Python常用模块
Posted WuSir_ZJ
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python常用模块相关的知识,希望对你有一定的参考价值。
re模块
正则表达式
正则表达式不仅在python领域,在整个编程届都占有举足轻重的地位。不管以后是不是做python开发,只要你是一个程序员就应该了解正则表达式的基本使用。如果未来你要在爬虫领域发展,你就更应该好好学习这方面的知识。但是,re模块本质上和正则表达式没有一毛钱的关系。re模块和正则表达式的关系 类似于 time模块和时间的关系,没有学习python之前,你不知道有一个time模块,但是你已经认识时间了 12:30就表示中午十二点半。时间有自己的格式,年月日时分秒,12个月,365天......已经成为了一种规则。你也早就牢记于心了。time模块只不过是python提供给我们的可以方便我们操作时间的一个工具而已。正则表达式本身也和python没有什么关系,就是匹配字符串内容的一种规则。
字符组
字符组 : [字符组]
在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
字符分为很多类,比如数字、字母、标点等等。
假如你现在要求一个位置"只能出现一个数字",那么这个位置上的字符只能是0、1、2...9这10个数之一。
正则 |
待匹配字符 |
匹配 |
说明 |
[0123456789] |
8 |
True |
在一个字符组里枚举合法的所有字符,字符组里的任意一个字符 |
[0123456789] |
a |
False |
由于字符组中没有"a"字符,所以不能匹配 |
[0-9] |
7 |
True |
也可以用-表示范围,[0-9]就和[0123456789]是一个意思 |
[a-z] |
s |
True |
同样的如果要匹配所有的小写字母,直接用[a-z]就可以表示 |
[A-Z] |
B |
True |
[A-Z]就表示所有的大写字母 |
[0-9a-fA-F] |
e |
True |
可以匹配数字,大小写形式的a~f,用来验证十六进制字符 |
字符
元字符 |
匹配内容 |
. | 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 |
s | 匹配任意的空白符 |
d | 匹配数字 |
匹配一个换行符 | |
匹配一个制表符 | |
匹配一个单词的结尾 | |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结尾 |
W |
匹配非字母或数字或下划线 |
D |
匹配非数字
|
S |
匹配非空白符
|
a|b |
匹配字符a或字符b |
() |
匹配括号内的表达式,也表示一个组 |
[...] |
匹配字符组中的字符 |
[^...] |
匹配除了字符组中字符的所有字符 |
量词
量词 |
用法说明 |
* | 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 |
.^$
正则 | 待匹配字符 | 匹配 结果 |
说明 |
熊. | 熊大熊二熊三 |
熊大 熊二 熊三 |
匹配所有"熊."的字符 |
^熊. | 熊大熊二熊三 | 熊大 | 只从开头匹配"熊." |
熊.$ | 熊大熊二熊三 | 熊三 | 只匹配结尾的"熊.$" |
*+?{}
正则 | 待匹配字符 | 匹配 结果 |
说明 |
熊.? | 熊大和熊二和熊老三 |
熊大 熊二 熊老 |
?表示重复零次或一次,即只匹配"熊"后面一个任意字符 |
熊.* | 熊大和熊二和熊老三 | 熊大和熊二和熊老三 |
*表示重复零次或多次,即匹配"熊"后面0或多个任意字符 |
熊.+ | 熊大和熊二和熊老三 | 熊大和熊二和熊老三 |
+表示重复一次或多次,即只匹配"熊"后面1个或多个任意字符 |
熊.{1,2} | 熊大和熊二和熊老三 |
熊大和 |
{1,2}匹配1到2次任意字符 |
注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
正则 | 待匹配字符 | 匹配 结果 |
说明 |
熊.*? | 熊大和熊二和熊老三 |
熊 熊 熊 |
惰性匹配 |
字符集 [] [^]
正则 | 待匹配字符 | 匹配 结果 |
说明 |
熊[大二老三]* | 熊大和熊二和熊老三 |
熊大 熊二 熊老三 |
表示匹配"熊"字后面[大二老三]的字符任意次
|
熊[^和]* | 熊大和熊二和熊老三 |
熊大 熊二 熊老三 |
表示匹配一个不是"和"的字符任意次 |
[d] | 456bdha3 |
4 |
表示匹配任意一个数字,匹配到4个结果 |
[d]+ | 456bdha3 |
456 |
表示匹配任意个数字,匹配到2个结果 |
分组 () 与或 | [^]
身份证号码是一个长度为15或18个字符的字符串,如果是15位则全部由数字组成,首位不能为0;如果是18位,则前17位全部是数字,末位可能是数字或x,下面我们尝试用正则来表示:
正则 | 待匹配字符 | 匹配 结果 |
说明 |
^[1-9]d{13,16}[0-9x]$ | 110101198001017032 |
110101198001017032 |
可以匹配但是有问题 |
^[1-9]d{13,16}[0-9x]$ | 1101011980010170 |
1101011980010170 |
表示也可以匹配这串数字,但这并不是一个正确的身份证号码,它是一个16位的数字 |
^[1-9]d{14}(d{2}[0-9x])?$ | 1101011980010170 |
False |
现在不会匹配错误的身份证号了 |
^([1-9]d{16}[0-9x]|[1-9]d{14})$ | 110105199812067023 |
110105199812067023 |
表示先匹配[1-9]d{16}[0-9x]如果没有匹配上就匹配[1-9]d{14} |
转义符
在正则表达式中,有很多有特殊意义的是元字符,比如 和s等,如果要在正则中匹配正常的" "而不是"换行符"就需要对""进行转义,变成‘\‘。
在python中,无论是正则表达式,还是待匹配的内容,都是以字符串的形式出现的,在字符串中也有特殊的含义,本身还需要转义。所以如果匹配一次" ",字符串中要写成‘\n‘,那么正则里就要写成"\\n",这样就太麻烦了。这个时候我们就用到了r‘ ‘这个概念,此时的正则是r‘\n‘就可以了。
正则 | 待匹配字符 | 匹配 结果 |
说明 |
False |
因为在正则表达式中是有特殊意义的字符,所以要匹配 本身,用表达式 无法匹配 |
||
\n | True |
转义之后变成\,即可匹配 |
|
"\\n" | ‘\n‘ | True |
如果在python中,字符串中的‘‘也需要转义,所以每一个字符串‘‘又需要转义一次 |
r‘\n‘ | r‘ ‘ | True |
在字符串之前加r,让整个字符串不转义 |
贪婪匹配
贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
正则 | 待匹配字符 | 匹配 结果 |
说明 |
<.*> |
<script>...<script> |
<script>...<script> |
默认为贪婪匹配模式,会匹配尽量长的字符串 |
<.*?> | r‘d‘ |
<script> |
加上?为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串 |
几个常用的非贪婪匹配Pattern
*? 重复任意次,但尽可能少重复 +? 重复1次或更多次,但尽可能少重复 ?? 重复0次或1次,但尽可能少重复 {n,m}? 重复n到m次,但尽可能少重复 {n,}? 重复n次以上,但尽可能少重复
.*?的用法
. 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符,一般不会这么单独写,他大多用在: .*?x 就是取前面任意长度的字符,直到一个x出现
Python中re模块下的常用方法
import re ret = re.findall(‘a‘, ‘eva egon yuan‘) # 返回所有满足匹配条件的结果,放在列表里 print(ret) #结果 : [‘a‘, ‘a‘] ret = re.search(‘a‘, ‘eva egon yuan‘).group() print(ret) #结果 : ‘a‘ # 函数会在字符串内查找模式匹配,只到找到第一个匹配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。 ret = re.match(‘a‘, ‘abc‘).group() # 同search,不过尽在字符串开始处进行匹配 print(ret) #结果 : ‘a‘ ret = re.split(‘[ab]‘, ‘abcd‘) # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割 print(ret) # [‘‘, ‘‘, ‘cd‘] ret = re.sub(‘d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#将数字替换成‘H‘,参数1表示只替换1个 print(ret) #evaHegon4yuan4 ret = re.subn(‘d‘, ‘H‘, ‘eva3egon4yuan4‘)#将数字替换成‘H‘,返回元组(替换的结果,替换了多少次) print(ret) obj = re.compile(‘d{3}‘) #将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字 ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search,参数为待匹配的字符串 print(ret.group()) #结果 : 123 import re ret = re.finditer(‘d‘, ‘ds3sy4784a‘) #finditer返回一个存放匹配结果的迭代器 print(ret) # <callable_iterator object at 0x10195f940> print(next(ret).group()) #查看第一个结果 print(next(ret).group()) #查看第二个结果 print([i.group() for i in ret]) #查看剩余的左右结果
注意:
1 findall的优先级查询
import re ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘) print(ret) # [‘oldboy‘] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘) print(ret) # [‘www.oldboy.com‘]
2 split的优先级查询
ret=re.split("d+","eva3egon4yuan") print(ret) #结果 : [‘eva‘, ‘egon‘, ‘yuan‘] ret=re.split("(d+)","eva3egon4yuan") print(ret) #结果 : [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘] #在匹配部分加上()之后所切出的结果是不同的, #没有()的没有保留所匹配的项,但是有()的却能够保留了匹配的项, #这个在某些需要保留匹配部分的使用过程是非常重要的。
以上是关于Python常用模块的主要内容,如果未能解决你的问题,请参考以下文章