python基础(18):初识模块、re模块

1. 认识模块

常见的场景：一个模块就是一个包含了python定义和声明的文件，文件名就是模块名字加上.py的后缀。

但其实import加载的模块分为四个通用类别：　

1.使用python编写的代码（.py文件）

2.已被编译为共享库或DLL的C或C++扩展

3.包好一组模块的包

4.使用C编写并链接到python解释器的内置模块

为何要使用模块？

如果你退出python解释器然后重新进入，那么你之前定义的函数或者变量都将丢失，因此我们通常将程序写到文件中以便永久保存下来，需要时就通过python test.py方式去执行，此时test.py被称为脚本script。

随着程序的发展，功能越来越多，为了方便管理，我们通常将程序分成一个个的文件，这样做程序的结构更清晰，方便管理。这时我们不仅仅可以把这些文件当做脚本去执行，还可以把他们当做模块来导入到其他的模块中，实现了功能的重复利用。

2. re模块

2.1 导入re模块

在.py文件的开头，输入 import re。

2.2 常用方法

2.2.1 findall

findall : 匹配所有，每一项都是列表中的一个元素

ret = re.findall('\d+','sjkhk172按实际花费928') # 正则表达式,带匹配的字符串,flag
ret = re.findall('\d','sjkhk172按实际花费928') # 正则表达式,带匹配的字符串,flag
print(ret)

2.2.2 search

search : 只匹配从左到右的第一个，得到的不是直接的结果，而是一个变量，通过这个变量的group方法来获取结果。
如果没有匹配到，会返回None，使用group会报错。

ret = re.search('\d+','sjkhk172按实际花费928')
print(ret)  # 内存地址,这是一个正则匹配的结果print(ret.group()) # 通过ret.group()获取真正的结果

ret = re.search('\d','owghabDJLBNdgv')
print(ret)
print(ret.group())

ret = re.search('\d+','sjkhk172按实际花费928')
if ret :   # 内存地址,这是一个正则匹配的结果　　
　　print(ret.group()) # 通过ret.group()获取真正的结果

2.2.3 match

match：从头开始匹配,相当于search中的正则表达式加上一个^。

ret = re.match('\d+','172sjkhk按实际花费928')
print(ret)

2.2.4 字符串处理的扩展

split：切割

s = 'alex|taibai|egon|'
print(s.split('|'))
s = 'alex83taibai40egon25'
ret = re.split('\d+',s)
print(ret)

sub：替换

ret = re.sub('\d+','H','alex83taibai40egon25')
print(ret)
ret = re.sub('\d+','H','alex83taibai40egon25',1) //旧，新，需要替换的，次数
print(ret)

subn：返回一个元组,第二个元素是替换的次数

ret = re.subn('\d+','H','alex83taibai40egon25')
print(ret)

2.3 re模块的进阶：时间/空间

compile 节省你使用正则表达式解决问题的时间。
编译正则表达式，编译成字节码。
在多次使用的过程中，不会多次编译。

ret = re.compile('\d+')   # 已经完成编译了
print(ret)
res = ret.findall('alex83taibai40egon25')
print(res)
res = ret.search('sjkhk172按实际花费928')
print(res.group())

finditer 节省你使用正则表达式解决问题的空间/内存

ret = re.finditer('\d+','alex83taibai40egon25')
for i in ret:　　
　　print(i.group())

2.4 方法总结

findall 返回列表 找所有的匹配项
search  匹配就 返回一个变量,通过group取匹配到的第一个值,不匹配就返回None,group会报错match   相当于search的正则表达式中加了一个'^'

spilt   返回列表,按照正则规则切割,默认匹配到的内容会被切掉sub/subn 替换,按照正则规则去寻找要被替换掉的内容,subn返回元组,第二个值是替换的次数

compile  编译一个正则表达式,用这个结果去search match findall finditer 能够节省时间finditer 返回一个迭代器,所有的结果都在这个迭代器中,需要通过循环+group的形式取值 能够节省内存

2.5 分组的使用

s = '<a>wahaha</a>'  # 标签语言 html 网页
ret = re.search('<(\w+)>(\w+)</(\w+)>',s)
print(ret.group())  # 所有的结果
print(ret.group(1)) # 数字参数代表的是取对应分组中的内容
print(ret.group(2))
print(ret.group(3))

为了findall也可以顺利取到分组中的内容，有一个特殊的语法，就是优先显示分组中的内容。

s = '<a>wahaha</a>'
ret = re.findall('(\w+)',s)
print(ret)
ret = re.findall('>(\w+)<',s)
print(ret)

取消分组优先(?:正则表达式)

ret = re.findall('\d+(\.\d+)?','1.234*4')
print(ret)

ret = re.findall('\d+(?:\.\d+)?','1.234*4')
print(ret)

对于正则表达式来说，有些时候我们需要进行分组，来整体约束某一组字符出现的次数。

(\.[\w]+)?

对于python语言来说，分组可以帮助你更好更精准的找到你真正需要的内容。

<(\w+)>(\w+)</(\w+)>

python 和 正则表达式 之间的特殊的约定。

分组命名：

(?P<这个组的名字>正则表达式)

s = '<a>wahaha</a>'
ret = re.search('>(?P<con>\w+)<',s)
print(ret.group(1))
print(ret.group('con'))

s = '<a>wahaha</a>'
pattern = '<(\w+)>(\w+)</(\w+)>'
ret = re.search(pattern,s)
print(ret.group(1) == ret.group(3))

使用前面的分组,要求使用这个名字的分组和前面同名分组中的内容匹配的必须一致

pattern = '<(?P<tab>\w+)>(\w+)</(?P=tab)>'
ret = re.search(pattern,s)
print(ret)