認識模塊
什麼是模塊
一個模塊就是一個包含了Python定義和聲明的文件,文件名就是模塊名字加上.py 的後綴。
import 加載的模塊分爲四個通用類別:
1. 使用Python編寫的代碼(.py文件)
2. 已被編譯爲共享庫或DLL的C或C++的擴展
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
爲什麼要使用模塊?
如果退出python解釋器然後重新進入,那麼你之前定義的函數或者變量都將丟失,因此我們通常將程序寫到文件中以便永久保存下來,需要是就通過python test.py方式去執行,此時test.py被稱爲腳本。
隨着程序的發展,功能越來越多,爲了方便管理,我們通常將程序分成一個個的文件,這樣做程序的結構更清晰,方便管理。這時我們不僅可以把這些文件當做腳本去執行,還可以把他們當做模塊來導入到其他模塊中,實現了功能的重複利用。
模塊的導入和使用
常用模塊一
collections模塊
在內置數據類型(dict、tuple、list、set)的基礎上,collections模塊還提供了幾個額外的數據類型:Counter、deque、defaultdict、namedtuple和OrderedDict等。
1. namedtuple:生成可以用名字來訪問元素內容的tuple
2. deque:雙端隊列,可以快速的從另外一側追加和推出對象。
3. Counter:計數器,主要用於計數
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,一個點的二維座標就可以表示成:
p = (1,2)
但是,看到(1,2),很難看出這個tuple是用來表示一個座標的。
這時,namedtuple就派上了用場
from collections import namedtuple
point = namedtuple('point',['x','y'])
p = point(1,2)
print(p.x)
print(p.y)
類似的,如果要用座標和半徑表示一個圓,也可以用namedtuple定義
#namedtuple('名稱',[屬性list])
Circle = namedtuple('Circle',['x','y','r'])
deque
使用list存儲數據時,按索引方向訪問元素很快,但是插入和刪除元素就很慢了,因爲list是線性存儲,數據量大的時候,插入和刪除效率很低。
deque是爲了高效實現插入和刪除操作的雙相列表,適合於隊列和棧:
from collections import deque
q = deque(['a','b','c'])
q.append('x')
q.appendleft('y')
print(q) #執行結果:deque(['y', 'a', 'b', 'c', 'x'])
deque除了實現list的append()和pop()外還支持appendleft()和popleft(),這樣就可以非常高效的往頭部添加或刪除元素。
OderedDict
使用dict時,Key是無序的,在對dict做迭代時,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 = dict([('a',1),('b',2),('c',3)])
print(d) #執行結果:{'a': 1, 'c': 3, 'b': 2}
od = OrderedDict([('a',1),('b',2),('c',3)])
print(od) #執行結果:OrderedDict([('a', 1), ('b', 2), ('c', 3)])
注意,OrderedDict會按照插入的順序排列,不是key本身排序:
from collections import OrderedDict
odd = OrderedDict()
odd['z'] = 1
odd['y'] = 2
odd['x'] = 3
print(odd.keys())#按照插入key的順序返回-->odict_keys(['z', 'y', 'x'])
Defaultdict
有如下集合[11,22,33,44,55,66,77,88,99,90...],將所有大於66的值保存至字典的第一個key中,將小於66得知保存至第二個key的值中。
即:{‘k1’:大於66,‘k2’:小於66}
from collections import defaultdict
values = [11,22,33,44,55,66,77,88,99,90]
my_dict = defaultdict(list)
for value in values:
if value>66:
my_dict['k1'].append(value)
else:
my_dict['k2'].append(value)
print(my_dict) #defaultdict(<class 'list'>, {'k2': [11, 22, 33, 44, 55, 66], 'k1': [77, 88, 99, 90]})
使用dict時,如果key不存在,就會拋出KeyError.如果希望key不存在時,返回一個默認值,就可以用defaultdict
d1 = defaultdict(lambda: 'N/A')
d1['key1'] = 'abc'
print(d1['key1']) #key1存在,返回abc
print(d1['key2']) #key2不存在,返回默認值:N/A
Counter
Counter類的目的是用來追蹤值出現的次數。它是一個無序的容器類型,以字典的餓鍵值對形式存儲,其中元素作爲key,其計數作爲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('ahsdjahsjdhwyeaehjd')
print(c)
#打印結果:Counter({'h': 4, 'j': 3, 'a': 3, 'd': 3, 'e': 2, 's': 2, 'y': 1, 'w': 1})
時間模塊
與時間有關的就要用到時間模塊。
常用方法:
1. time.sleep(secs)
(線程)推遲指定的時間運行,單位爲秒
2.time.time()
獲取當前時間戳
表示時間的三種方式
在python中,通常有這三種方式表示時間:時間戳、元組(struct_time)、格式化的時間字符串:
- 時間戳(timestamp):通常來說,時間戳表示的是從1970年1月1日00:00:00開始按秒計算的偏移量。我們運行“type(time.time())”返回的是float類型
- 格式化的時間字符串(Format String): ‘1990-11-15’
%y 兩位數的年份表示
%Y 四位數的年份表示
%m 月份(01-12)
%d 月內中的一天(0-31)
%H 24小時制小時數(0-23)
%I 12小時制小時數(01-12)
%M 分鐘數(00-59)
%S 秒(00-59)
%a 本地簡化星期名稱
%A 本地完整星期名稱
%b 本地簡化的月份名稱
%B 本地完整的月份名稱
%c 本地相應的日期表示和時間表示
%j 年內的一天(011-365)
%p 本地A.M或P.M的等價符
%U 一年中的星期數(00-53)星期天爲星期的開始
%w 星期(0-6),星期天爲星期的開始
%W 一年中的星期數(00-53)星期一爲星期的開始
%x 本地相應的日期表示
%X 本地相應的時間表示
%Z 當前時區的名稱
%% %本身
- 元組(struct_time):struct_time元組共有9個元素:(年,月,日,時,分,秒,一年中第幾周,一年中第幾天等)
索引(Index) | 屬性(Attribute) | 值(Values) |
---|---|---|
0 | tm_year(年) | 比如2011 |
1 | tm_mon(月) | 1-12 |
2 | tm_mday(日) | 1-31 |
3 | tm_hour(時) | 0-23 |
4 | tm_min(分) | 0-59 |
5 | tm_sec(秒) | 0-60 |
6 | tm_wday(weekday) | 0-6(0表示週一) |
7 | tm_yday(一年中的第幾天) | 1-366 |
8 | tm_isdst(是否是夏令時) | 默認爲0 |
實例:
import time
#時間戳
# print(time.time()) #執行結果:1530597152.4538252
#
# #時間字符串
# print(time.strftime("%y-%m-%d %X")) #執行結果:18-07-03 13:53:50
# print(time.strftime("%Y-%m-%d %H:%M:%S")) #執行結果:2018-07-03 13:55:12
#時間元組:localtime將一個時間戳轉換爲當前時區的struct_time
小結:時間戳是計算機能夠識別的時間;時間字符串是人能夠看懂的時間;元組則是用來操作時間的
幾種格式之間的轉換
#時間戳-->結構化時間
#time.gmtime(時間戳) #UTC時間,與英國倫敦當地時間一致
#time.localtime(時間戳) #當地時間。例如我們現在正在北京執行這個方法:與UTC時間相差8小時,UTC時間+8小時 = 北京時間
print(time.gmtime(150000000))
#執行結果:time.struct_time(tm_year=1974, tm_mon=10, tm_mday=3, tm_hour=2, tm_min=40, tm_sec=0, tm_wday=3,
tm_yday=276, tm_isdst=0)
print(time.localtime(150000000))
#執行結果:time.struct_time(tm_year=1974, tm_mon=10, tm_mday=3, tm_hour=10, tm_min=40, tm_sec=0, tm_wday=3,
tm_yday=276, tm_isdst=0)
#結構化時間-->時間戳
#time.mktime(結構化時間)
time_tuple = time.localtime(150000000)
print(time.mktime(time_tuple))
#執行結果:150000000.0
#結構化時間-->字符串時間
#time.strftime("格式定義","結構化時間") 結構化時間參數若不傳,則實現當前時間
print(time.strftime("%Y-%m-%d %X")) #2018-07-03 14:49:57
print(time.strftime("%Y-%m-%d",time.localtime(1500000000))) #2017-07-14
#字符串時間 -->結構化時間
print(time.strptime("2017-3-16","%Y-%m-%d"))
#執行結果:time.struct_time(tm_year=2017, tm_mon=3, tm_mday=16, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=3,
tm_yday=75, tm_isdst=-1)
print(time.strptime("07/03/2017","%m/%d/%Y"))
#執行結果:time.struct_time(tm_year=2017, tm_mon=7, tm_mday=3, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=0,
tm_yday=184, tm_isdst=-1)
#結構化時間 --> %a %b %d %H:%M:%S %Y 串
#time.asctime(結構化時間) 如果不傳參數,直接返回當前時間的格式化串
import time
print(time.asctime(time.localtime(1500000000)))
#執行結果:Fri Jul 14 10:40:00 2017
print(time.asctime())
#執行結果:Wed Jul 4 09:21:53 2018
#時間戳 --> %a %b %d %H:%M:%S %Y 串
#time.ctime(時間戳) 如果不傳參數,直接返回當前時間的格式化串
print(time.ctime())
#執行結果:Wed Jul 4 09:23:48 2018
print(time.ctime(1500000000))
#執行結果:Fri Jul 14 10:40:00 2017
計算時間差:import time
true_time = time.mktime(time.strptime('2017-09-20 09:00:03','%Y-%m-%d %H:%M:%S'))
time_now = time.mktime(time.strptime('2018-07-03 15:00:03','%Y-%m-%d %H:%M:%S'))
dif_time = time_now - true_time
struct_time = time.gmtime(dif_time)
print('過去了%d年%d月%d天%d小時%d分鐘%d秒'%(struct_time.tm_year-1970,struct_time.tm_mon-1,
struct_time.tm_mday-1,struct_time.tm_hour,struct_time.tm_min,struct_time.tm_sec))
#打印結果:過去了0年9月13天6小時0分鐘0秒
random模塊
- 取隨機小數
#大於0且小於1之間的整數
print(random.random()) #0.4391279705536437
#大於1小於3的小數
print(random.uniform(1,3)) #1.8060052925154961
- 取隨機整數
#取大於等於1且小於等於5之間的整數
print(random.randint(1,5)) #3
#取大於等於1且小於10之間的奇數
print(random.randrange(1,10,2)) #5
- 隨機選擇一個返回
#1或者23或者[4,5]
print(random.choice([1,'23',[4,5]])) #[4, 5]
- 隨機選擇多個返回,返回的個數爲函數的第二個參數
#列表元素任意兩個組合
print(random.sample([1,'23',[4,5]],2)) #['23', 1]
- 打亂列表順序
item = [1,3,5,7,9]
random.shuffle(item)
print(item) #[7, 3, 9, 5, 1]
- 練習:生成隨機驗證碼
import random
def v_code():
code = ''
for i in range(5):
num = random.randint(0,9)
alf = chr(random.randint(65,90))
add = random.choice([num,alf])
code = "".join([code,str(add)])
return code
print(v_code())
os模塊
OS模塊是與操作系統交互的一個接口
import os
'''
os.getcwd() 獲取當前工作目錄,即當前腳本工作的目錄路徑
os.chdir("dirname") 改變當前腳本工作目錄;相當於shell下的cd
os.curdir 返回當前目錄:('.')
os.pardir 獲取當前目錄的父目錄字符串名:('..')
os.makedirs('dirname1/dirname2') 可生成多層遞歸目錄
os.removedirs('dirname1') 若目錄爲空,則刪除,並遞歸到上一級目錄,如若也爲空,則刪除,以此類推
os.mkdir('dirname') 生成單級目錄;
os.rmdir('dirname') 刪除單級空目錄,若目錄不爲空則無法刪除,報錯
os.listdir('dirname') 列出指定目錄下的所有文件和子目錄,包括隱藏文件,並以列表方式打印
os.remove() 刪除一個文件
os.rename("oldname","newname") 重命名文件/目錄
os.stat("path/filename") 獲取文件/目錄信息
os.sep 輸出操作系統特定的路徑分隔符,windows下爲"\\",Linux下爲"/"
os.linesep 輸出當前平臺使用的行終止符,windows下爲"\t\n",Linux下爲"\n"
os.pathsep 輸出用於分割文件路徑的字符串 windows下爲;Linux下爲:
os.name 輸出字符串指示當前使用平臺。win->nt Linux -> posix
os.system("bash command") 運行shell命令,直接顯示
os.popen("bash command").read() 運行shell命令,獲取執行結果
os.environ 獲取系統環境變量
os.path
os.path.abspath(path) 返回path規範化的絕對路徑 os.path.split(path) 將path分割成目錄和文件名二元組返回
os.path.dirname(path) 返回path的目錄,其實就是os.path.split(path)的第一個元素 os.path.basename(path)返回path最後的文件名。
如果path以/或\結尾,那麼就會返回空值。即os.path.split(path)的第二個元素
os.path.exists(path) 如果path 存在則返回true,如果path不存在,返回False
os.path.isabs(path) 如果path是絕對路徑,則返回True
os.path.isfile(path) 如果path是一個存在的文件,返回True,否則返回False
os.path.isdir(path) 如果path是一個存在的目錄,則返回True,否則返回False
os.path.join(path1[,path2[,...]]) 將多個路徑組合後返回,第一個絕對路徑之前的參數將被忽略
os.path.getatime(filename) 返回path所指向的文件或者目錄的最後訪問時間
os.path.getmtime(filename) 返回path所指向的文件或目錄的最後修改時間
os.path.getsize(path) 返回path的大小
'''
注意:os.stat('path/filename')獲取文件/目錄信息的結構說明
stat 結構:
st_mode: inode 保護模式
st_ino: inode 節點號
st_dev: inode 駐留的設備
st_nlink: inode 的鏈接數
st_uid: 所有者的用戶ID
st_gid: 所有者的組ID
st_size: 普通文件以字節爲單位的大小;包含等待某些特殊文件的數據
st_atime: 上次訪問的時間
st_mtime: 最後一次修改的時間
st_ctime: 由操作系統報告的"ctime".在某些系統上(如Unix)是最新的元數據更改的時間,在其他系統上(如Windows)是創建時間
sys模塊
sys模塊是與python解釋器交互的一個接口
'''
sys.argv 命令行參數List,第一個元素是程序本身路徑
sys.exit(n) 退出程序,正常退出時exit(0),錯誤退出sys.exit(1)
sys.version 獲取python解釋程序的版本信息
sys.path 返回模塊的搜索路徑,初始化時使用PYTHONPATH環境變量的值
sys.platform 返回操作系統的平臺名稱
''‘
異常處理和status
import sys
try:
sys.exit(1)
except SystemExit as e:
print(e)
序列化模塊
什麼是序列化--將原本的字典、列表等內容轉換成字符串的過程就叫序列化
爲什麼要有序列化:
比如,我們在Python代碼中計算一個數據需要給另外一段程序使用,那我們怎麼給?
現在我們能想到的方法就是存在文件裏,然後另一個Python程序再從文件裏讀出來。
但是我們知道,對於文件來說是沒有字典這個概念的,所以我們只能將數據轉換成字典放到文件中。
你一定會問,將字典轉換成字符串很簡單,就是str(dic)就可以辦到了,爲什麼我們還要學習序列化模塊呢?
沒錯,序列化模塊的過程就是從dic變爲str(dic)的過程,現在你可以通過str(dic),將一個名爲dic的字典轉換成一個字符串,但是你要怎麼把一個字符串轉換成字典呢?
聰明的你肯定想到了eval(),如果我們將字符串類型的字典str_dic傳給eval,就會得到一個返回的字典類型了
eval()函數十分強大,但是eval是做什麼的?eval官方demo解釋爲:將字符串str當成有效的表達式來求值並返回計算結果。
BUT!強大的函數有代價。安全性是其最大的缺點
想象一下,如果我們從文件中讀出的不是一個數據結構,而是一句“刪除文件”類似的破壞性語句,那麼後果實在不堪設想。而使用eval就要擔這個風險。所以我們並不推薦使用eval方法來進行反序列化操作(將str轉換成python中的數據結構)
序列化的目的
- 以某種存儲形式使自定義對象持久化;
- 將對象從一個地方傳遞到另一個地方
- 使程序更具維護性
json 數據解析
json模塊提供了四個功能:dumps、dump、loads、load
json.dumps() --將Python對象編碼成JSON字符串
語法:
json.dumps(obj, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, encoding="utf-8", default=None, sort_keys=False, **kw)
json.loads() --將已編碼的JSON字符串解碼爲Python對象
語法:
json.loads(s, encoding=None, cls=None, object_hook=None, parse_float=None,
parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)
Python 編碼爲 JSON 類型轉換對應表:
Python | JSON |
---|---|
dict | object |
list, tuple | array |
str | string |
int, float, int- & float-derived Enums | number |
True | true |
False | false |
None | null |
JSON 解碼爲 Python 類型轉換對應表:
JSON | Python |
---|---|
object | dict |
array | list |
string | str |
number (int) | int |
number (real) | float |
true | True |
false | False |
null | None |
實例
loads和dumps實例
import json
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = json.dumps(dic) #序列化,將一個字典轉換成一個字符串
print(type(str_dic),str_dic) #<class 'str'> {"k1": "v1", "k2": "v2", "k3": "v3"}
#注意:json轉換完的字符串類型的字典中的字符串是由""表示的
dic = json.loads(str_dic) #反序列化,將一個字符串格式的字典轉換成一個字典
#注意,要使用json的loads功能處理的字符串類型的字典中的字符串必須由""表示
print(type(dic),dic) #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
如果你要處理的是文件而不是字符串,可以使用json.dump()和json.load()來編碼和解碼JSON數據。
f = open('jsonfile','w')
dic = {'k1':'v1','k2':'v2','k3':'v3'}
json.dump(dic,f) #dump方法接收一個文件句柄,直接將字典轉換成json字符串寫入文件
f.close()
新建jsonfile名稱的文件,寫入:dic = {'k1':'v1','k2':'v2','k3':'v3'}
f = open('jsonfile')
dic2 = json.load(f) #load方法接收一個文件句柄,直接將文件中的json字符串轉換成數據結構返回
f.close()
print(type(dic2),dic2)
# 執行結果:<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
ensure_ascii 關鍵字參數
由於在使用pyhton.dumps序列化時,對中文默認使用ascii編碼,例如:
import json
print(json.dumps('中國'))
#打印結果:"\u4e2d\u56fd"
所以如果想輸出真正的中文字符,需要指定ensure_ascii=False:
print(json.dumps('英國',ensure_ascii=False)) #打印結果:"英國"
其他參數說明
skipkeys:默認值是False,如果dict和keys內的數據不是Python的基本類型(str、Unicode、int、long、float、bool、None),設置爲False時,會報TypeError的錯誤。此時設置成True,則會跳過這類key
ensure_ascii: 當它爲True的時候,所有非ascii碼字符顯示爲\uXXXX序列,只需在dump時將ensure_ascii設置成False即可,此時存入json的中文即可正常顯示
indent: 應該是一個非負的整型,如果是0就頂格分行顯示,如果爲空就是一行最緊湊顯示,否則會換行且按照indent的數值顯示前面的空白分行顯示,這樣打印出來的json數據也叫pretty-printed json
seperators: 分隔符,實際上是(item_seperator,dict_seperator)的一個元組,默認的就是(',' , ':');這表示dictionary內keys之間用“,”隔開,而key和value之間用":"隔開。
sort_keys:將數據根據Keys的值進行排序。
json的格式化輸出
data = {'username':['李華','二愣子'],'sex':'male','age':16}
json_dic2 = json.dumps(data,sort_keys=True,indent = 4, separators = (',',':'),ensure_ascii= False)
print(json_dic2)
'''
執行結果:
{
"age":16,
"sex":"male",
"username":[
"李華",
"二愣子"
]
}
'''
pickle
pickle 和json 都有dumps,dump,loads,load四種方法,而且用法一樣。
不同的是json序列化出來的是通用格式,其他編程語言都認識,就是普通的字符串,
而pickle模塊序列化出來的只有python可以識別,其他編程語言不認識,表現爲亂碼
不過pickle可以序列化函數,可以把python中任意的數據類型序列化。
import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)
#執行結果:一串二進制字符
'''b'\x80\x03}q\x00(X\x02\x00\x00\x00k1q\x01X\x02\
x00\x00\x00v1q\x02X\x02\x00\x00\x00k2q\x03X\x02\
x00\x00\x00v2q\x04X\x02\x00\x00\x00k3q\x05X\x02\
x00\x00\x00v3q\x06u.'''''
dic2 = pickle.loads(str_dic)
print(dic2)
# 輸出:{'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
import time
struct_time = time.localtime(1000000000)
print(struct_time)
f = open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()
f = open('pickle_file','rb')
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)
#輸出:
'''time.struct_time(tm_year=2001, tm_mon=9, tm_mday=9, tm_hour=9, tm_min=46, tm_sec=40, tm_wday=6, tm_yday=252, tm_isdst=0)
2001'''
shelve
shelve 也是python提供給我們的序列化工具,比pickle用起來更簡單一些。
shelve只提供給我們一個open方法,是用key來訪問的,使用起來和字典類似
import shelve
f = shelve.open('shelve_file')
f['key'] = {'int':10,'float':9.5,'string':'sample data'} #直接對文件句柄進行操作,就可以存入數據
f.close()
f1 = shelve.open('shelve_file')
existing = f1['key'] #取出數據的時候也只需要直接用key獲取即可,但是如果key不存在會報錯
f1.close()
print(existing)
#{'int': 10, 'float': 9.5, 'string': 'sample data'}
這個模塊有個限制,它不支持多個應用同一時間往同一個DB裏進行寫操作。所以當我們知道我們的應用如果只進行讀操作,我們可以讓shelve通過只讀方式打開DB
import shelve
f2 = shelve.open('shelve_file', flag= 'r')
existing = f2['key']
f2.close()
print(existing)
#{'int': 10, 'float': 9.5, 'string': 'sample data'}
由於shelve在默認情況下是不會記錄待持久化對象的任何修改的,所以我們在shelve.open()時候需要修改默認參數,否則對象的修改不會保存。
import shelve
f1 = shelve.open('shelve_file')
print(f1['key'])
f1['key']['new_value'] = 'this was not here before'
f1.close()
f2 = shelve.open('shelve_file', writeback= True)
print(f2['key'])
f2['key']['new_value'] = 'this was not here before'
f2.close()
#打印結果:
{'int': 10, 'float': 9.5, 'string': 'sample data'}
{'int': 10, 'float': 9.5, 'string': 'sample data'}
writeback方式有優點也有缺點,優點是減少了我們出錯的概率,並且讓對象的持久化對用戶更加的透明瞭;但這種方式並不是所有的情況下都需要,首先,使用writeback以後,shelve在open()的時候會增加額外的內存消耗,並且當DB在close的時候會將緩存中的每一個對象都寫入DB,這也會帶來額外的等待時間。因爲shelve沒有辦法知道緩存中哪些對象修改了,哪些對象沒有修改,因此所有的對象都會被寫入。re模塊和正則表達式
學習這個之前先舉個例子:註冊頁面讓用戶輸入手機號,那麼如何判斷手機號是合法的呢?
兩種方法:
while True:
phone_number = input('please enter your phone number:')
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('16')):
print('註冊成功')
else:
print('請輸入正確的手機號')
import re
phone_number = input('please input your phone number:')
if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):
print('註冊成功')
else:
print('請輸入正確的手機號')
正則表達式本身和python沒什麼關係,就是匹配字符串內容的一種規則。
官方定義:正則表達式是對字符串操作的一種邏輯公式,就是用事先定義好的一些特定字符、及這些特定字符的組合,組成一個“規則字符串”,這個“規則字符串”用來表來對字符串的一種過濾邏輯。
正則表達式
在線測試工具:http://tool.chinaz.com/regex/
談到正則,就只和字符串相關了。
所以需要考慮的是在同一個位置上可以出現的字符的範圍。
字符組
此處需要注意的是,一個字符組只代表一個字符。例如[0-9]只代表0-9這幾個數中的一個數。
在同一個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
字符分爲很多類,比如數字、字母、標點等等。
例如你現在要求一個位置“只能出現一個數字",那麼這個位置上的字符只能是0-9這10個數之一。
正則 | 待匹配字符 | 匹配結果 | 說明 |
[0123456789] | 8 | True | 在一個字符組裏枚舉合法的所有字符,字符組裏的任意一個字符和”待匹配字符“相同都 |
[0123456789] | a | False | 由於字符組中沒有”a"字符,所以不能匹配 |
[0-9] | 7 | True | 也可以用-表示範圍,[0-9]就和 |
[a-z] | s | True | 同樣要匹配所有的小寫字母,直接用[a-z]就可以表示 |
[A-Z] | B | True | [A-Z]就表示所有的大寫字母 |
[0-9a-fA-F] | e | True | 可以匹配數字、大小寫形式的a-f,用來驗證十六進制字符 |
元字符 | 匹配內容 |
. | 匹配除換行符以外的任意字符 |
\w | 匹配字母或數字或下劃線 |
\s | 匹配任意的空白符 |
\d | 匹配數字 |
\n | 匹配一個換行符 |
\t | 匹配一個製表符 |
\b | 匹配一個單詞的結尾 |
^ | 匹配字符串的開始 |
$ | 匹配字符串的結尾 |
\W | 匹配非字母或數字或下劃線 |
\D | 匹配非數字 |
\S | 匹配非空白符 |
a|b | 匹配字符a 或 字符b |
() | 匹配括號內的表達式,也表示一個組 |
[...] | 匹配字符組中的字符 |
[^...] | 匹配除了字符組中字符的所有字符 |
貪婪匹配:正則表達式中的所有量詞,都會盡量多的匹配,例如+表示匹配一次或多次,
量詞 | 用法說明 |
* | 重複0次或更多次,如果待匹配的字符爲空,也會顯示匹配到一條結果 |
+ | 重複一次或更多次 |
? | 重複零次或一次 |
{n} | 重複n次 |
{n,} | 重複n次或更多次 |
{n,m} | 重複n到m次 |
. ^ $
正則 | 待匹配字符 | 匹配結果 | 說明 |
海 | 海燕海嬌海東 | 海燕海嬌海東 | 匹配所有“海.”的字符 |
^海 | 海燕海嬌海東 | 海燕 | 只從開頭匹配“海.” |
海.$ | 海燕海嬌海東 | 海東 | 只匹配結尾的“海.$" |
* + ? { }
正則 | 待匹配字符 | 匹配結果 | 說明 |
李.? | 李傑和李蓮英和李二棍子 | 李傑 李蓮 李二 | ?表示重複零次或一次,即只匹配”李“後面一個任意字符 |
李.* | 李傑和李蓮英和李二棍子 | 李傑和李蓮英和李二棍子 | *表示重複零次或多次,即匹配”李“後面零個或多個任意字符 |
李.{1,2} | 李傑和李蓮英和李二棍子 | 李傑和李蓮英和李二棍子 | +表示重複一次或多次,即只匹配”李“後面一個或多個任意字符 |
李.{1,2} | 李傑和李蓮英和李二棍子 | 李傑和 李蓮英 李二棍 | {1,2}匹配1到2次任意字符 |
注意:前面的*,+,?等都是貪婪匹配,也就是儘可能匹配,後面加?號使其變成惰性匹配。?號寫在字符組後面表示匹配零次或多次,?號寫在兩次後面,會盡量少匹配,例如\d{3,5}?,表示最多匹配3次。
正則 | 待匹配字符 | 匹配結果 | 說明 |
李.*? | 李傑和李蓮英和李二棍子 | 李 李 李 | 惰性匹配 |
字符集[][^]
正則 | 待匹配字符 | 匹配結果 | 說明 |
李[傑蓮英二棍子]* | 李傑和李蓮英和李二棍子 | 李傑 李蓮英 李二棍子 | 表示匹配"李"字後面[傑蓮英二棍子]的字符任意次 |
李[^和]* | 李傑和李蓮英和李二棍子 | 李傑 李蓮英 李二棍子 | 表示匹配一個不是"和"的字符任意次 |
[\d] | 456bdha3 | 4 5 6 3 | 表示匹配任意一個數字,匹配到4個結果 |
[\d]+ | 456bdha3 | 456 3 | 表示匹配任意個數字,匹配到2個結果 |
分組 ()與 或 |[^]
身份證號碼是一個長度爲15或18個字符的字符串,如果是15位則全部是由數字組成,首位不能是0;如果是18位,則前17位全部是數字,末位可能是數字或x,下面我們嘗試用正則來表示。
正則 | 待匹配字符 | 匹配結果 | 說明 |
^[1-9]\d{13,16}{0-9x}$ | 110101198001017032 | 110101198001017032 | 表示可以匹配一個正確的身份證號 |
^[1-9]\d{13,16}[0-9x]$ | 1101011980010170 | 1101011980010170 | 表示也可以匹配這串數字,但這並不是一個正確的身份證號碼,它是一個16位的數字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ | 1101011980010170 | False | 現在不會匹配錯誤的身份證號了 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ | 110105199812067023 | 110105199812067023 | 表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14} |
轉義符 \
在對正則表達式中,有很多有特殊意義的是元字符,比如\d和\s等,如果要在正則中匹配正常的“\d"而不是“數字”就需要對“\”進行轉義,變成‘\\’。
在python 中,無論是正則表達式,還是待匹配的內容,都是以字符串的形式出現的,在字符串中\也有特殊的含義,本身還需要轉義。所以如果匹配一次“\d”,字符串中要寫成“\\d”,那麼正則裏就要寫成“\\\\d”,這樣就太麻煩了。這個時候就用到了r'\d'這個概念,此時的正則是r'\\d'就可以了。
正則 | 待匹配字符 | 匹配結果 | 說明 |
\d | \d | False | 因爲在正則表達式中\是有特殊意義的字符,所以要匹配\d本身,用表達式\d無法匹配 |
\\d | \d | True | 轉義\之後變成\\,即可匹配 |
“\\\\d" | ’\d‘ | True | 如果在python中,字符串中的’\’也需要轉義,所以每一個字符串‘\'又需要轉義一次 |
r'\\d' | r'\d' | True | 在字符串之前加r,讓整個字符串不轉義 |
貪婪匹配
貪婪匹配:在滿足匹配時,匹配儘可能長的字符串,默認情況下,採用貪婪匹配。
正則 | 待匹配字符 | 匹配結果 | 說明 |
<.*> | <script>...<script> | <script>...<script> | 默認爲貪婪匹配模式,會匹配儘量長的字符串 |
<.*?> | r'\d' | <script> <script> | 加上?爲將貪婪匹配模式轉爲非貪婪匹配模式,會匹配儘量短的字符串 |
幾個常用的非貪婪匹配Pattern
*?重複任意次,但儘可能少重複
+?重複1次或更多次,但儘可能少重複
??重複0次或1次,但儘可能少重複
{n,m}? 重複n到m次,但儘可能少重複
{n,}? 重複n此以上,但儘可能少重複
.*?的用法
. 是任意字符
* 是取0至無限長度
? 是非貪婪模式
合在一起就是取儘量少的任意字符,一般不會這麼單獨寫,他大多用在:
.*?x
就是取前面任意長度的字符,直到一個x出現
re模塊下的常用方法
- re.findall()
返回所有滿足條件的結果,放在列表裏。
ret = re.findall('a','sahdjakja')
print(ret)
# 輸出:['a', 'a', 'a']
- re.search().group()
函數會在字符串內查找模式匹配,只找到第一個匹配然後返回一個包含匹配信息的對象,該對象可以通過調用group()方法得到匹配的字符串,如果字符串沒有匹配,則返回None
ret = re.search('a','dhajdhsladlk').group()
print(ret)
# 輸出:a
- re.match().group()
同search,不過盡在字符串開始處進行匹配
ret = re.match('a','shdjahsdashdl').group()
print(ret)
# 如待匹配字符串開始處沒有'a',報錯
- re.split(’表達式‘,’待匹配字符串‘)
ret = re.split('[ab]','abcd')
print(ret)
# 輸出: ['', '', 'cd']
# 先按'a'分割得到''和'bcd',再對''和'bcd'分別按'b'分割
- re.sub()
ret = re.sub('\d','_Replace_','shdja3123sda344',2)
print(ret)
#輸出:shdja_Replace__Replace_23sda344
#將待匹配字符串中的數字替換爲'_replace_',最後的那個'2'表示只替換兩個
- re.subn()
ret = re.subn('\d','_replace_','shdja3123sda344')
print(ret)
# 輸出:('shdja_replace__replace__replace__replace_sda_replace__replace__replace_', 7)
# 將數字替換成'_replace_',返回元組(替換的結果,替換了多少次)
- re.compile()
obj = re.compile('\d{3}')
#將正則表達式編譯成爲一個正則表達式對象,規則要匹配的是三個數字
ret = obj.search('abc123hdjeh')
#正則表達式對象調用search,參數爲待匹配的字符串
print(ret.group())
#輸出:123
- re.finditer()
ret = re.finditer('\d','ds3sy3432sa')
# finditer返回一個存放匹配結果的迭代器
print(ret)
# <callable_iterator object at 0x10085c2b0>
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])
#查看剩餘的左右結果
注意:
1. re.findall()的優先級查詢:
ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret)
# 輸出:['oldboy']
# 這是因爲findall會優先把匹配結果組裏內容返回,如果想要匹配結果,使用"?:"取消權限即可
ret = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret)
# 輸出:['www.oldboy.com']
2. split 優先級查詢
在匹配部分加上()之後所切出的結果是不同的,
沒有()的沒有保留所匹配的項,但是有()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
ret = re.split("\d+","eva3egon4yuan")
print(ret)
# 輸出:['eva', 'egon', 'yuan']
ret = re.split("(\d+)","eva3egon4yuan")
print(ret)
# 輸出:['eva', '3', 'egon', '4', 'yuan']