python 内置模块

2023-08-11 17:09:22

python 内置模块

python 内置模块

取消转义的两种方法：

\ \n
r\n

*单独写正则表达式的时候在转义字符前加 r 一般不识别，在python中推荐使用加 r 的方法，单独写正则推荐使用双*

1、re模块（重点）

1、re 模块的基本操作方法

findall（）：根据正则匹配所有符合条件的数据，匹配成功返回list，如果没有匹配到返回空列表。
search（）：根据正则匹配到一个符合条件的就结束，查看结果需要用group（）方法，如果没有符合条件的数据，那么返回None，没有符合条件的数据再使用group（）会报错。
match（）：根据正则从头开始匹配，相当于正则表达式中的^，文本内容必须在开头匹配上，如果没有符合条件的数据，那么match返回None，并且使用group会直接报错
split（）：根据匹配的字符串进行分割
sub（）：替换正则匹配到的内容，如果不写替换的个数默认替换所有，返回替换之后的字符串
subn（）：和sub方法功能一样，结果返回元组，并提示换了几处
compile（）：在需要匹配相同正则表达式情况下, 事先定义一个compile可以简化代码量，可以多次多次调用compile（）返回的结果
finditer（）：和findall方法一样，返回的结果是一个iterator，需要遍历输出

2、re 模块方法示例：

1.findall（）方法

定义：findall根据正则匹配所有符合条件的数据，匹配成功返回list，如果没有匹配到返回空列表。
格式：findall(pattern, string, flags=0)

import re
# findall示例:
# 有匹配结果
res = re.findall('a.','abcaaa,ccc,abcd123')
print(res)
# 无匹配结果
res1 = re.findall('z','abc,123,df,eg,edg,456qqq')
print(res1)

# 结果
['ab', 'aa', 'a,', 'ab']
[]

2、search（）方法

定义：search根据正则匹配到一个符合条件的就结束，查看结果需要用group（）方法，如果没有符合条件的数据，那么返回None，没有符合条件的数据再使用group（）会报错。
格式：search(pattern, string, flags=0)

import re
# search示例:
# 有匹配结果
res = re.search('a','Hammer,Alien,Tony')
print(res) # 返回match对象<_sre.SRE_Match object; span=(1, 2), match='a'>
print(res.group()) # 匹配到一个就结束，Hammer中的a

# 无匹配结果
res1 = re.search('b','Hammer,Alien,Tony')
print(res1) # 返回None
print(res1.group()) # 报错

# 结果
<_sre.SRE_Match object; span=(1, 2), match='a'>
a
None
AttributeError: 'NoneType' object has no attribute 'group'

3、match（）方法

定义：match根据正则从头开始匹配，相当于正则表达式中的^，文本内容必须在开头匹配上，如果没有符合条件的数据，那么match返回None，并且使用group会直接报错
格式：match(pattern, string, flags=0)

import re
# match示例:
# 有匹配结果
res = re.match('a','abc,bcd,efg')
print(res)
print(res.group())

# 无匹配结果
res1 = re.match('b','zxc,vbn,nmk')
print(res1)
print(res1.group()) # 没有匹配结果使用group报错

# 结果
<_sre.SRE_Match object; span=(0, 1), match='a'>
a
None

4、split（）方法

定义：split根据匹配的字符串进行分割
格式：split(pattern, string, maxsplit=0, flags=0)

import re
# split示例:
# 有匹配结果
res = re.split('ab','ab,abc,abcd') # 会根据待匹配字符中的ab切分成不同的空字符串
print(res)
# 无匹配结果：原样返回，组织成列表
res1 = re.split('zq','ab,abc,abcd') # 会根据待匹配字符中的ab切分成不同的空字符串
print(res1)

# 结果
['', ',', 'c,', 'cd']
['ab,abc,abcd']

5、sub（）方法

定义：替换正则匹配到的内容，如果不写替换的个数默认替换所有，返回替换之后的字符串
格式：sub(pattern, repl, string, count=0, flags=0)

import re
# sub示例:
# 有匹配结果
res = re.sub('\d','Ze','HammerZe9854') # 将数字替换成Ze
print(res)
# 更改替换个数
two_change = re.sub('\d','Ze','HammerZe9854',2) # 替换两个数字
print(two_change)

# 无匹配结果
res1 = re.sub('\d','Ze','HammerZe') # 将数字替换成Ze
print(res1)   # 没有可匹配的数字，原样输出

# 结果
HammerZeZeZeZeZe
HammerZeZeZe54
HammerZe

6、sunb（）方法

定义：替换正则匹配到的内容，如果不写替换的个数默认替换所有，返回替换之后的字符串
格式： subn(pattern, repl, string, count=0, flags=0)

import re
# subn示例:
# 有匹配结果
res = re.subn('\d','Ze','HammerZe9854') # 将数字替换成Ze
print(res)
# 更改替换个数
two_change = re.subn('\d','Ze','HammerZe9854',2) # 替换两个数字
print(two_change)

# 无匹配结果
res1 = re.subn('\d','Ze','HammerZe') # 将数字替换成Ze
print(res1)   # 没有可匹配的数字，原样输出

# 结果
('HammerZeZeZeZeZe', 4)
('HammerZeZeZe54', 2)
('HammerZe', 0)

7、compile（）方法

定义：在需要匹配相同正则表达式情况下, 事先定义一个compile可以简化代码量，可以多次多次调用compile（）返回的结果
格式：compile(pattern, flags=0)

# compile示例
re_exp = re.compile('\d*')  # 编写公用正则公式
res = re.match(re_exp, '1aa,2bb,3cc')  # 返回开头数字
print(res.group())
res1 = re.findall(re_exp, '1aa,2bb,3cc')
print(res1)
res2 = re.search(re_exp, '1aa,2bb,3cc')  # 遇到一个符合的就结束
print(res2.group())
# 结果
1
['1', '', '', '', '2', '', '', '', '3', '', '', '']
1

8、finditer（）方法

定义：和findall方法一样，返回的结果是一个iterator，需要遍历输出
格式：finditer(pattern, string, flags=0)

import re

res = re.finditer('\d+','HammerZe123,HammerZe456,HammerZE789')
print([i.group() for i in res])

res1 = re.findall('\d+','HammerZe123,HammerZe456,HammerZE789')
print(res1)

# 结果，一毛一样，前者会节省资源，遍历才能输出
['123', '456', '789']
['123', '456', '789']

3、无名分组、有名分组

无名分组：

没有分组的情况，返回的就是正则匹配的结果
有分组的情况，优先返回分组的内容
无名分组的取值方式可以通过group(n)，n为输出第几组的值
取消分组优先展示，只需在括号首位添加？:

import re
# 匹配身份证号的案例
# findall针对分组优先展示   无名分组
res = re.findall("^[1-9]\d{14}(\d{2}[0-9x])?$",'110105199812067023')
print(res)  # ['023']
# 取消分组优先展示          无名分组
res1 = re.findall("^[1-9](?:\d{14})(?:\d{2}[0-9x])?$",'110105199812067023')
print(res1)

# 结果
['023']
['110105199812067023']

有名分组：

格式：(?P正则表达式)
可以通过group（name）方法按名字标签输出

import re
# 匹配身份证号的案例
# 有名分组
res = re.search('^[1-9](?P<name1>\d{14})(?P<name2>\d{2}[0-9x])?$','110105199812067023')
print(res)
print(res.group())  # 110105199812067023
print(res.group(1))  # 10105199812067  无名分组的取值方式(索引取)
print(res.group('name1'))  
print(res.group('name2'))  

# 结果
<_sre.SRE_Match object; span=(0, 18), match='110105199812067023'>
110105199812067023
10105199812067
10105199812067
023

re 模块实战（爬虫）

爬取红牛分公司信息案例：

打开url查看网页源码分析标签规律：
代码实现：

import re

import pandas as pd
import requests

url = 'http://www.redbull.com.cn/about/branch'
response = requests.get(url)
# print(response)  <Response [200]>
# 分公司名称，页面源码<h2>红牛杭州分公司</h2>
get_company_name = re.findall('<h2>(.*?)</h2>', response.text)
# 地址：<p class='mapIco'>杭州市上城区庆春路29号远洋大厦11楼A座</p>
get_company_addre = re.findall("<p class='mapIco'>(.*?)</p>", response.text)
# 邮编：<p class='mailIco'>310009</p>
get_company_post = re.findall("<p class='mailIco'>(.*?)</p>", response.text)
# 电话：<p class='telIco'>020-38927681</p>
get_company_telephone = re.findall("<p class='telIco'>(.*?)</p>", response.text)
# 调整爬取的信息结构
company_info = pd.DataFrame({'公司名': get_company_name, '地址': get_company_addre,
                             '邮编': get_company_post, '电话': get_company_telephone})
# 存到excel表里
company_info.to_excel(excel_writer=r"db\redbull_info.xlsx", index=None)
# 查看部分公司信息
line = company_info.head(10)
print(line)

# 结果查看elcel表格

2、time模块

1、调用模块之前需要掌握的理论知识：

时间戳：时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量
世界标准时间：全球24个时区，中国所在为东八区，UTC+8,夏令时DST。

码农公寓

python 内置模块

取消转义的两种方法：

1、re模块（重点）

1、re 模块的基本操作方法

2、re 模块方法示例：

1.findall（）方法

2、search（）方法

3、match（）方法

4、split（）方法

5、sub（）方法

6、sunb（）方法

7、compile（）方法

8、finditer（）方法

3、无名分组、有名分组

无名分组：

有名分组：

re 模块实战（爬虫）

爬取红牛分公司信息案例：

2、time模块

1、调用模块之前需要掌握的理论知识：

相关文章