collections模块与re模块
一,colections模块
-
在内置数据类型(dict,list,set,tuple)的基础上,collections模块还提供了几个额外的数据类型: Counter,deque,defaultdict,namedtuple和OrderedDict等
-
namedtuple:生成可以使用名字来访问元素内容的tuple(命名元组)
from collections import namedtuple Point = namedtuple('Point', ['x', 'y']) p = Point(1, 2) print(p, type(p)) # Point(x=1, y=2) <class '__main__.Point'> print(p[0]) # 1 print(p.y) # 2 -
deque:双向列表,双端队列,类似于列表的一种容器型数据,插入元素和删除元素效率高
from collections import deque q = deque(['a', 1, 'c', 'd']) print(q, type(q)) q.append('e') # 按顺序追加 q.append('f') q.appendleft('g') # 在左边追加 q.pop() # 默认删除最后一个 q.popleft() # 默认删除最前面的 # 也能按照索引查询和删除 -
OrderedDict: 有序字典
d = dict([('a', 1), ('b', 2), ('c', 3)]) print(d) #{'a': 1, 'b': 2, 'c': 3} from collections import OrderedDict od = OrderedDict([('a', 1), ('b', 2), ('c', 3)]) print(od) #OrderedDict([('a', 1), ('b', 2), ('c', 3)]) -
defaultdict:默认值字典
from collections import defaultdict l1 = [11, 22, 33, 44, 55, 66, 77, 88, 99] dic = defaultdict(list) # 创建空字典,设置默认值(可回调的对象),每次创建key的时候,如果不写value会使用默认值 for i in l1: if i < 66: dic['key1'].append(i) else: dic['key2'].append(i) print(dic) -
Counter: 计数器
from collections import Counter c = Counter('SDFSDFSDXVXCFDGDFGDFGDFGDF') # 统计每个元素的个数 print(c) #Counter({'D': 8, 'F': 7, 'G': 4, 'S': 3, 'X': 2, 'V': 1, 'C': 1})
-
二,re模块:正则表达式
-
什么是正则:
-
正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法.或者说:正则就是用来描述一类事物的规则.(在python中)它内嵌在python中,并通过re模块实现.正则表达式模式被编译成一系列的字节码,然后用C 编写的匹配引擎执行
元字符 匹配内容 w 匹配字母（包含中文）或数字或下划线 W 匹配非字母（包含中文）或数字或下划线 s 匹配任意的空白符 S 匹配任意非空白符 d 匹配数字 D 匹配非数字 A 与 ^ 从字符串开头匹配 与 $ 从字符串结尾开始匹配 匹配一个换行符 匹配一个制表符 . 匹配任意字符,除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符 [...] 匹配字符组中的字符 [^...] 匹配除了字符组中的字符的所有字符 * 匹配0个或者多个左边的字符。 + 匹配一个或者多个左边的字符。 ？ 匹配0个或者1个左边的字符，非贪婪方式。 {n} 精准匹配n个前面的表达式。 {n,m} 匹配n到m次由前面的正则表达式定义的片段，贪婪方式 a|b 匹配a或者b。 () 匹配括号内的表达式，也表示一个组
-
-
匹配模式举例
import re re.findall() ---------------------------------------------------- # 单个字符的匹配 # W 与 w s = '原始tz 12*() _' print(re.findall('w', s)) # w 数字,字母,下划线,中文 print(re.findall('W', s)) # W 除了数字,字母,下划线,中文以外的 # s 与 S print(re.findall('s', '原始tz*(_ ')) # s 空格, , print(re.findall('S', '原始tz*(_ ')) # S 除空格, , 以外的 # d 与 D print(re.findall('d','1234567890 yuanshi *（_')) # d 数字 print(re.findall('D','1234567890 yuanshi *（_')) # D 非数字 # A 与 ^ print(re.findall('Ahello', 'hello hello 原始 hell')) # 从开 print(re.findall('^hello', 'hello hello 原始 hell')) # 从开头开始匹配头开始匹配 # 与 $ 从结尾开始匹配 print(re.findall('hell$', 'hello hello 原始 hell')) # 与 print(re.findall(' ', 'hello hello 原始 hell')) # print(re.findall(' ', 'hello hello 原始 hell')) # ---------------------------------------------------- # 元字符匹配 # . ? * + {m,n} .* ,*? # .匹配任意字符: 如果匹配成功,光标则移到匹配成功的最后的字符;如果匹配未成功,则光标向下移动一位继续匹配 print(re.findall('a.b', 'ab aab abb aaaab')) # ? 匹配0个或者1个由左边字符定义的片段 print(re.findall('a?b', 'ab aab abb aaaab')) # * 匹配0个或者多个由左边字符定义的片段: 满足贪婪匹配 print(re.findall('a*b', 'ab aab abb aaaab')) # + 匹配1个或者多个由左边字符定义的片段: 满足贪婪匹配 print(re.findall('a+b', 'ab aab abb aaaab')) # {m,n} 匹配m个至n个(包括m和n)由左边字符定义的片段 print(re.findall('a{1,5}b', 'ab aab abb aaaaab aaaaaab')) # .* : 贪婪匹配 从头到尾 print(re.findall('a.*b', 'ab aab abb aa#aaab aaaaaab')) # .*? 此时的?不是对左边的字符进行0次或者1次的匹配, # 而只是针对.*这种贪婪匹配的模式进行一种限定:告知他要遵从非贪婪匹配 print(re.findall('a.*?b', 'ab aab abb aa#aaab aaaaaab')) # []: 一个中括号可以代表一个字符 print(re.findall('a[abc]b', 'aab abb acb afb a_b')) # [abc]中任意一个都可以 print(re.findall('a[abc][bd]b', 'aabb aaabc abd acdbb')) # =>['aabb', 'acdb'] # - : 在[]中表示范围 print(re.findall('a[0-9]b', 'a1b a2bc abd acdbb')) # =>['a1b', 'a2b'] print(re.findall('a[A-Z]b', 'aAb a2bc abd acdbb')) # =>['aAb'] print(re.findall('a[A-Za-z]b', 'aAb aabc abd acdbb')) # =>['aAb', 'aab'] print(re.findall('a[-*$]b', 'a-b a*bc abd acdbb')) # =>['a-b', 'a*b'] # 当想匹配 - 时,要把 - 放在最前面或最后面 # ^ : 在[]最前面表示取反 print(re.findall('a[^0-9]b', 'a1b a2bc abbd acdbb')) # =>['abb'] s = 'xiaowang_sb xiaoliu_sb wanglu_sb tianzun_sb 通天教主_nb' print(re.findall('w+_sb', s)) # (): 分组 s = 'xiaowang_sb xiaoliu_sb wanglu_sb tianzun_sb 通天教主_nb' print(re.findall('(w+)_sb', s)) # =>['xiaowang', 'xiaoliu', 'wanglu', 'tianzun'],返回()内的内容 # |: 匹配左边或右边 print(re.findall('xiao|da|tian', 'xiaoasdnfisdaiasdntian')) # 在()分组里面加了?:,将全部的内容返回,而不是将组内的内容返回 print(re.findall('compan(y|ies)', 'Too many companies have gone bankrupt, and the next one is my company')) print(re.findall('compan(?:y|ies)', 'Too many companies have gone bankrupt, and the next one is my company')) ----------------------------------------------------- # 常用方法 # re.findall() # 全部找到返回一个列表 # re.search() # 找到第一个符合条件的字符串,然后返回一个包含匹配信息的对象,通过对象.group()获取 ret = re.search('sb|qwe', 'xiaomingt sb qwe') print(ret) print(ret.group()) # re.match() # 从字符串开头匹配,如果以符合条件的字符串开头则返回,否则返回None ret = re.match('sb|qwe', 'xiaomingt sb qwe') ret2 = re.match('sb|qwe', 'sbxiaomingt sb qwe') print(ret) print(ret2) # split() # 分割 s1 = 'xiaoming,tiaoshang;太阳~地球' print(re.split('[;,~]', s1)) # 自定义分隔符 # sub 调换 print(re.sub('me', '我', 'me是最好的男人，me就是一个普通男人，请不要将me当男神对待。')) print(re.sub('me', '我', 'me是最好的男人，me就是一个普通男人，请不要将me当男神对待。', 2)) # compile 配置匹配规则 obj = re.compile('d{2}') print(obj.search('abc123eeee').group()) # => 12 print(obj.findall('abc123eeee')) # => ['12'] s1 = ''' 时间就是1995-04-27,2005-04-27 1999-04-27 alex 1980-04-27:1980-04-27 2018-12-08 ''' print(re.findall('d{4}-d{2}-d{2}', s1)) s2 = '3325783547345nvn8b8473v 2893472893' obj = re.compile('[1-9][0-9]{4,7}') print(obj.findall(s2))