python學習筆記（五）文件操作、正則表達式

文件操作

python的文件IO操作和C++類似，都是流的形式。

fin = open('code.txt','r')
fout = open('output.txt','w')

在c++中，每次打開文件後都需要判斷打開是否成功，否則一旦讀取出錯程序就會終止，此外，讀寫操作完之後還需要調用close關閉文件。在python中也不例外，但是有比較方便的with語句來幫助完成這些操作：

with open('code.txt')as fin:
    print fin.read()

在python中讀寫文件都是一次性的（至少在語句上是這樣），如上read()語句將直接讀出code中的所有內容。

with open('output.txt')as fout:
    fout.write(data)

讀文件時有時會遇到編碼的問題，python使用的是unicode編碼。通常對讀出的內容使用decode(類型)來轉換。
此外還有更簡潔的方式，使用codecs庫：

import codecs
with codecs.open('code.txt','r','gbk')as fin:
    fin.read()

正則表達式

正則表達式是專用於操作字符串的工具。關於正則表達式需要不斷使用、查書、使用才能學會。
這裏用之前的NC代碼編譯器作爲例子，來探索python中的正則表達式使用方法。

模式

模式表達了需要的字符串的。
模式表達方法：

pattern_str = r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;'

組

在模式中，()括起來的內容屬於一組，每當匹配一個，組就增加一個。

匹配

匹配一個字符串，有兩種方式，一是使用re模塊中提供的方法進行匹配，二是建立一個模式對象，使用其方法進行匹配。

m1 = re.match(r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;',str)
pattern2 = re.compile(r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;')
m2 = pattern2.match(str)
m3 = pattern2.search(str)
m4 = pattern2.findall(str)

第一種方法適合只匹配一次的情況，pattern2適合於需要不斷使用該模式的情況，使用match是對字符串從第一個字符開始匹配，使用search是在字符串中查詢符合模式的子串（都只匹配一次）；使用findall是匹配所有符合模式的子串（匹配多次）。

查看結果

使用match()或者search()方法匹配成功，m非None，可以對其匹配結果進行查看，group爲其匹配的第一個符合的串，groups爲其所有匹配的組。

if(m):
    print m.group()
    print m.groups()

使用findall()得到的m是一個列表，其中每一項是一個元組，包含匹配的每一組的字符串。

切分

re中提供的split方法可以按照一個模式將字符串切分成多個字符串，使用方法見下面的例子。

一個例子

import re
def NC(str):
    pattern = re.compile(r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;')
    strs = re.split(r'\n',str)
    for s in strs:
        m = pattern.match(s)
        if(m):
            print m.groups()

with codecs.open('code.txt','r')as f:
    NC(f.read())

這裏的結果並不如預期的匹配所有數字以及地址符，字符串匹配成功，但組只有四組，只得到了最後一組的內容。說明這種組的方法所匹配的組數是固定的（括號對的個數）。

參考資料：
廖雪峯教程：
http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386832260566c26442c671fa489ebc6fe85badda25cd000
python正則表達式：
http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html