Python学习 16day__高级语法

结构化文件储存

- xml, json,
- 为了解决不同设备之间信息交换问题
## xml，可扩展标记语言
    标记语言：语言中使用尖括号括起来的文本字符串标记
    可拓展：用户可以自己定义需要的标记
    例子：
        <Teacher>
            自定义标记Teacher
            在两个标记之间任何任容都应该跟Teacher有关
        </Teacher>
    xml描述的是数据本身，即数据的结构和语义
    html侧重点在于如何显示web页面的数据

    xml文档的构成
        - 处理指令(可以认为一个文件只有一个处理指令)
        - 根元素(一个文件内只有一个根元素)
        - 子元素
        - 属性
        - 内容
        - 注释


DOM

　　是w3c规定的xml编程接口
　　一个xml文件在缓存中以树形储存，读取
　　用途：
    　　定位浏览xml任何一个节点信息
    　　添加删除相应内容
　　minidom
  　　  - minidom。parse(filename):加载读取的xml文件，filename也可以是xml代码
   　　 - doc.documentElement:获取xml文档对象，一个xml文件只有一个对应的文档对象
   　　 - node.getAttribute(attr_name):获取xml节点的属性值
   　　 - node.getElementByTagName(tage_name):得到一个节点对象集合
  　　  - node.childNodes:得到所有孩子节点
 　　   - node.childNodes[index].nodeValue:获取单个节点值
  　　  - node.firstNode:得到第一个节点，等价于node.childNodes[0]
  　　  - node.attributes[tage_name]
    
　　etree
   　　 以树形结构来表示xml
  　　  root.getiterator:得到相应的可迭代的node集合
  　　  root.iter
   　　 find(node_name):查找指定node_name的节点，返回一个node
  　　  root.findall(node_name):返回多个node_name的节点
  　　  node.tag:node对应的tagename
  　　  node.test:node文本文档
  　　  node.attrib:是node的属性的字典类型的内容
　　xml文件写入
   　　 更改
       　　 - ele.set:修改属性
      　　  - ele.append:添加子元素
     　　   - ele.remove:删除元素
JSON
　　- JSON（JavaScriptObjectNotation）
　　　　量级的数据包交换格式，基于ECMAScript
　　　　json格式是一个键值对形式的数据集
  　　　　  - key：字符串
  　　　　  - value： 字符串，数字，列表，json
 　　　　   - json使用大括号包裹
 　　　　   - 键值对直接用逗号隔开
   　　　　     student={
         　　　　   "name": "xiaobai"
       　　　　     "age": 18
      　　　　      "mobile": "123456789"
      　　　　      }
json和python格式的对应
    - 字符串：字符串
    - 数字：数字
    - 列队：list
    - 对象：dict
    - 布尔值：布尔值
    
python for json
    - json包
    - json和python对象的转换
        - json.dumps():对数据吧编码，把python格式表示成json格式
        - json.loads():对数据解码，把json格式转换成python格式
    - python读取json文件
        - json.dump():把内容写入文件
        - json.load():把json文件内容读入python

正则表达式  re

    - 是一个计算机科学的概念
    - 用于使用单个字符串来描述，匹配符合某个规则的字符串
    - 常常用来检索，替换某些模式的文本
正则的写法
- .(点号)：表示任意一个字符，除了
，比如查找所有的一个字符.
- []: 匹配中括号中举例的任意字符，比如[Y,L,0]
- d: 任意一个数字
- D: 除了数字都可以
- s:表示空格，tab键
- S:除了空白符号
- w:单词字符，就是 a-z，A-Z，0-9，_
- W:除了wd的字符外
- *: 表示前面内容重复零次或者多次， W*
- +: 表示前面内容至少出现一次
- ?: 前面才出现的内容零次或者一次
- {m,n}: 允许前面内容出现最少m次，最多n次
- ^: 匹配字符串的开始
- $: 匹配字符串的结尾
- : 匹配单词的边界
- ():对正则表达式内容进行分组，从第一个括号开始，编号逐渐增大
- A: 只匹配字符串开头
- : 只匹配字符串末尾
- |: 左右任意一个
- (?P<name>...): 分组，除了原来的标号在制定一个别名
- （?P=name）: 引用分组


　　re使用大致步骤

　　　　使用compile将表示正则的字符串编译为一个pattern对象
　　　　通过pattern对象提供一系列方法对文本进行查找匹配，过的匹配结果，一个Match对象
　　　　最后使用March对象提供的属性和方法获得信息，根据需要进行操作

Re常用函数

    - group(): 获得一个或者多个分组匹配的字符串，当要获得整个字符串时直接使用gourp或者goup(0)
    - start: 获取分组匹配的字符串在整个字符串的起始位置，参数默认为0
    - end: 获取分组匹配的字符串在整个字符串中的结束位置，参数默认为0
    - spend: 返回的结构(start(gourp), end(group))

# 导入模块


import re
# compile将表示正则的字符串编译为一个pattern对象
# 查找数字
# r表示后面的字符串不转义
p = re.compile(r'd')
m = p.match("1aaa156489646asg4s6")
print(m)

　　sub替换
　　　　sub(rep1,str[,count])

import re

p = re.compile(r'(w+) (w+)')
s = "i 123 love python"
rst = p.sub(r'Hello word', s)
print(rst)

匹配中文
　　大部分的中文内容表示范围是[u4e00-u9fa5],不包括全角标点

import re

title = u'世界 你好， Hello world'
p = re.compile(r'[u4e00-u9fa5]+')
rst = p.findall(title)
print(rst)

贪婪和非贪婪

　　贪婪：尽可能多的匹配，(*)表示贪婪匹配
　　非贪婪：找到符合条件的最小内容即可，(？)表示非贪婪
　　正则默认使用贪婪匹配

import re

title = u'<div>name</div><div>age</div>'
# 贪婪匹配
p1 = re.compile(r"<div>.*</div>")
# 非贪婪匹配
p2 = re.compile(r"<div>.*?</div>")

print(p1.search(title).group())
print(p2.search(title).group())