模块补充
collections模块：给我们提供一些python的数据类型.比较特殊的数据类型.出奇制胜的效果.
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
tuple可以表示不变集合，例如，一个点的二维坐标就可以表示成：p=(1,2) 但是，看到(1, 2)，很难看出这个tuple是用来表示一个坐标的。这时，namedtuple就派上了用场： >>> from collections import namedtuple >>> Point = namedtuple('Point', ['x', 'y']) >>> p = Point(1, 2) >>> p.x >>> p.y 类似的，如果要用坐标和半径表示一个圆，也可以用namedtuple定义： namedtuple('名称', [属性list]): Circle = namedtuple('Circle', ['x', 'y', 'r'])from collections import namedtuple Point = namedtuple('Point',['x', 'y']) print(type(Point)) p = Point(1, 2) print(type(p)) print(p) Point(x=1, y=2) print(p[0]) print(p[1]) print(p.x) print(p.y) import time struct_time = time.strptime('2019-7-2','%Y-%m-%d') print(struct_time) print(struct_time[0]) print(struct_time.tm_yday) struct_time(tm_year=2019, tm_mon=7, tm_mday=2, ) from collections import namedtuple struct_time = namedtuple('struct_time',['tm_year', 'tm_mon', 'tm_mday']) st = struct_time(2019, 7, 2) print(st)deque: 双端队列，可以快速的从另外一侧追加和推出对象
使用list存储数据时，按索引访问元素很快，但是插入和删除元素就很慢了，因为list是线性存储，数据量大的时候，插入和删除效率很低。 deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈： >>> from collections import deque >>> q = deque(['a', 'b', 'c']) >>> q.append('x') >>> q.appendleft('y') >>> q deque(['y', 'a', 'b', 'c', 'x']) deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就可以非常高效地往头部添加或删除元素。deque: 类似于列表的一种容器型数据,插入元素删除元素效率高. from collections import deque q = deque(['a', 1, 'c', 'd']) print(q) q.append('e') q.append('f') print(q) q.appendleft('ly') q.appendleft('dsb') print(q) q.pop() q.popleft() print(q) 按照索引取值 print(q[0]) 按照索引删除任意值 del q[2] print(q) q.insert(1,'2') print(q) d = dict([('a', 1), ('b', 2), ('c', 3)]) print(d) from collections import OrderedDict od = OrderedDict([('a', 1), ('b', 2), ('c', 3)]) print(od) print(od['a']) print(od['b'])Counter: 计数器，主要用来计数
Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。 c = Counter('abcdeabcdabcaba') print c 输出：Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1})from collections import Counter c = Counter('flkjdasffdfakjsfdsaklfdsalf') 计数器 print(c) print(c['f'])OrderedDict: 有序字典
使用dict时，Key是无序的。在对dict做迭代时，我们无法确定Key的顺序。 如果要保持Key的顺序，可以用OrderedDict： >>> from collections import OrderedDict >>> d = dict([('a', 1), ('b', 2), ('c', 3)]) >>> d dict的Key是无序的 {'a': 1, 'c': 3, 'b': 2} >>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)]) >>> od OrderedDict的Key是有序的 OrderedDict([('a', 1), ('b', 2), ('c', 3)]) 注意，OrderedDict的Key会按照插入的顺序排列，不是Key本身排序： >>> od = OrderedDict() >>> od['z'] = 1 >>> od['y'] = 2 >>> od['x'] = 3 >>> od.keys() 按照插入的Key的顺序返回 ['z', 'y', 'x']defaultdict: 带有默认值的字典
有如下值集合 [11,22,33,44,55,66,77,88,99,90...]，将所有大于 66 的值保存至字典的第一个key中，将小于 66 的值保存至第二个key的值中。 即： {'k1': 大于66 , 'k2': 小于66} li = [11,22,33,44,55,77,88,99,90] result = {} for row in li: if row > 66: if 'key1' not in result: result['key1'] = [] result['key1'].append(row) else: if 'key2' not in result: result['key2'] = [] result['key2'].append(row) print(result) 原生字典的解决方法 from collections import defaultdict values = [11, 22, 33,44,55,66,77,88,99,90] my_dict = defaultdict(list) for value in values: if value>66: my_dict['k1'].append(value) else: my_dict['k2'].append(value) defaultdict字典解决方法 使用dict时，如果引用的Key不存在，就会抛出KeyError。如果希望key不存在时，返回一个默认值，就可以用defaultdict： >>> from collections import defaultdict >>> dd = defaultdict(lambda: 'N/A') >>> dd['key1'] = 'abc' >>> dd['key1'] key1存在 'abc' >>> dd['key2'] key2不存在，返回默认值 'N/A' 例2from collections import defaultdict 默认值字典 l1 = [11, 22, 33, 44, 55, 77, 88, 99] dic = {} for i in l1: if i < 66: if 'key1' not in dic: dic['key1'] = [] dic['key1'].append(i) else: if 'key2' not in dic: dic['key2'] = [] dic['key2'].append(i) print(dic) l1 = [11, 22, 33, 44, 55, 77, 88, 99] dic = defaultdict(list) for i in l1: if i < 66: dic['key1'].append(i) else: dic['key2'].append(i) print(dic) callable dic = defaultdict(list) 需要一个可回调的 dic['1'] = 222 dic['2'] dic['3'] print(dic) print(list()) print(list()) dic = dict.fromkeys('123',[]) print(dic) dic = defaultdict(lambda :None) dic = defaultdict(None) for i in range(1,4): dic[i] print(dic)
re模块：正则表达式: 从一大堆字符串中,找出你想要的字符串.在于对你想要得这个字符串进行一个精确地描述.
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，然后由用 C 编写的匹配引擎执行。
元字符 匹配内容 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 从字符串开头匹配 \z 匹配字符串的结束，如果是换行，只匹配到换行前的结果 \n 匹配一个换行符 \t 匹配一个制表符 ^ 匹配字符串的开始 $ 匹配字符串的结尾 . 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 匹配模式举例
----------------匹配模式-------------------- 1,之前学过的字符串的常用操作：一对一匹配 s1 = 'fdskahf太白金星' print(s1.find('太白')) 7 2，正则匹配： 单个字符匹配 import re \w 与 \W print(re.findall('\w', '太白jx 12*() _')) ['太', '白', 'j', 'x', '1', '2', '_'] print(re.findall('\W', '太白jx 12*() _')) [' ', '*', '(', ')', ' '] \s 与\S print(re.findall('\s','太白barry*(_ \t \n')) [' ', '\t', ' ', '\n'] print(re.findall('\S','太白barry*(_ \t \n')) ['太', '白', 'b', 'a', 'r', 'r', 'y', '*', '(', '_'] \d 与 \D print(re.findall('\d','1234567890 alex *（_')) ['1', '2', '3', '4', '5', '6', '7', '8', '9', '0'] print(re.findall('\D','1234567890 alex *（_')) [' ', 'a', 'l', 'e', 'x', ' ', '*', '（', '_'] \A 与 ^ print(re.findall('\Ahel','hello 太白金星 -_- 666')) ['hel'] print(re.findall('^hel','hello 太白金星 -_- 666')) ['hel'] \Z、\z 与 $ @@ print(re.findall('666\Z','hello 太白金星 *-_-* \n666')) ['666'] print(re.findall('666\z','hello 太白金星 *-_-* \n666')) [] print(re.findall('666$','hello 太白金星 *-_-* \n666')) ['666'] \n 与 \t print(re.findall('\n','hello \n 太白金星 \t*-_-*\t \n666')) ['\n', '\n'] print(re.findall('\t','hello \n 太白金星 \t*-_-*\t \n666')) ['\t', '\t'] 重复匹配 . ? * + {m,n} .* .*? . 匹配任意字符，除了换行符（re.DOTALL 这个参数可以匹配\n）。 print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb')) ['aab', 'a*b', 'a2b', 'a牛b'] print(re.findall('a.b', 'ab aab a*b a2b a牛b a\nb',re.DOTALL)) ['aab', 'a*b', 'a2b', 'a牛b'] ？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 a牛b aba**b')) ['ab', 'ab', 'ab', 'b', 'ab', 'b', 'ab', 'b'] * 匹配0个或者多个左边字符表达式。 满足贪婪匹配 @@ print(re.findall('a*b', 'ab aab aaab abbb')) ['ab', 'aab', 'aaab', 'ab', 'b', 'b'] print(re.findall('ab*', 'ab aab aaab abbbbb')) ['ab', 'a', 'ab', 'a', 'a', 'ab', 'abbbbb'] + 匹配1个或者多个左边字符表达式。 满足贪婪匹配 @@ print(re.findall('a+b', 'ab aab aaab abbb')) ['ab', 'aab', 'aaab', 'ab'] {m,n} 匹配m个至n个左边字符表达式。 满足贪婪匹配 @@ print(re.findall('a{2,4}b', 'ab aab aaab aaaaabb')) ['aab', 'aaab'] .* 贪婪匹配 从头到尾. print(re.findall('a.*b', 'ab aab a*()b')) ['ab aab a*()b'] .*? 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 推荐使用! print(re.findall('a.*?b', 'ab a1b a*()b, aaaaaab')) ['ab', 'a1b', 'a*()b'] []: 括号中可以放任意一个字符,一个中括号代表一个字符 - 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间. ^ 在[]中表示取反的意思. print(re.findall('a.b', 'a1b a3b aeb a*b arb a_b')) ['a1b', 'a3b', 'a4b', 'a*b', 'arb', 'a_b'] print(re.findall('a[abc]b', 'aab abb acb adb afb a_b')) ['aab', 'abb', 'acb'] print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b')) ['a1b', 'a3b'] print(re.findall('a[a-z]b', 'a1b a3b aeb a*b arb a_b')) ['aeb', 'arb'] print(re.findall('a[a-zA-Z]b', 'aAb aWb aeb a*b arb a_b')) ['aAb', 'aWb', 'aeb', 'arb'] print(re.findall('a[0-9][0-9]b', 'a11b a12b a34b a*b arb a_b')) ['a11b', 'a12b', 'a34b'] print(re.findall('a[*-+]b','a-b a*b a+b a/b a6b')) ['a*b', 'a+b'] - 在[]中表示范围,如果想要匹配上- 那么这个-符号不能放在中间. print(re.findall('a[-*+]b','a-b a*b a+b a/b a6b')) ['a-b', 'a*b', 'a+b'] print(re.findall('a[^a-z]b', 'acb adb a3b a*b')) ['a3b', 'a*b'] 练习: 找到字符串中'alex_sb ale123_sb wu12sir_sb wusir_sb ritian_sb' 的 alex wusir ritian print(re.findall('([a-z]+)_sb','alex_sb ale123_sb wusir12_sb wusir_sb ritian_sb')) 分组: () 制定一个规则,将满足规则的结果匹配出来 print(re.findall('(.*?)_sb', 'alex_sb wusir_sb 日天_sb')) ['alex', ' wusir', ' 日天'] 应用举例: print(re.findall('href="(.*?)"','<a href="http://www.baidu.com">点击</a>'))['http://www.baidu.com'] | 匹配 左边或者右边 print(re.findall('alex|太白|wusir', 'alex太白wusiraleeeex太太白odlb')) ['alex', '太白', 'wusir', '太白'] print(re.findall('compan(y|ies)','Too many companies have gone bankrupt, and the next one is my company')) ['ies', 'y'] print(re.findall('compan(?:y|ies)','Too many companies have gone bankrupt, and the next one is my company')) ['companies', 'company'] 分组() 中加入?: 表示将整体匹配出来而不只是()里面的内容。常用方法举例
import re 1 findall 全部找到返回一个列表。 print(relx.findall('a', 'alexwusirbarryeval')) ['a', 'a', 'a'] 2 search 只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。 print(relx.search('sb|alex', 'alex sb sb barry 日天')) <_sre.SRE_Match object; span=(0, 4), match='alex'> print(relx.search('alex', 'alex sb sb barry 日天').group()) alex 3 match：None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match print(relx.match('barry', 'barry alex wusir 日天')) <_sre.SRE_Match object; span=(0, 5), match='barry'> print(relx.match('barry', 'barry alex wusir 日天').group()) barry 4 split 分割 可按照任意分割符进行分割 print(relx.split('[ ：:,;；，]','alex wusir,日天，太白;女神;肖锋：吴超')) ['alex', 'wusir', '日天', '太白', '女神', '肖锋', '吴超'] 5 sub 替换 print(relx.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。')) 太白是最好的讲师，太白就是一个普通老师，请不要将太白当男神对待。 print(relx.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。',2)) 太白是最好的讲师，太白就是一个普通老师，请不要将barry当男神对待。 print(relx.sub('([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)([^a-zA-Z]+)([a-zA-Z]+)', r'\5\2\3\4\1', r'alex is sb')) sb is alex 6 obj=relx.compile('\d{2}') print(obj.search('abc123eeee').group()) 12 print(obj.findall('abc123eeee')) ['12'],重用了obj import relx ret = relx.finditer('\d', 'ds3sy4784a') finditer返回一个存放匹配结果的迭代器 print(ret) <callable_iterator object at 0x10195f940> print(next(ret).group()) 查看第一个结果 print(next(ret).group()) 查看第二个结果 print([i.group() for i in ret]) 查看剩余的左右结果命名分组举例（了解）
命名分组匹配： ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>") 还可以在分组中利用?<name>的形式给分组起名字 获取的匹配结果可以直接用group('名字')拿到对应的值 print(ret.group('tag_name')) 结果 ：h1 print(ret.group()) 结果 ：<h1>hello</h1> ret = relx.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>") 如果不给组起名字，也可以用\序号来找到对应的组，表示要找的内容和前面的组内容一致 获取的匹配结果可以直接用group(序号)拿到对应的值 print(ret.group(1)) print(ret.group()) 结果 ：<h1>hello</h1>import re re.findall() 正则表达式: 从一大堆字符串中,找出你想要的字符串. 在于对你想要得这个字符串进行一个精确地描述. s1 = 'fdsa太白金星' print(s1.find('白')) 单个字符匹配 \W与\w \w 数字字母下划线中文 \W 非数字字母下划线中文 print(re.findall('\w', '太白jx 12*() _')) print(re.findall('\W', '太白jx 12*() _')) \s 匹配的 空格 \t \n \S 匹配的 非空格 \t \n print(re.findall('\s','太白barry*(_ \t \n')) print(re.findall('\S','太白barry*(_ \t \n')) \d 匹配所有的数字 \D 非匹配所有的数字 print(re.findall('\d\d','1234567890 alex *（_')) print(re.findall('\D','1234567890 alex *（_')) \A ^从开头开始匹配 print(re.findall('\Ahello','hello hello 太白 hell')) print(re.findall('^hello','hello hello 太白 hell')) \Z,从结尾开始匹配 \z,有一点问题 $从结尾开始匹配 print(re.findall('fjkdsla太白金星\Z','fjkdsla太白金星')) print(re.findall('金星$','fjkdsla太白金星')) \n \t print(re.findall('\n','fdsak\n fkjdlas\n \t')) print(re.findall('\t','fdsak\n fkjdlas\n \t')) 元字符匹配 . ? * + {m,n} .* .*? . 匹配任意一个字符 如果匹配成功光标则移到匹配成功的最后的字符 如果匹配未成功光标则向下移动一位再次匹配 print(re.findall('a.b','aaabbb')) ? 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')) print(re.findall('a?b', 'sb ab aabb')) * 匹配0个或者多个左边字符表达式。 满足贪婪匹配 print(re.findall('a*b','aaab ab b')) print(re.findall('a*b','aasab ab b')) + 匹配1个或者多个左边字符表达式。 满足贪婪匹配 print(re.findall('a+b','aaab ab b')) {m,n} 匹配m个至n(n能取到)个左边字符表达式。 满足贪婪匹配 print(re.findall('a{1,5}b', 'ab aab aaab aaaab aaaaaab aaaaabb')) .* 贪婪匹配 从头到尾. print(re.findall('a.*b','aab abbliye aaab abbb aab')) print(re.findall('a.*b','asb abbliyeaaab \nabbb aay',re.DOTALL)) a...................b .*? 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 推荐使用! 0个或者多个 print(re.findall('a.*?b','ab abbbbbb aaab')) print(re.findall('a.*b','abbbbbb')) print(re.findall('a.*?b','abbbbbb')) [] print(re.findall('a[abc]b', 'aab abb acb adb afb a_b')) print(re.findall('a[abc][bd]b', 'aabb aaabc abd acdbb')) print(re.findall('a[0-9]b', 'a1b a3b aeb a*b arb a_b')) print(re.findall('a[a-z]b', 'a1b a3b aeb a*b arb a_b')) print(re.findall('a[A-Z]b', 'aAb a3b aEb a*b aRb a_b')) print(re.findall('a[a-zA-Z]b', 'aab a3b aAb a*b aTb a_b')) 当你想匹配 - 时,要把它放在[]里面的最前面或者最后面 print(re.findall('a[-*$]b', 'a-b a$b a)b a*b ')) ^ 在中括号里面最前面代表取反 print(re.findall('a[0-9]b', 'a1b a$b a5b a*b ')) print(re.findall('a[*^)]b', 'a^b a$b a5b a*b ')) 'alex_sb wusir_sb ritian_sb 太白_nb yuanbao_sb' s = 'alex_sb wusir_sb ritian_sb 太白_nb yuanbao_sb dsb_sb' print(re.findall('\w+_sb',s)) 'alex_sb wusir_sb ritian_sb 太白_nb yuanbao_sb' () print(re.findall('(\w+)_sb',s)) | print(re.findall('alex|太白|wusir', 'alex太白wusiraleeeex太太白odlb')) () 分组里面加了?: 将全部的内容给我返回回来,而不是将组内的内容返回 print(re.findall('companies|company', 'Too many companies have gone bankrupt, and the next one is my company')) ['ies', 'y'] printy companies have gone bankrupt, and the next one is my company'))(re.findall('compan(?:ies|y)', 'Too man search match import re 找到第一个符合条件的字符串就返回,返回一个对象,通过对象.group() ret = re.search('sb|alex', 'alex sb sb barry 日天') ret = re.search('alex', 'fdsjkfd fjdsklalex gfdlgjfdlgjfggfjlgjfkdl') print(ret) print(ret.group()) 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('alex', 'alexfdskfd fjdsklalex gfdlgjfdlgjfggfjlgjfkdl') print(ret) print(ret.group()) split s1 = 'alex;wusir,太白 吴超~宝元' import re print(re.split('[;, ~]',s1)) import re print(re.sub('barry', '太白', 'barry是最好的讲师，barry就是一个普通老师，请不要将barry当男神对待。')) obj = re.compile('\d{2}') print(obj.search('fdsa12fds435454').group()) print(obj.findall('fjdskalf2134fkjsd3245fdjsl545')) finditer ret = re.finditer('\d','54fjdkls4535lsdfj6776') print(ret) print(next(ret)) print(next(ret).group()) print(next(ret).group()) for i in ret: print(i.group()) print(list(ret)) s1 = ''' 时间就是f4321995-04-27,2005-04-27 1999-04-27 老男孩教育创始人 老男孩老师 alex 1980-04-27:1980-04-27 2018-12-08 ''' print(re.findall('\d{4}-\d{2}-\d{2}',s1)) 匹配一个qq账号 10000开始 第一个元素规定就是非零数字,后面的是随意的数字长度大于5位. s2 = '56546326546757' print(re.findall('[1-9][0-9]{4,}',s2))