目录
1.正则表达式
1.1概述:
1.2re模块介绍
1.3re模块相关方法(常用):
1.4案例
1.5正则表达式详解
1.5.1查什么
1.5.2查多少
1.5.3 从哪查
1.6重要概念
1.6.1子表达式
1.7 正则表达式的其他方法
1.7.1选择匹配符
1.7.2分组别名
2.高级语法
2.1迭代器
2.2生成器
2.2.1生成器推导式
2.2.2yield生成器
2.2.3yield关键字和return关键字
1.正则表达式
1.1概述:
正则表达式(regular expression)描述了一种字符串匹配的‘模式’,可以用来检查一个串是否含有’某种‘子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。
模式:一种特定的字符串模式,这个模式是通过一些特殊的符号组成的。 某种:也可以理解为是一种模糊匹配。
精准匹配:select * from blog where title='python';
模糊匹配:select * from blog where title like ‘%python%’;
正则表达式并不是Python所特有的,在Java、PHP、Go以及JavaScript等语言中都是支持正则表达式的。
正则表达式的功能:
①模式匹配:根据指定的模式在文本中查找匹配项。
②验证输入:检查用户的输入是否符合预定义的格式,如邮箱地址、电话号码等。
③搜索与替换:在文本中搜索特定模式并进行替换。
④分割字符串:根据指定的模式将字符串分割成多个子串。
⑤提取信息:从大量文本中提取出所需的信息,如日期、时间、价格等。
⑥条件判断:在编程中作为条件语句的一部分,根据正则表达式的匹配结果执行不同的逻辑
1.2re模块介绍
在Python中需要通过正则表达式对字符串进行匹配的时候,可以使用一个re模块
使用三步走:
# 第一步:导入re模块
import re
# 第二步:使用match方法进行匹配操作
result = re.match(pattern正则表达式, string要匹配的字符串, flags=0)
# 第三步:如果数据匹配成功,使用group方法来提取数据
result.group()
函数参数说明:
参数 | 描述 |
---|---|
pattern | 匹配的正则表达式 |
string | 要匹配的字符串。 |
flags | 标志位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。参见:正则表达式修饰符 - 可选标志 |
匹配成功re.match方法返回一个匹配的对象,否则返回None。
我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配数据。
# 需求: 匹配某字符串
# match: 默认从开头开始匹配,匹配成功返回re.Match对象,然后用group()获取数据
# 1.导包
import re# 2.匹配 match(规则,要匹配的大字符串)
result = re.match('abcd', 'abcd是我随便打的字母')
print(result,type(result))
# 3.获取匹配成功的数据
if result:print('匹配成功:', result.group())
else:print('匹配失败')
# 匹配成功: abcd
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志:
修饰符 | 描述 |
---|---|
re.I | ==使匹配对大小写不敏感== |
re.L | 做本地化识别(locale-aware)匹配,这个功能是为了支持多语言版本的字符集使用环境的,比如在转义符\w,在英文环境下,它代表[a-zA-Z0-9_],即所以英文字符和数字。如果在一个法语环境下使用,缺省设置下,不能匹配"é" 或 "ç"。加上这L选项和就可以匹配了。不过这个对于中文环境似乎没有什么用,它仍然不能匹配中文字符。 |
re.M | ==多行匹配,影响 ^ 和 $== |
re.S | ==使 . 匹配包括换行在内的所有字符== |
re.U | 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B. |
re.X | VERBOSE,冗余模式, 此模式忽略正则表达式中的空白和#号的注释,例如写一个匹配邮箱的正则表达式。该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。 |
1.3re模块相关方法(常用):
☆ re.match(pattern, string, flags=0)
-
必须从字符串的起始位置匹配,如果匹配成功则返回匹配内容, 否则返回None
☆ re.search(pattern, string, flags=0)
-
可以从整个字符串任意匹配,但是只匹配成功,只返回符合规则的第一个结果,放到re.Match对象且用group()获取匹配结果, 否则返回None
☆ re.findall(pattern, string, flags=0)
-
扫描整个串,返回所有与pattern匹配的列表
-
注意: 如果pattern中有分组则返回与分组匹配的列表
-
举例:
re.findall("\d","chuan1zhi2") >> ["1","2"]
☆ re.finditer(pattern, string, flags)
-
功能与上面findall一样,不过返回的是迭代器
参数说明:
-
pattern : 模式字符串。
-
repl : 替换的字符串,也可为一个函数。
-
string : 要被查找替换的原始字符串。
-
count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
-
flags: 匹配方式:
-
re.I 使匹配对大小写不敏感,I代表Ignore忽略大小写
-
re.S 使 . 匹配包括换行在内的所有字符
-
re.M 多行模式,会影响^,$
-
1.4案例
查找一个字符串中是否具有数字“8”
import reresult = re.findall('8', '13566128753')
# print(result)
if result:print(result)
else:print('未匹配到任何数据')
查找一个字符串中是否具有数字
import reresult = re.findall('\d', 'a1b2c3d4f5')
# print(result)
if result:print(result)
else:print('未匹配到任何数据')
查找一个字符串中是否具有非数字
import reresult = re.findall('\D', 'a1b2c3d4f5')
# print(result)
if result:print(result)
else:print('未匹配到任何数据')
1.5正则表达式详解
正则表达式通常是由两部分数据组成的:普通字符 与 元字符
普通字符:0123456789abcd@...
元字符:正则表达式所特有的符号 => [0-9],^,*,+,?
正则编写三步走:查什么、查多少、从哪查
1.5.1查什么
代码 | 功能 |
---|---|
.(英文点号) | 匹配任意某1个字符(除了\n) |
[ ] | 匹配[ ]中列举的某1个字符,专业名词 => ==字符簇== |
[^指定字符] | 匹配除了指定字符以外的其他某个字符,^专业名词 => ==托字节== |
\d | 匹配数字,即0-9 |
\D | 匹配非数字,即不是数字 |
\s | 匹配空白,即 空格,tab键 |
\S | 匹配非空白 |
\w | 匹配非特殊字符,即a-z、A-Z、0-9、_ |
\W | 匹配特殊字符,即非字母、非数字、非下划线 |
字符簇常见写法:
① [abcdefg] 代表匹配abcdefg字符中的任意某个字符(1个)
② [aeiou] 代表匹配a、e、i、o、u五个字符中的任意某个字符
③ [a-z] 代表匹配a-z之间26个字符中的任意某个
④ [A-Z] 代表匹配A-Z之间26个字符中的任意某个
⑤ [0-9] 代表匹配0-9之间10个字符中的任意某个
⑥ [0-9a-zA-Z] 代表匹配0-9之间、a-z之间、A-Z之间的任意某个字符
字符簇 + 托字节结合代表取反的含义:
① [^aeiou] 代表匹配除了a、e、i、o、u以外的任意某个字符
② [^a-z] 代表匹配除了a-z以外的任意某个字符
\d 等价于 [0-9], 代表匹配0-9之间的任意数字
\D 等价于 [^0-9],代表匹配非数字字符,只能匹配1个
字符匹配大全网址:https://www.jb51.net/article/161544.htm
1.5.2查多少
代码 | 功能 |
---|---|
* | 匹配前一个字符出现0次或者无限次,即可有可无(0到多) |
+ | 匹配前一个字符出现1次或者无限次,即至少有1次(1到多) |
? | 匹配前一个字符出现1次或者0次,即要么有1次,要么没有(0或1) |
{m} | 匹配前一个字符出现m次,匹配手机号码\d{11} |
{m,n} | 匹配前一个字符出现从m到n次,\w{6,10},代表前面这个字符出现6到10次 |
基本语法:
正则匹配字符.或\w或\S + 跟查多少
如\w{6, 10}
如.*,匹配前面的字符出现0次或多次
1.5.3 从哪查
代码 | 功能 |
---|---|
^ | 匹配以某个字符串开头 |
$ | 匹配以某个字符串结尾 |
1.6重要概念
1.6.1子表达式
在正则表达式中,通过一对圆括号括起来的内容,我们就称之为=="子表达式"==。
import reresult = re.search(r'\d(\d)(\d)', 'abcdef123ghijklmn')
# print(result)
if result:print(result)
else:print('未匹配到任何数据')
# <re.Match object; span=(6, 9), match='123'>
注意:Python正则表达式前的 r 表示原生字符串(rawstring),该字符串声明了引号中的内容表示该内容的原始含义,避免了多次转义造成的反斜杠困扰。
正则表达式中\d\d\d中,(\d)(\d)就是子表达式,一共有两个()
圆括号,则代表两个子表达式
说明:findall方法,如果pattern中有分组则返回与分组匹配的列表,所以分组操作中不适合使用findall方法,建议使用search(匹配一个)或finditer(匹配多个)方法。
1.6.2捕获
当正则表达式在字符串中匹配到相应的内容后,计算机系统会自动把子表达式所匹配的到内容放入到系统的对应缓存区中(缓存区从$1开始)
案例演示
import re# 匹配字符串中连续出现的两个相同的单词
str1 = 'abcdef123ghijklmn'
result = re.search(r'\d(\d)(\d)', str1)
print(result.group())
print(result.group(1))
print(result.group(2))
#123
#2
#3
1.7 正则表达式的其他方法
1.7.1选择匹配符
|
可以匹配多个规则
案例:匹配字符串hellojava或hellopython
import restr = 'hellojava, hellopython'
result = re.finditer(r'hello(java|python)', str)
if result:for i in result:print(i.group())
else:print('未匹配到任何数据')
1.7.2分组别名
代码 | 功能 |
---|---|
(?P<name>) | 分组起别名 |
(?P=name) | 引用别名为name分组匹配到的字符串 |
案例:匹配<book></book>
# 导入模块
import restr1 = '<book></book>'
result = re.search(r'<(?P<mark>\w+)></(?P=mark)>', str1)print(result.group())
2.高级语法
2.1迭代器
迭代器(Iterator)是 Python 中的一种对象,用于在数据集合中逐个访问元素,而不需要暴露数据集合的底层实现。它提供了一种遍历集合元素的标准方式,适用于任何支持迭代的数据结构,如列表、元组等,range()就是一个迭代器
迭代器是一个实现了 iter() 和 next() 方法的对象,使得可以逐步遍历它的元素。 特点: 手动管理:需要显式地实现 iter() 和 next() 方法。 状态管理:迭代器需要自己管理迭代的状态,包括当前位置和结束条件。 内存使用:内存使用取决于迭代器的实现,通常是惰性计算(即按需生成数据)。
(一般认为,有重写__iter__跟__next__这个两个模式方法的类,就是迭代器)
# 自定义迭代器类
class my_range:def __init__(self, start = 0, end = 0, step=1):self.current = startself.end = endself.step = step# 返回迭代器本身def __iter__(self):return self# 返回下一个值def __next__(self):if self.current >= self.end:raise StopIterationelse:value = self.currentself.current += self.stepreturn value# 注意: 迭代器是惰性的, 只有在需要时才计算, 因此可以无限迭代下去
# 使用自己的迭代器类完成类似range的效果
for i in my_range(1, 5, 2):print(i)
print("-----------------------------------------------")
for i in range(1, 5, 2):print(i)
2.2生成器
(底层逻辑就是一个迭代器)
创建生成器方式:
① 生成器推导式
② yield 关键
2.2.1生成器推导式
与列表推导式类似,只不过生成器推导式使用小括号。
# 创建生成器
my_generator = (i * 2 for i in range(5))
print(my_generator)# next获取生成器下一个值
# value = next(my_generator)
# print(value)# 遍历生成器
for value in my_generator:print(value)
生成器相关函数:
next 函数获取生成器中的下一个值
for 循环遍历生成器中的每一个值
2.2.2yield生成器
yield 关键字生成器的特征:在def函数中具有yield关键字
# 1.定义函数用于生成1,2,3
# 原始方式
from collections.abc import Iterable, Iteratordef get_nums():return 7, 8, 9# 生成器方式
def generate_nums():# 注意: yield 值 阻塞程序,直到调用next()方法或者for循环生成值,然后回来从阻塞位置继续执行print('开始生成1...')yield 1print('开始生成2...')yield 2print('开始生成3...')yield 3# 2.再调用函数
# 调用原始方式: 默认先把1,2,3放到一个元组中,然后返回
print(get_nums())
print('------------------')
# 调用生成器方式: 默认返回生成器对象,然后调用next()方法或者for循环
gen = generate_nums()
# 注意: 生成器是可迭代对象, 同时是迭代器
print(isinstance(gen, Iterable))
print(isinstance(gen, Iterator))
# next()方式: 弊端: 需要手动调用next()方法 且容易超出范围
# print(next(gen))
# print(next(gen))
# print(next(gen))
# print('------------------')
# for循环方式: 优势: 不容易超出范围 默认会循环获取到结束为止
for i in gen:print(f"for循环获取{i}")
注意点:
① 代码执行到 yield 会暂停,然后把结果返回出去,下次启动生成器会在暂停的位置继续往下执行
② 生成器如果把数据生成完成,再次获取生成器中的下一个数据会抛出一个StopIteration 异常,表示停止迭代异常
③ while 循环内部没有处理异常操作,需要手动添加处理异常操作
④ for 循环内部自动处理了停止迭代异常,使用起来更加方便,推荐大家使用。
2.2.3yield关键字和return关键字
如果不太好理解yield
,可以先把yield
当作return
的同胞兄弟来看,他们都在函数中使用,并履行着返回某种结果的职责。
这两者的区别是:
有return
的函数直接返回所有结果,程序终止不再运行,并销毁局部变量;
def example():x = 1return xexample = example()
print(example)
而有yield
的函数则返回一个可迭代的 generator(生成器)对象,你可以使用for循环或者调用next()方法遍历生成器对象来提取结果。
def example():x = 1y = 10while x < y:yield xx += 1example = example()
print(example)