Y:  4个数字表示的年份
%z:  与utc时间的间隔 （如果是本地时间，返回空字符串）
%Z:  时区名称（如果是本地时间，返回空字符串）

 datetime模块,方便时间计算

 1 >>> import datetime
 2 >>> datetime.datetime.now()
 3 datetime.datetime(2017, 4, 7, 16, 52, 3, 199458)
 4 # 返回一组数据(年,月,日,小时,分钟,秒,微秒)
 5 
 6 >>> print(datetime.datetime.now())
 7 2017-04-07 16:52:55.000164
 8 # 打印返回格式(固定)
 9 
10 >>> datetime.datetime.now()+datetime.timedelta(days=3)
11 datetime.datetime(2017, 4, 10, 16, 53, 51, 180847)
12 # 时间加(减),可以是日,秒,微秒,毫秒,分,小时,周
13 #days=0, seconds=0, microseconds=0,milliseconds=0, minutes=0, hours=0, weeks=0
14 >>> print(datetime.datetime.now()+datetime.timedelta(weeks=1))
15 2017-04-17 16:54:08.916243
16 
17 >>> datetime.datetime.now().replace(minute=3,hour=2)
18 datetime.datetime(2017, 4, 7, 2, 3, 11, 163663)
19 # 时间替换
20 
21 >>> datetime.datetime.now()
22 datetime.datetime(2017, 4, 7, 16, 58, 22, 195439)
23 
24 >>> datetime.datetime.now().replace(day=1,month=1)
25 datetime.datetime(2017, 1, 1, 16, 59, 13, 210556)
26 >>> 
27 # 直接替换相应位置数据

random模块

 1 import random
 2 >>> print(random.random())
 3 0.5364503211492734
 4 >>> print(random.randint(1,10))
 5 3
 6 >>> # 整数1-10(包括10),随机取一个值
 7 >>> 
 8 >>> 
 9 >>> 
10 >>> print(random.randrange(1, 10))
11 8
12 >>> # 整数1-10(不包括10),随机取一个值

生成随机验证码

 1 import random
 2 
 3 checkcode = ‘‘
 4 for i in range(6):
 5     current = random.randrange(0, 6)
 6     if current != i and current+1 != i:
 7         temp = chr(random.randint(65, 90))
 8         # 65-90是A-Z
 9     elif current+1 == i:
10         temp = chr(random.randint(97, 122))
11         # 97-122是a-z
12     else:
13         temp = random.randint(0, 9)
14     checkcode += str(temp)
15 print(checkcode)
16 
17 # 一共6位验证码,
18 # 第一位有1/6几率是数字,其它都是大写字母
19 # 第二到第六位,都是有1/6几率是小写字母,1/6几率是数字,其它都是大写字母

OS模块　

提供对操作系统进行调用的接口

 1 os.getcwd() 获取当前工作目录，即当前python脚本工作的目录路径
 2 os.chdir("dirname")  改变当前脚本工作目录；相当于shell下cd
 3 os.curdir  返回当前目录: (‘.‘)
 4 os.pardir  获取当前目录的父目录字符串名：(‘..‘)
 5 os.makedirs(‘dirname1/dirname2‘)    可生成多层递归目录
 6 os.removedirs(‘dirname1‘)    若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推
 7 os.mkdir(‘dirname‘)    生成单级目录；相当于shell中mkdir dirname
 8 os.rmdir(‘dirname‘)    删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname
 9 os.listdir(‘dirname‘)    列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印
10 os.remove()  删除一个文件
11 os.rename("oldname","newname")  重命名文件/目录
12 os.stat(‘path/filename‘)  获取文件/目录信息
13 os.sep    输出操作系统特定的路径分隔符，win下为"\\\\",Linux下为"/"
14 os.linesep    输出当前平台使用的行终止符，win下为"\\t\\n",Linux下为"\\n"
15 os.pathsep    输出用于分割文件路径的字符串
16 os.name    输出字符串指示当前使用平台。win->‘nt‘; Linux->‘posix‘
17 os.system("bash command")  运行shell命令，直接显示
18 os.environ  获取系统环境变量
19 os.path.abspath(path)  返回path规范化的绝对路径
20 os.path.split(path)  将path分割成目录和文件名二元组返回
21 os.path.dirname(path)  返回path的目录。其实就是os.path.split(path)的第一个元素
22 os.path.basename(path)  返回path最后的文件名。如何path以／或\\结尾，那么就会返回空值。即os.path.split(path)的第二个元素
23 os.path.exists(path)  如果path存在，返回True；如果path不存在，返回False
24 os.path.isabs(path)  如果path是绝对路径，返回True
25 os.path.isfile(path)  如果path是一个存在的文件，返回True。否则返回False
26 os.path.isdir(path)  如果path是一个存在的目录，则返回True。否则返回False
27 os.path.join(path1[, path2[, ...]])  将多个路径组合后返回，第一个绝对路径之前的参数将被忽略
28 os.path.getatime(path)  返回path所指向的文件或者目录的最后存取时间
29 os.path.getmtime(path)  返回path所指向的文件或者目录的最后修改时间

更多os模块猛击这里

sys模块

用于提供对解释器相关的操作

1 sys.argv           命令行参数List，第一个元素是程序本身路径
2 sys.exit(n)        退出程序，正常退出时exit(0)
3 sys.version        获取Python解释程序的版本信息
4 sys.maxint         最大的Int值
5 sys.path           返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值
6 sys.platform       返回操作系统平台名称
7 sys.stdout.write(‘please:‘)
8 val = sys.stdin.readline()[:-1]

更多sys模块猛击这里

shutil 模块

 高级的 文件、文件夹、压缩包 处理模块

shutil.copyfileobj(fsrc, fdst)
将文件内容拷贝到另一个文件中，可以部分内容,如下(注意需要打开文件):

1 import shutil
2 
3 with open(‘testfile‘, ‘r‘, encoding=‘utf-8‘) as f,4      open(‘testfile1‘, ‘w‘, encoding=‘utf-8‘) as f1:
5     shutil.copyfileobj(f, f1)

shutil.copyfile(src, dst)
仅拷贝文件

用法是shutil.copyfile(src_path, dst_path),如下:

import shutil

shutil.copyfile(r‘C:\\Users\\笔记.txt‘, r‘C:\\test1\\笔记.txt‘)

shutil.copystat(src, dst)
仅拷贝状态信息，包括：mode bits, atime, mtime, flags.用法格式同shutil.copyfile(src, dst)

shutil.copymode(src, dst)
仅拷贝权限。内容、组、用户均不变,用法格式同shutil.copyfile(src, dst)

shutil.copy(src, dst)
拷贝文件和权限,用法个是同shutil.copyfile(src, dst)

shutil.copy2(src, dst)
拷贝文件和状态信息,用法个是同shutil.copyfile(src, dst)

shutil.copytree(src, dst, symlinks=False, ignore=None)
拷贝一个目录,src是原目录路径,dst是新目录路径

shutil.rmtree(path)
删除一个目录,path为目录路径

 

shutil.move(src, dst)
移动文件或目录,src是原文件或目录的路径,dst是新目录路径!使用的copy2函数拷贝文件和状态信息

1 import shutil
2 
3 shutil.move(r‘C:\\Users\\笔记.txt‘, r‘C:\\test1‘)

 

shutil.make_archive(base_name, format,...)

创建压缩包并返回文件路径，例如：zip、tar

• base_name： 压缩包的文件名，也可以是压缩包的路径。只是文件名时，则保存至当前目录，否则保存至指定路径，
  如：www                        =>保存至当前路径
  如：/Users/wupeiqi/www =>保存至/Users/wupeiqi/
• format： 压缩包种类，“zip”, “tar”, “bztar”，“gztar”
• root_dir： 要压缩的文件夹路径（默认当前目录）
• owner： 用户，默认当前用户
• group： 组，默认当前组
• logger： 用于记录日志，通常是logging.Logger对象

1 #将 /Users/wupeiqi/Downloads/test 下的文件打包放置当前程序目录
2  
3 import shutil
4 ret = shutil.make_archive("wwwwwwwwww", ‘gztar‘, root_dir=‘/Users/wupeiqi/Downloads/test‘)
5  
6  
7 #将 /Users/wupeiqi/Downloads/test 下的文件打包放置 /Users/wupeiqi/目录
8 import shutil
9 ret = shutil.make_archive("/Users/wupeiqi/wwwwwwwwww", ‘gztar‘, root_dir=‘/Users/wupeiqi/Downloads/test‘)

shutil 对压缩包的处理是调用 ZipFile 和 TarFile 两个模块来进行的，详细：

import zipfile

# 压缩
z = zipfile.ZipFile(‘laxi.zip‘, ‘w‘)
z.write(‘a.log‘)
z.write(‘data.data‘)
z.close()

# 解压
z = zipfile.ZipFile(‘laxi.zip‘, ‘r‘)
z.extractall()
z.close()

zipfile 压缩解压

import tarfile

# 压缩
tar = tarfile.open(‘your.tar‘,‘w‘)
tar.add(‘/Users/wupeiqi/PycharmProjects/bbs2.zip‘, arcname=‘bbs2.zip‘)
# arcname指定压缩目录,不指定就默认文件绝对目录
tar.add(‘/Users/wupeiqi/PycharmProjects/cmdb.zip‘, arcname=‘cmdb.zip‘)
tar.close()

# 解压
tar = tarfile.open(‘your.tar‘,‘r‘)
tar.extractall()  # 可设置解压地址
tar.close()

tarfile 压缩解压

 

tarfile只打包不压缩,zip会压缩

logging 模块

用于便捷记录日志且线程安全的模块

 1 import logging
 2  
 3  
 4 logging.basicConfig(filename=‘log.log‘,
 5                     format=‘%(asctime)s  %(filename)s : %(lineno)s -%(levelname)s : %(message)s‘,
 6                     datefmt=‘%m-%d-%Y %I:%M:%S %p‘,
 7                     level=10)
 8  
 9 logging.debug(‘debug‘)
10 logging.info(‘info‘)
11 logging.warning(‘warning‘)
12 logging.error(‘error‘)
13 logging.critical(‘critical‘)
14 logging.log(10,‘log‘)

对于等级level

CRITICAL level= 50

FATAL level= 50

ERROR level= 40

WARNING level= 30

WARN level= 30

INFO level= 20

DEBUG level= 10

NOTSET level= 0

只有大于当前日志等级的操作才会被记录!!!

日志格式

%(name)s	Logger的名字
%(levelno)s	数字形式的日志级别
%(levelname)s	文本形式的日志级别
%(pathname)s	调用日志输出函数的模块的完整路径名，可能没有
%(filename)s	调用日志输出函数的模块的文件名
%(module)s	调用日志输出函数的模块名
%(funcName)s	调用日志输出函数的函数名
%(lineno)d	调用日志输出函数的语句所在的代码行
%(created)f	当前时间，用UNIX标准的表示时间的浮 点数表示
%(relativeCreated)d	输出日志信息时的，自Logger创建以 来的毫秒数
%(asctime)s	字符串形式的当前时间。默认格式是 “2003-07-08 16:49:45,896”。逗号后面的是毫秒
%(thread)d	线程ID。可能没有
%(threadName)s	线程名。可能没有
%(process)d	进程ID。可能没有
%(message)s	用户输出的消息

 

如果想同时把log打印在屏幕和文件日志里，就需要了解一点复杂的知识 了

Python 使用logging模块记录日志涉及四个主要类，使用官方文档中的概括最为合适：

logger提供了应用程序可以直接使用的接口；

handler将(logger创建的)日志记录发送到合适的目的输出；

filter提供了细度设备来决定输出哪条日志记录；

formatter决定日志记录的最终输出格式。

logger
每个程序在输出信息之前都要获得一个Logger。Logger通常对应了程序的模块名，比如聊天工具的图形界面模块可以这样获得它的Logger：
LOG=logging.getLogger(”chat.gui”)
而核心模块可以这样：
LOG=logging.getLogger(”chat.kernel”)

Logger.setLevel(lel):指定最低的日志级别，低于lel的级别将被忽略。debug是最低的内置级别，critical为最高
Logger.addFilter(filt)、Logger.removeFilter(filt):添加或删除指定的filter
Logger.addHandler(hdlr)、Logger.removeHandler(hdlr)：增加或删除指定的handler
Logger.debug()、Logger.info()、Logger.warning()、Logger.error()、Logger.critical()：可以设置的日志级别

handler

handler对象负责发送相关的信息到指定目的地。Python的日志系统有多种Handler可以使用。有些Handler可以把信息输出到控制台，有些Logger可以把信息输出到文件，还有些 Handler可以把信息发送到网络上。如果觉得不够用，还可以编写自己的Handler。可以通过addHandler()方法添加多个多handler
Handler.setLevel(lel):指定被处理的信息级别，低于lel级别的信息将被忽略
Handler.setFormatter()：给这个handler选择一个格式
Handler.addFilter(filt)、Handler.removeFilter(filt)：新增或删除一个filter对象

每个Logger可以附加多个Handler。接下来我们就来介绍一些常用的Handler：
1) logging.StreamHandler
使用这个Handler可以向类似与sys.stdout或者sys.stderr的任何文件对象(file object)输出信息。它的构造函数是：
StreamHandler([strm])
其中strm参数是一个文件对象。默认是sys.stderr

2) logging.FileHandler
和StreamHandler类似，用于向一个文件输出日志信息。不过FileHandler会帮你打开这个文件。它的构造函数是：
FileHandler(filename[,mode])
filename是文件名，必须指定一个文件名。
mode是文件的打开方式。参见Python内置函数open()的用法。默认是’a‘，即添加到文件末尾。

3) logging.handlers.RotatingFileHandler
这个Handler类似于上面的FileHandler，但是它可以管理文件大小。当文件达到一定大小之后，它会自动将当前日志文件改名，然后创建 一个新的同名日志文件继续输出。比如日志文件是chat.log。当chat.log达到指定的大小之后，RotatingFileHandler自动把 文件改名为chat.log.1。不过，如果chat.log.1已经存在，会先把chat.log.1重命名为chat.log.2。。。最后重新创建 chat.log，继续输出日志信息。它的构造函数是：
RotatingFileHandler( filename[, mode[, maxBytes[, backupCount]]])
其中filename和mode两个参数和FileHandler一样。
maxBytes用于指定日志文件的最大文件大小。如果maxBytes为0，意味着日志文件可以无限大，这时上面描述的重命名过程就不会发生。
backupCount用于指定保留的备份文件的个数。比如，如果指定为2，当上面描述的重命名过程发生时，原有的chat.log.2并不会被更名，而是被删除。

4) logging.handlers.TimedRotatingFileHandler
这个Handler和RotatingFileHandler类似，不过，它没有通过判断文件大小来决定何时重新创建日志文件，而是间隔一定时间就 自动创建新的日志文件。重命名的过程与RotatingFileHandler类似，不过新的文件不是附加数字，而是当前时间。它的构造函数是：
TimedRotatingFileHandler( filename [,when [,interval [,backupCount]]])
其中filename参数和backupCount参数和RotatingFileHandler具有相同的意义。
interval是时间间隔。
when参数是一个字符串。表示时间间隔的单位，不区分大小写。它有以下取值：
S 秒
M 分
H 小时
D 天
W 每星期（interval==0时代表星期一）
midnight 每天凌晨

 

re模块

正则表达式使用反斜杆（\\）来转义特殊字符，使其可以匹配字符本身，而不是指定其他特殊的含义。这可能会和python字面意义上的字符串转义相冲突，这也许有些令人费解。比如，要匹配一个反斜杆本身，你也许要用‘\\\\\\\\‘来做为正则表达式的字符串，因为正则表达式要是\\\\，而字符串里，每个反斜杆都要写成\\\\。

你也可以在字符串前加上 r 这个前缀来避免部分疑惑，因为 r 开头的python字符串是 raw 字符串，所以里面的所有字符都不会被转义，比如r‘\\n‘这个字符串就是一个反斜杆加上一字母n，而‘\\n‘我们知道这是个换行符。因此，上面的‘\\\\\\\\‘你也可以写成r‘\\\\‘，这样，应该就好理解很多了。可以看下面这段

 1 >>> import re
 2 >>> s = ‘\\x5c‘
 3 >>> print(s)
 4  5 >>> re.match(‘\\\\\\\\‘, s)  #这样可以匹配
 6 <_sre.SRE_Match object; span=(0, 1), match=‘\\\\‘>
 7 >>> re.match(r‘\\\\‘, s)  #这样也可以
 8 <_sre.SRE_Match object; span=(0, 1), match=‘\\\\‘>
 9 >>> re.match(‘\\\\‘, s)  #但是这样不行
10 Traceback (most recent call last):
11   File "<pyshell#5>", line 1, in <module>
12     re.match(‘\\\\‘, s)  #但是这样不行
13   File "C:\\Python36\\lib\\re.py", line 172, in match
14     return _compile(pattern, flags).match(string)
15   File "C:\\Python36\\lib\\re.py", line 301, in _compile
16     p = sre_compile.compile(pattern, flags)
17   File "C:\\Python36\\lib\\sre_compile.py", line 562, in compile
18     p = sre_parse.parse(p, flags)
19   File "C:\\Python36\\lib\\sre_parse.py", line 848, in parse
20     source = Tokenizer(str)
21   File "C:\\Python36\\lib\\sre_parse.py", line 231, in __init__
22     self.__next()
23   File "C:\\Python36\\lib\\sre_parse.py", line 245, in __next
24     self.string, len(self.string) - 1) from None
25 sre_constants.error: bad escape (end of pattern) at position 0
26 >>> 

 

正则表达式语法

正则表达式（RE）指定一个与之匹配的字符集合；本模块所提供的函数，将可以用来检查所给的字符串是否与指定的正则表达式匹配。
正则表达式可以被连接，从而形成新的正则表达式；例如A和B都是正则表达式，那么AB也是正则表达式。一般地，如果字符串p与A匹配，q与B匹配的话，那么字符串pq也会与AB匹配，但A或者B里含有边界限定条件或者命名组操作的情况除外。也就是说，复杂的正则表达式可以用简单的连接而成。
正则表达式可以包含特殊字符和普通字符，大部分字符比如‘A‘，‘a‘和‘0‘都是普通字符，如果做为正则表达式，它们将匹配它们本身。由于正则表达式可以连接，所以连接多个普通字符而成的正则表达式last也将匹配‘last‘。（后面将用不带引号的表示正则表达式，带引号的表示字符串）

下面就来介绍正则表达式的特殊字符：

‘.‘
点号，在普通模式，它匹配除换行符外的任意一个字符；如果指定了 DOTALL 标记，匹配包括换行符以内的任意一个字符。

‘^‘
尖尖号，匹配一个字符串的开始，在 MULTILINE 模式下，也将匹配任意一个新行的开始。

‘$‘
美元符号，匹配一个字符串的结尾或者字符串最后面的换行符，在 MULTILINE 模式下，也匹配任意一行的行尾。也就是说，普通模式下，foo.$去搜索‘foo1\\nfoo2\\n‘只会找到‘foo2′，但是在 MULTILINE 模式，还能找到 ‘foo1′，而且就用一个 $ 去搜索‘foo\\n‘的话，会找到两个空的匹配：一个是最后的换行符，一个是字符串的结尾，演示：

1 >>> re.findall(‘(foo.$)‘, ‘foo1\\nfoo2\\n‘)
2 [‘foo2‘]
3 >>> re.findall(‘(foo.$)‘, ‘foo1\\nfoo2\\n‘, re.MULTILINE)
4 [‘foo1‘, ‘foo2‘]
5 >>> re.findall(‘($)‘, ‘foo\\n‘)
6 [‘‘, ‘‘]
7 >>> 

‘*‘
星号，指定将前面的RE重复0次或者任意多次，而且总是试图尽量多次地匹配。

‘+‘
加号，指定将前面的RE重复1次或者任意多次，而且总是试图尽量多次地匹配。

‘?‘
问号，指定将前面的RE重复0次或者1次，如果有的话，也尽量匹配1次。

*?， +?， ??
从前面的描述可以看到‘*‘，‘+‘和‘?‘都是贪婪的，但这也许并不是我们说要的，所以，可以在后面加个问号，将策略改为非贪婪，只匹配尽量少的RE。示例，体会两者的区别：

1 >>> re.findall(‘<(.*)>‘, ‘<H1>title</H1>‘)
2 [‘H1>title</H1‘]
3 >>> re.findall(‘<(.*?)>‘, ‘<H1>title</H1>‘)
4 [‘H1‘, ‘/H1‘]

{m,n}
m和n都是数字，指定将前面的RE重复m到n次，例如a{3,5}匹配3到5个连续的a。注意，如果省略m，将匹配0到n个前面的RE；如果省略n，将匹配n到无穷多个前面的RE；当然中间的逗号是不能省略的，不然就变成前面那种形式了。

{m,n}?
前面说的{m,n}，也是贪婪的，a{3,5}如果有5个以上连续a的话，会匹配5个，这个也可以通过加问号改变。a{3,5}?如果可能的话，将只匹配3个a。

‘\\‘
反斜杆，转义‘*‘，‘?‘等特殊字符，或者指定一个特殊序列（下面会详述）
由于之前所述的原因，强烈建议用raw字符串来表述正则。

[]
方括号，用于指定一个字符的集合。可以单独列出字符，也可以用‘-‘连接起止字符以表示一个范围。特殊字符在中括号里将失效，比如[akm$]就表示字符‘a‘，‘k‘，‘m‘，或‘$‘，在这里$也变身为普通字符了。[a-z]匹配任意一个小写字母，[a-zA-Z0-9]匹配任意一个字母或数字。如果你要匹配‘]‘或‘-‘本身，你需要加反斜杆转义，或者是将其置于中括号的最前面，比如[]]可以匹配‘]‘
你还可以对一个字符集合取反，以匹配任意不在这个字符集合里的字符，取反操作用一个‘^‘放在集合的最前面表示，放在其他地方的‘^‘将不会起特殊作用。例如[^5]将匹配任意不是‘5‘的字符；[^^]将匹配任意不是‘^‘的字符。
注意：在中括号里，+、*、(、)这类字符将会失去特殊含义，仅作为普通字符。反向引用也不能在中括号内使用。

‘|‘
管道符号，A和B是任意的RE，那么A|B就是匹配A或者B的一个新的RE。任意个数的RE都可以像这样用管道符号间隔连接起来。这种形式可以被用于组中（后面将详述）。对于目标字符串，被‘|‘分割的RE将自左至右一一被测试，一旦有一个测试成功，后面的将不再被测试，即使后面的RE可能可以匹配更长的串，换句话说，‘|‘操作符是非贪婪的。要匹配字面意义上的‘|‘，可以用反斜杆转义：\\|，或是包含在反括号内：[|]。

(...)
匹配圆括号里的RE匹配的内容，并指定组的开始和结束位置。组里面的内容可以被提取，也可以采用\\number这样的特殊序列，被用于后续的匹配。要匹配字面意义上的‘(‘和‘)‘，可以用反斜杆转义：\\(、\\)，或是包含在反括号内：[(]、[)]。

(?...)
这是一个表达式的扩展符号。‘?‘后的第一个字母决定了整个表达式的语法和含义，除了(?P...)以外，表达式不会产生一个新的组。下面介绍几个目前已被支持的扩展：

(?iLmsux)
‘i‘、‘L‘、‘m‘、‘s‘、‘u‘、‘x‘里的一个或多个字母。表达式不匹配任何字符，但是指定相应的标志：re.I(忽略大小写)、re.L(依赖locale)、re.M(多行模式)、re.S(.匹配所有字符)、re.U(依赖Unicode)、re.X(详细模式)。关于各个模式的区别，下面会有专门的一节来介绍的。使用这个语法可以代替在re.compile()的时候或者调用的时候指定flag参数。
例如，上面举过的例子，可以改写成这样（和指定了re.MULTILINE是一样的效果）：

1 >>> re.findall(‘(?m)(foo.$)‘, ‘foo1\\nfoo2\\n‘)
2 [‘foo1‘, ‘foo2‘]
3 >>> re.findall(‘(foo.$)‘, ‘foo1\\nfoo2\\n‘, re.MULTILINE)
4 [‘foo1‘, ‘foo2‘]
5 >>> 

另外，还要注意(?x)标志如果有的话，要放在最前面。

 

(?:...)
匹配内部的RE所匹配的内容，但是不建立组。

(?P<name>...)
和普通的圆括号类似，但是子串匹配到的内容将可以用命名的name参数来提取。组的name必须是有效的python标识符，而且在本表达式内不重名。命名了的组和普通组一样，也用数字来提取，也就是说名字只是个额外的属性。
演示一下：

1 >>> m=re.match(‘(?P<var>[a-zA-Z_]\\w*)‘, ‘abc=123‘)
2 >>> m.group(‘var‘)
3 ‘abc‘
4 >>> m.group(1)
5 ‘abc‘
6 >>> 

匹配之前以name命名的组里的内容。
演示一下：

1 >>> re.match(‘<(?P<tagname>\\w*)>.*</(?P=tagname)>‘, ‘<h1>xxx</h2>‘)  #这个不匹配
2 >>> re.match(‘<(?P<tagname>\\w*)>.*</(?P=tagname)>‘, ‘<h1>xxx</h1>‘)  #这个匹配
3 <_sre.SRE_Match object; span=(0, 12), match=‘<h1>xxx</h1>‘>
4 >>> 

(?#...)
注释，圆括号里的内容会被忽略。

(?=...)
如果 ... 匹配接下来的字符，才算匹配，但是并不会消耗任何被匹配的字符。例如 Isaac (?=Asimov) 只会匹配后面跟着 ‘Asimov‘ 的 ‘Isaac ‘，这个叫做“前瞻断言”。

(?!...)
和上面的相反，只匹配接下来的字符串不匹配 ... 的串，这叫做“反前瞻断言”。

(?<=...)
只有当当前位置之前的字符串匹配 ... ，整个匹配才有效，这叫“后顾断言”。字符串‘abcdef‘可以匹配正则(?<=abc)def，因为会后向查找3个字符，看是否为abc。所以内置的子RE，需要是固定长度的，比如可以是abc、a|b，但不能是a*、a{3,4}。注意这种RE永远不会匹配到字符串的开头。举个例子，找到连字符（‘-‘）后的单词：

1 >>> m = re.search(‘(?<=-)\\w+‘, ‘spam-egg‘)
2 >>> m.group(0)
3 ‘egg‘

(?<!...)
同理，这个叫做“反后顾断言”，子RE需要固定长度的，含义是前面的字符串不匹配 ... 整个才算匹配。

 

(?(id/name)yes-pattern|no-pattern)
如有由id或者name指定的组存在的话，将会匹配yes-pattern，否则将会匹配no-pattern，通常情况下no-pattern也可以省略。例如：(<)?(\\[email protected]\\w+(?:\\.\\w+)+)(?(1)>)可以匹配 ‘<[email protected]>‘ 和 ‘[email protected]‘，但是不会匹配 ‘<[email protected]‘。

下面列出以‘\\‘开头的特殊序列。如果某个字符没有在下面列出，那么RE的结果会只匹配那个字母本身，比如，\\$只匹配字面意义上的‘$‘。

字符：

　　. 匹配除换行符以外的任意字符
　　\\w 匹配字母或数字或下划线或汉字
　　\\s 匹配任意的空白符
　　\\d 匹配数字
　　\\b 匹配单词的开始或结束
　　^ 匹配字符串的开始
　　$ 匹配字符串的结束

 

次数：

 

　　* 重复零次或更多次
　　+ 重复一次或更多次
　　? 重复零次或一次
　　{n} 重复n次
　　{n,} 重复n次或更多次
　　{n,m} 重复n到m次

 

匹配之搜索

python提供了两种基于正则表达式的操作：匹配（match）从字符串的开始检查字符串是否个正则匹配。而搜索（search）检查字符串任意位置是否有匹配的子串（perl默认就是如此）。
注意，即使search的正则以‘^‘开头，match和search也还是有许多不同的。

1 >>> re.match("c", "abcdef")  # 不匹配
2 >>> re.search("c", "abcdef") # 匹配
3 <_sre.SRE_Match object at ...>

 

模块的属性和方法

 

re.compile(pattern[, flags])
把一个正则表达式pattern编译成正则对象，以便可以用正则对象的match和search方法。
得到的正则对象的行为（也就是模式）可以用flags来指定，值可以由几个下面的值OR得到。
以下两段内容在语法上是等效的：

prog = re.compile(pattern)
result = prog.match(string) 
result = re.match(pattern, string)

区别是，用了re.compile以后，正则对象会得到保留，这样在需要多次运用这个正则对象的时候，效率会有较大的提升。再用上面用过的例子来演示一下，用相同的正则匹配相同的字符串，执行100万次，就体现出compile的效率了（数据来自我的台式电脑英特尔 Core i5-6500 @ 3.20GHz 四核）：

>>> import timeit
>>> timeit.timeit(
        setup="import re; reg = re.compile(‘<(?P<tagname>\\w*)>.*</(?P=tagname)>‘)",
        stmt="reg.match(‘<h1>xxx</h1>‘)",
        number=1000000)
0.3993007156773078
>>> timeit.timeit(
        setup=‘import re‘,
        stmt="re.match(‘<(?P<tagname>\\w*)>.*</(?P=tagname)>‘, ‘<h1>xxx</h1>‘)",
        number=1000000)
0.8457147421697897
>>>

 

re.I
re.IGNORECASE

让正则表达式忽略大小写，这样一来，[A-Z]也可以匹配小写字母了。此特性和locale无关。

 

re.L
re.LOCALE
让\\w、\\W、\\b、\\B、\\s和\\S依赖当前的locale。

re.M
re.MULTILINE
影响‘^‘和‘$‘的行为，指定了以后，‘^‘会增加匹配每行的开始（也就是换行符后的位置）；‘$‘会增加匹配每行的结束（也就是换行符前的位置）。

re.S
re.DOTALL
影响‘.‘的行为，平时‘.‘匹配除换行符以外的所有字符，指定了本标志以后，也可以匹配换行符。

re.U
re.UNICODE
让\\w、\\W、\\b、\\B、\\d、\\D、\\s和\\S依赖Unicode库。

re.X
re.VERBOSE
运用这个标志，你可以写出可读性更好的正则表达式：除了在方括号内的和被反斜杠转义的以外的所有空白字符，都将被忽略，而且每行中，一个正常的井号后的所有字符也被忽略，这样就可以方便地在正则表达式内部写注释了。也就是说，下面两个正则表达式是等效的：

a = re.compile(r"""\\d +  # the integral part
                     \\.    # the decimal point
                    \\d *  # some fractional digits""", re.X)
b = re.compile(r"\\d+\\.\\d*")
re.search(pattern, string[, flags])

扫描string，看是否有个位置可以匹配正则表达式pattern。如果找到了，就返回一个MatchObject的实例，否则返回None，注意这和找到长度为0的子串含义是不一样的。搜索过程受flags的影响。

 

re.match(pattern, string[, flags])

如果字符串string的开头和正则表达式pattern匹配的话，返回一个相应的MatchObject的实例，否则返回None

注意：要在字符串的任意位置搜索的话，需要使用上面的search()。

re.split(pattern, string[, maxsplit=0])

用匹配pattern的子串来分割string，如果pattern里使用了圆括号，那么被pattern匹配到的串也将作为返回值列表的一部分。如果maxsplit不为0，则最多被分割为maxsplit个子串，剩余部分将整个地被返回。

>>> re.split(‘\\W+‘, ‘Words, words, words.‘)
[‘Words‘, ‘words‘, ‘words‘, ‘‘]
>>> re.split(‘(\\W+)‘, ‘Words, words, words.‘)
[‘Words‘, ‘, ‘, ‘words‘, ‘, ‘, ‘words‘, ‘.‘, ‘‘]
>>> re.split(‘\\W+‘, ‘Words, words, words.‘, 1)
[‘Words‘, ‘words, words.‘]

如果正则有圆括号，并且可以匹配到字符串的开始位置的时候，返回值的第一项，会多出一个空字符串。匹配到字符结尾也是同样的道理：

>>> re.split(‘(\\W+)‘, ‘...words, words...‘)
[‘‘, ‘...‘, ‘words‘, ‘, ‘, ‘words‘, ‘...‘, ‘‘]

注意，split不会被零长度的正则所分割，例如：

>>> re.split(‘x*‘, ‘foo‘)
[‘foo‘]
>>> re.split("(?m)^$", "foo\\n\\nbar\\n")
[‘foo\\n\\nbar\\n‘]

re.findall(pattern, string[, flags])

以列表的形式返回string里匹配pattern的不重叠的子串。string会被从左到右依次扫描，返回的列表也是从左到右一次匹配到的。如果pattern里含有组的话，那么会返回匹配到的组的列表；如果pattern里有多个组，那么各组会先组成一个元组，然后返回值将是一个元组的列表。
由于这个函数不会涉及到MatchObject之类的概念，所以，对新手来说，应该是最好理解也最容易使用的一个函数了。下面就此来举几个简单的例子：

#简单的findall
>>> re.findall(‘\\w+‘, ‘hello, world!‘)
[‘hello‘, ‘world‘]
#这个返回的就是元组的列表
>>> re.findall(‘(\\d+)\\.(\\d+)\\.(\\d+)\\.(\\d+)‘, ‘My IP is 192.168.0.2, and your is 192.168.0.3.‘)
[(‘192‘, ‘168‘, ‘0‘, ‘2‘), (‘192‘, ‘168‘, ‘0‘, ‘3‘)]
re. finditer(pattern, string[, flags])

和上面的findall()类似，但返回的是MatchObject的实例的迭代器。
还是例子说明问题：

>>> for m in re.finditer(‘\\w+‘, ‘hello, world!‘):
        print(m.group())

    
hello
world
>>> 

re.sub(pattern, repl, string[, count])

替换，将string里，匹配pattern的部分，用repl替换掉，最多替换count次（剩余的匹配将不做处理），然后返回替换后的字符串。如果string里没有可以匹配pattern的串，将被原封不动地返回。repl可以是一个字符串，也可以是一个函数（也可以参考我以前的例子）。如果repl是个字符串，则其中的反斜杆会被处理过，比如 \\n 会被转成换行符，反斜杆加数字会被替换成相应的组，比如 \\6 表示pattern匹配到的第6个组的内容。
例子：

>>> re.sub(r‘def\\s+([a-zA-Z_][a-zA-Z_0-9]*)\\s*\\(\\s*\\):‘,
            r‘static PyObject*\\npy_\\1(void)\\n{‘,
            ‘def myfunc():‘)
‘static PyObject*\\npy_myfunc(void)\\n{‘

 

如果repl是个函数，每次pattern被匹配到的时候，都会被调用一次，传入一个匹配到的MatchObject对象，需要返回一个字符串，在匹配到的位置，就填入返回的字符串。
例子：

>>> def dashrepl(matchobj):
       if matchobj.group(0) == ‘-‘:
           return ‘ ‘
       else:
           return ‘-‘

    
>>> re.sub(‘-{1,2}‘, dashrepl, ‘pro----gram-files‘)
‘pro--gram files‘
>>> 

零长度的匹配也会被替换，比如：

>>> re.sub(‘x*‘, ‘-‘, ‘abcxxd‘)
‘-a-b-c-d-‘
>>> 

特殊地，在替换字符串里，如果有\\g这样的写法，将匹配正则的命名组（前面介绍过的，(?P...)这样定义出来的东西）。\\g这样的写法，也是数字的组，也就是说，\\g<2>一般和\\2是等效的，但是万一你要在\\2后面紧接着写上字面意义的0，你就不能写成\\20了（因为这代表第20个组），这时候必须写成\\g<2>0，另外，\\g<0>代表匹配到的整个子串。
例子：

>>> re.sub(‘-(\\d+)-‘, ‘-\\g<1>0\\g<0>‘, ‘a-11-b-22-c‘)
‘a-110-11-b-220-22-c‘
>>>