Python高级
垃圾回收
Python中的垃圾回收是以引用计数为主，标记清除和分代收集（隔代回收）为辅。
有三种情况会触发垃圾回收
1. 调用gc.collect(),
2. 当gc模块的计数器达到阀值的时候。
3. 程序退出的时候
gc模块
通过频繁的处理零代链表中的新对象，Python的垃圾收集器将把时间花在更有意义的地方：它处理那些很快就可能变成垃圾的新对象。同时只在很少的时候，当满足阈值的条件，收集器才回去处理那些老变量。
引用计数+1
1.对象被创建，例如a = "hello"
2.对象被引用，例如b=a
3.对象被作为参数，传入到一个函数中，例如func(a)
4.对象作为一个元素，存储在容器中，例如list1=[a,a]
引用计数-1
1.对象的别名被显式销毁，例如del a
2.对象的别名被赋予新的对象，例如a=24
3.一个对象离开它的作用域，例如func函数执行完毕时，func函数中的局部变量（全局变量不会）
4.对象所在的容器被销毁，或从容器中删除对象
gc.disable() # python 自带的垃圾回收关闭
gc.get_count() : 获取零代，一代，二代的当前值
gc.get_threshold(): 定义的是每代中的最大值 默认的（700，10，10）
当达到最大值则触发：gc.collect() --->回收不可达的对象
（699，9，0）---》（700，9，0）----》（0，10，0）---》（0，0，1）
(699,5,0) --->(700,5,0) ----->gc.collect() 检查零代链表并回收 （0,6,0）
总结
1.对象池 intern
2.引用计数 ----》问题：循环引用
3.标记清除
4.隔代回收
gc模块
import gc
gc.collect()
gc.garbage
gc.get_count()
gc.get_threshold()
gc.set_threshold()
gc.set_debug(gc.DEBUG_LEAK)
爬取数据
import urllib.request
response = urllib.request.urlopen("http://www.moojing.com/home/")
print(response)
content = response.read()
content = content.decode("utf-8")
print(content)
正则表达式
import re
regex
^ 开头
$ 结尾
{n} 就是n位数 {n,} >=n {n,m}
正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本
[0-9] ~ \d
print(obj.group())
获取匹配的内容
obj=re.search("\d\S\w","89ab")
print(obj)
re 模块
compile
re.compile() 将字符串格式转成一个正则对象
search
re.search(): 表示的是全局查找
pattern = re.compile("BO", re.I) # 将"B" 一个正则对象
name = "ABOM"
obj = pattern.search(name) # 看name是否符合pattern正则 ，如果符合则返回一个对象，不能匹配成功则返回一个None值
print(obj)
match
re.match():表示将正则跟字符串的开头位置匹配
pattern = re.compile("A1", re.I)
s = "A1hello"
obj = pattern.match(s)
print(obj)
re模块中search match [abc] --->a有没有在lilyc b有没有在lilyc c有没有在lilyc
量词
* >=0
+ >=1
? 0或者1
加r和不加''r是有区别的
'r'是防止字符转义的 如果路径中出现'\t'的话 不加r的话\t就会被转义 而加了'r'之后'\t'就能保留原有的样子
\ 表示转义
\\ 表示的是"\"
re.compile("\\\w+") ----> 编译出来的正则对象： \\w+ ---->只能匹配存在一个"\"的字符串
假设： s="\\hello"
re.compile("\\\\\w+") ----> 编译出来的正则对象： \\\w+ ---->只能匹配存在一个"\\"的字符串
太麻烦：
使用元字符串的形式：
在正则表达式编译期间使用元字符串： re.compile(r"\\\w+") ----> \\\w+
边界
\b 单词边界
注意
添加r 原生字符 \b在正则中表示单词间隔。
但由于\b在字符串里本身是个转义，代表退格。r是得到字符本身。也就是说\b这两个字符
r"\w+ld\b" ---》所有以ld结尾的单词
r"\w+ld" ---》只要单词中有ld，但不是结尾也可以匹配出来
可选值
re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）
re.M(全拼：MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
re.S(全拼：DOTALL): 点任意匹配模式，改变'.'的行为
re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
re.U(全拼：UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
re.X(全拼：VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。
案例
电话号码 QQ号码
qq=input("请输入QQ号码:")
obj=re.search("^\d?$",qq) # 12
print(obj)
QQ 5-11 不能是0开头
qq=input("请输入QQ号码:")
obj=re.search("^[1-9]\d{4,10}$",qq) # 12
print(obj)
用户名
user_name = input("输入用户名:")
obj = re.search("^.{6}$", user_name)
print(obj)
身份证号码 18位 最后一位可以是x或者数字
^\d{17}[0-9xX]$
用户名：不能是数字开头，可以是数字字母下划线 6-12位
[^0-9] ~ \D ^[a-zA-Z_]\w{6,11}$
手机号码是： 13 15 18 开头的手机号码
^1[358]\d{9}$
匹配出163的邮箱地址，且@符号之前有4到20位字符，例如[email protected]
^\w{4,20}@163.com$
所有邮箱
^\w{4,20}@\w{2,}\.(com|cn|net)$
垃圾回收
Python中的垃圾回收是以引用计数为主，标记清除和分代收集（隔代回收）为辅。
有三种情况会触发垃圾回收
1. 调用gc.collect(),
2. 当gc模块的计数器达到阀值的时候。
3. 程序退出的时候
gc模块
通过频繁的处理零代链表中的新对象，Python的垃圾收集器将把时间花在更有意义的地方：它处理那些很快就可能变成垃圾的新对象。同时只在很少的时候，当满足阈值的条件，收集器才回去处理那些老变量。
引用计数+1
1.对象被创建，例如a = "hello"
2.对象被引用，例如b=a
3.对象被作为参数，传入到一个函数中，例如func(a)
4.对象作为一个元素，存储在容器中，例如list1=[a,a]
引用计数-1
1.对象的别名被显式销毁，例如del a
2.对象的别名被赋予新的对象，例如a=24
3.一个对象离开它的作用域，例如func函数执行完毕时，func函数中的局部变量（全局变量不会）
4.对象所在的容器被销毁，或从容器中删除对象
gc.disable() # python 自带的垃圾回收关闭
gc.get_count() : 获取零代，一代，二代的当前值
gc.get_threshold(): 定义的是每代中的最大值 默认的（700，10，10）
当达到最大值则触发：gc.collect() --->回收不可达的对象
（699，9，0）---》（700，9，0）----》（0，10，0）---》（0，0，1）
(699,5,0) --->(700,5,0) ----->gc.collect() 检查零代链表并回收 （0,6,0）
总结
1.对象池 intern
2.引用计数 ----》问题：循环引用
3.标记清除
4.隔代回收
gc模块
import gc
gc.collect()
gc.garbage
gc.get_count()
gc.get_threshold()
gc.set_threshold()
gc.set_debug(gc.DEBUG_LEAK)
爬取数据
import urllib.request
response = urllib.request.urlopen("http://www.moojing.com/home/")
print(response)
content = response.read()
content = content.decode("utf-8")
print(content)
正则表达式
import re
regex
^ 开头
$ 结尾
{n} 就是n位数 {n,} >=n {n,m}
正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本
[0-9] ~ \d
print(obj.group())
获取匹配的内容
obj=re.search("\d\S\w","89ab")
print(obj)
re 模块
compile
re.compile() 将字符串格式转成一个正则对象
search
re.search(): 表示的是全局查找
pattern = re.compile("BO", re.I) # 将"B" 一个正则对象
name = "ABOM"
obj = pattern.search(name) # 看name是否符合pattern正则 ，如果符合则返回一个对象，不能匹配成功则返回一个None值
print(obj)
match
re.match():表示将正则跟字符串的开头位置匹配
pattern = re.compile("A1", re.I)
s = "A1hello"
obj = pattern.match(s)
print(obj)
re模块中search match [abc] --->a有没有在lilyc b有没有在lilyc c有没有在lilyc
量词
* >=0
+ >=1
? 0或者1
加r和不加''r是有区别的
'r'是防止字符转义的 如果路径中出现'\t'的话 不加r的话\t就会被转义 而加了'r'之后'\t'就能保留原有的样子
\ 表示转义
\\ 表示的是"\"
re.compile("\\\w+") ----> 编译出来的正则对象： \\w+ ---->只能匹配存在一个"\"的字符串
假设： s="\\hello"
re.compile("\\\\\w+") ----> 编译出来的正则对象： \\\w+ ---->只能匹配存在一个"\\"的字符串
太麻烦：
使用元字符串的形式：
在正则表达式编译期间使用元字符串： re.compile(r"\\\w+") ----> \\\w+
边界
\b 单词边界
注意
添加r 原生字符 \b在正则中表示单词间隔。
但由于\b在字符串里本身是个转义，代表退格。r是得到字符本身。也就是说\b这两个字符
r"\w+ld\b" ---》所有以ld结尾的单词
r"\w+ld" ---》只要单词中有ld，但不是结尾也可以匹配出来
可选值
re.I(全拼：IGNORECASE): 忽略大小写（括号内是完整写法，下同）
re.M(全拼：MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
re.S(全拼：DOTALL): 点任意匹配模式，改变'.'的行为
re.L(全拼：LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
re.U(全拼：UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
re.X(全拼：VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。
案例
电话号码 QQ号码
qq=input("请输入QQ号码:")
obj=re.search("^\d?$",qq) # 12
print(obj)
QQ 5-11 不能是0开头
qq=input("请输入QQ号码:")
obj=re.search("^[1-9]\d{4,10}$",qq) # 12
print(obj)
用户名
user_name = input("输入用户名:")
obj = re.search("^.{6}$", user_name)
print(obj)
身份证号码 18位 最后一位可以是x或者数字
^\d{17}[0-9xX]$
用户名：不能是数字开头，可以是数字字母下划线 6-12位
[^0-9] ~ \D ^[a-zA-Z_]\w{6,11}$
手机号码是： 13 15 18 开头的手机号码
^1[358]\d{9}$
匹配出163的邮箱地址，且@符号之前有4到20位字符，例如[email protected]
^\w{4,20}@163.com$
所有邮箱
^\w{4,20}@\w{2,}\.(com|cn|net)$