1. 认识模块
常见的场景：一个模块就是一个包含了python定义和声明的文件，文件名就是模块名字加上.py的后缀。
但其实import加载的模块分为四个通用类别：
1.使用python编写的代码（.py文件）
2.已被编译为共享库或DLL的C或C++扩展
3.包好一组模块的包
4.使用C编写并链接到python解释器的内置模块
为何要使用模块？
如果你退出python解释器然后重新进入，那么你之前定义的函数或者变量都将丢失，因此我们通常将程序写到文件中以便永久保存下来，需要时就通过python test.py方式去执行，此时test.py被称为脚本script。
随着程序的发展，功能越来越多，为了方便管理，我们通常将程序分成一个个的文件，这样做程序的结构更清晰，方便管理。这时我们不仅仅可以把这些文件当做脚本去执行，还可以把他们当做模块来导入到其他的模块中，实现了功能的重复利用。
2. re模块
2.1 导入re模块
在.py文件的开头，输入 import re。
2.2 常用方法
2.2.1 findall
findall : 匹配所有，每一项都是列表中的一个元素
ret = re.findall('\d+','sjkhk172按实际花费928') # 正则表达式,带匹配的字符串,flagret = re.findall('\d','sjkhk172按实际花费928') # 正则表达式,带匹配的字符串,flagprint(ret)
2.2.2 search
search : 只匹配从左到右的第一个，得到的不是直接的结果，而是一个变量，通过这个变量的group方法来获取结果。
如果没有匹配到，会返回None，使用group会报错。
ret = re.search('\d+','sjkhk172按实际花费928') print(ret) # 内存地址,这是一个正则匹配的结果print(ret.group()) # 通过ret.group()获取真正的结果 ret = re.search('\d','owghabDJLBNdgv')print(ret)print(ret.group()) ret = re.search('\d+','sjkhk172按实际花费928')if ret : # 内存地址,这是一个正则匹配的结果 print(ret.group()) # 通过ret.group()获取真正的结果
2.2.3 match
match：从头开始匹配,相当于search中的正则表达式加上一个^。
ret = re.match('\d+$','172sjkhk按实际花费928') print(ret)
2.2.4 字符串处理的扩展
split：切割
s = 'alex|taibai|egon|'print(s.split('|'))s = 'alex83taibai40egon25'ret = re.split('\d+',s)print(ret)
sub：替换
ret = re.sub('\d+','H','alex83taibai40egon25') print(ret)ret = re.sub('\d+','H','alex83taibai40egon25',1) //旧，新，需要替换的，次数print(ret)
subn：返回一个元组,第二个元素是替换的次数
ret = re.subn('\d+','H','alex83taibai40egon25')print(ret)
2.3 re模块的进阶：时间/空间
compile 节省你使用正则表达式解决问题的时间。
编译正则表达式，编译成字节码。
在多次使用的过程中，不会多次编译。
ret = re.compile('\d+') # 已经完成编译了print(ret)res = ret.findall('alex83taibai40egon25')print(res)res = ret.search('sjkhk172按实际花费928')print(res.group())
finditer 节省你使用正则表达式解决问题的空间/内存
ret = re.finditer('\d+','alex83taibai40egon25') for i in ret: print(i.group())
2.4 方法总结
findall 返回列表 找所有的匹配项 search 匹配就 返回一个变量,通过group取匹配到的第一个值,不匹配就返回None,group会报错match 相当于search的正则表达式中加了一个'^' spilt 返回列表,按照正则规则切割,默认匹配到的内容会被切掉sub/subn 替换,按照正则规则去寻找要被替换掉的内容,subn返回元组,第二个值是替换的次数 compile 编译一个正则表达式,用这个结果去search match findall finditer 能够节省时间finditer 返回一个迭代器,所有的结果都在这个迭代器中,需要通过循环+group的形式取值 能够节省内存
2.5 分组的使用
s = '<a>wahaha</a>' # 标签语言 html 网页
ret = re.search('<(\w+)>(\w+)</(\w+)>',s)
print(ret.group()) # 所有的结果
print(ret.group(1)) # 数字参数代表的是取对应分组中的内容
print(ret.group(2))
print(ret.group(3))
为了findall也可以顺利取到分组中的内容，有一个特殊的语法，就是优先显示分组中的内容。
s = '<a>wahaha</a>' ret = re.findall('(\w+)',s) print(ret) ret = re.findall('>(\w+)<',s) print(ret)
取消分组优先(?:正则表达式)
ret = re.findall('\d+(\.\d+)?','1.234*4') print(ret)
ret = re.findall('\d+(?:\.\d+)?','1.234*4')
print(ret)对于正则表达式来说，有些时候我们需要进行分组，来整体约束某一组字符出现的次数。
(\.[\w]+)?
对于python语言来说，分组可以帮助你更好更精准的找到你真正需要的内容。
<(\w+)>(\w+)</(\w+)>
python 和 正则表达式 之间的特殊的约定。
分组命名：
(?P<这个组的名字>正则表达式)
s = '<a>wahaha</a>' ret = re.search('>(?P<con>\w+)<',s)print(ret.group(1))print(ret.group('con'))
s = '<a>wahaha</a>'pattern = '<(\w+)>(\w+)</(\w+)>'ret = re.search(pattern,s)print(ret.group(1) == ret.group(3))
使用前面的分组,要求使用这个名字的分组和前面同名分组中的内容匹配的必须一致
pattern = '<(?P<tab>\w+)>(\w+)</(?P=tab)>' ret = re.search(pattern,s)print(ret)
