Python常用内置模块

内置模块

1、 os

import os

# 1. 获取当前脚本绝对路径
"""
abs_path = os.path.abspath(__file__)
print(abs_path)
"""

# 2. 获取当前文件的上级目录
"""
base_path = os.path.dirname( os.path.dirname(路径) ）
print(base_path)
"""

# 3. 路径拼接
"""
p1 = os.path.join(base_path, \'xx\')
print(p1)

p2 = os.path.join(base_path, \'xx\', \'oo\', \'a1.png\')
print(p2)
"""

# 4. 判断路径是否存在
"""
exists = os.path.exists(p1)
print(exists)
"""

# 5. 创建文件夹
"""
os.makedirs(路径)
"""
"""
path = os.path.join(base_path, \'xx\', \'oo\', \'uuuu\')
if not os.path.exists(path):
    os.makedirs(path)
"""

# 6. 是否是文件夹
"""
file_path = os.path.join(base_path, \'xx\', \'oo\', \'uuuu.png\')
is_dir = os.path.isdir(file_path)
print(is_dir) # False

folder_path = os.path.join(base_path, \'xx\', \'oo\', \'uuuu\')
is_dir = os.path.isdir(folder_path)
print(is_dir) # True

"""

# 7. 删除文件或文件夹
"""
os.remove("文件路径")
"""
"""
path = os.path.join(base_path, \'xx\')
shutil.rmtree(path)
"""

• listdir，查看目录下所有的文件
• walk，查看目录下所有的文件（含子孙文件）

import os

"""
data = os.listdir("/Users/dean/PycharmProjects/mkcourse/day14/commons")
print(data)
# [\'convert.py\', \'__init__.py\', \'page.py\', \'__pycache__\', \'utils.py\', \'tencent\']
"""

"""
要遍历一个文件夹下的所有文件，例如：遍历文件夹下的所有mp4文件
"""

data = os.walk("/Users/dean/Documents/mp4")
for path, folder_list, file_list in data:
    for file_name in file_list:
        file_abs_path = os.path.join(path, file_name)
        ext = file_abs_path.rsplit(".",1)[-1]
        if ext == "mp4":
            print(file_abs_path)

2、 shutil

import shutil

# 1. 删除文件夹
"""
path = os.path.join(base_path, \'xx\')
shutil.rmtree(path)
"""

# 2. 拷贝文件夹
"""
shutil.copytree("/Users/dean/Desktop/图/csdn/","/Users/dean/PycharmProjects/CodeRepository/files")
"""

# 3.拷贝文件
"""
shutil.copy("/Users/dean/Desktop/图/csdn/WX20201123-112406@2x.png","/Users/dean/PycharmProjects/CodeRepository/")
shutil.copy("/Users/dean/Desktop/图/csdn/WX20201123-112406@2x.png","/Users/dean/PycharmProjects/CodeRepository/x.png")
"""

# 4.文件或文件夹重命名
"""
shutil.move("/Users/dean/PycharmProjects/CodeRepository/x.png","/Users/dean/PycharmProjects/CodeRepository/xxxx.png")
shutil.move("/Users/dean/PycharmProjects/CodeRepository/files","/Users/dean/PycharmProjects/CodeRepository/images")
"""

# 5. 压缩文件
"""
# base_name，压缩后的压缩包文件
# format，压缩的格式，例如："zip", "tar", "gztar", "bztar", or "xztar".
# root_dir，要压缩的文件夹路径
"""
# shutil.make_archive(base_name=r\'datafile\',format=\'zip\',root_dir=r\'files\')


# 6. 解压文件
"""
# filename，要解压的压缩包文件
# extract_dir，解压的路径
# format，压缩文件格式
"""
# shutil.unpack_archive(filename=r\'datafile.zip\', extract_dir=r\'xxxxxx/xo\', format=\'zip\')

3、 sys

import sys

# 1. 获取解释器版本
"""
print(sys.version)
print(sys.version_info)
print(sys.version_info.major, sys.version_info.minor, sys.version_info.micro)
"""

# 2. 导入模块路径
"""
print(sys.path)
"""

• argv，执行脚本时，python解释器后面传入的参数

import sys

print(sys.argv)


# [
#       \'/Users/dean/PycharmProjects/mkcourse/day14/2.接受执行脚本的参数.py\'
# ]

# [
#     "2.接受执行脚本的参数.py"
# ]

# [\'2.接受执行脚本的参数.py\', \'127\', \'999\', \'666\', \'dean\']

# 例如，请实现下载图片的一个工具。

def download_image(url):
    print("下载图片", url)


def run():
    # 接受用户传入的参数
    url_list = sys.argv[1:]
    for url in url_list:
        download_image(url)


if __name__ == \'__main__\':
    run()

4、 random

import random

# 1. 获取范围内的随机整数
v = random.randint(10, 20)
print(v)

# 2. 获取范围内的随机小数
v = random.uniform(1, 10)
print(v)

# 3. 随机抽取一个元素
v = random.choice([11, 22, 33, 44, 55])
print(v)

# 4. 随机抽取多个元素
v = random.sample([11, 22, 33, 44, 55], 3)
print(v)

# 5. 打乱顺序
data = [1, 2, 3, 4, 5, 6, 7, 8, 9]
random.shuffle(data)
print(data)

5、 hashlib

import hashlib

hash_object = hashlib.md5()
hash_object.update("dean".encode(\'utf-8\'))
result = hash_object.hexdigest()
print(result)

import hashlib

hash_object = hashlib.md5("iajfsdunjaksdjfasdfasdf".encode(\'utf-8\'))
hash_object.update("dean".encode(\'utf-8\'))
result = hash_object.hexdigest()
print(result)

6、 json

json模块，是python内部的一个模块，可以将python的数据格式 转换为json格式的数据，也可以将json格式的数据转换为python的数据格式。

json格式，是一个数据格式（本质上就是个字符串，常用语网络数据传输）

# Python中的数据类型的格式
data = [
    {"id": 1, "name": "dean", "age": 18},
    {"id": 2, "name": "sam", "age": 18},
    (\'dean\',123),
]

# JSON格式
value = \'[{"id": 1, "name": "dean", "age": 18}, {"id": 2, "name": "sam", "age": 18},["dean",123]]\'

6.1 核心功能

json格式的作用

跨语言数据传输，例如：
	A系统用Python开发，有列表类型和字典类型等。
	B系统用Java开发，有数组、map等的类型。

	语言不同，基础数据类型格式都不同。
	
	为了方便数据传输，大家约定一个格式：json格式，每种语言都是将自己数据类型转换为json格式，也可以将json格式的数据转换为自己的数据类型。

Python数据类型与json格式的相互转换：

• 数据类型 -> json ，一般称为：序列化

  import json
  
  data = [
      {"id": 1, "name": "dean", "age": 18},
      {"id": 2, "name": "sam", "age": 18},
  ]
  
  res = json.dumps(data)
  print(res) # \'[{"id": 1, "name": "\u6b66\u6c9b\u9f50", "age": 18}, {"id": 2, "name": "sam", "age": 18}]\'
  
  res = json.dumps(data, ensure_ascii=False)
  print(res) # \'[{"id": 1, "name": "dean", "age": 18}, {"id": 2, "name": "sam", "age": 18}]\'
  

• json格式 -> 数据类型，一般称为：反序列化

  import json
  
  data_string = \'[{"id": 1, "name": "dean", "age": 18}, {"id": 2, "name": "sam", "age": 18}]\'
  
  data_list = json.loads(data_string)
  
  print(data_list)
  

6.2 类型要求

python的数据类型转换为 json 格式，对数据类型是有要求的，默认只支持：

    +-------------------+---------------+
    | Python            | JSON          |
    +===================+===============+
    | dict              | object        |
    +-------------------+---------------+
    | list, tuple       | array         |
    +-------------------+---------------+
    | str               | string        |
    +-------------------+---------------+
    | int, float        | number        |
    +-------------------+---------------+
    | True              | true          |
    +-------------------+---------------+
    | False             | false         |
    +-------------------+---------------+
    | None              | null          |
    +-------------------+---------------+

data = [
    {"id": 1, "name": "dean", "age": 18},
    {"id": 2, "name": "sam", "age": 18},
]

其他类型如果想要支持，需要自定义JSONEncoder 才能实现，例如：

import json
from decimal import Decimal
from datetime import datetime

data = [
    {"id": 1, "name": "dean", "age": 18, \'size\': Decimal("18.99"), \'ctime\': datetime.now()},
    {"id": 2, "name": "sam", "age": 18, \'size\': Decimal("9.99"), \'ctime\': datetime.now()},
]


class MyJSONEncoder(json.JSONEncoder):
    def default(self, o):
        if type(o) == Decimal:
            return str(o)
        elif type(o) == datetime:
            return o.strftime("%Y-%M-%d")
        return super().default(o)


res = json.dumps(data, cls=MyJSONEncoder)
print(res)

6.3 其他功能

json模块中常用的是：

• json.dumps，序列化生成一个字符串。

• json.loads，发序列化生成python数据类型。

• json.dump，将数据序列化并写入文件（不常用）

  import json
  
  data = [
      {"id": 1, "name": "dean", "age": 18},
      {"id": 2, "name": "sam", "age": 18},
  ]
  
  file_object = open(\'xxx.json\', mode=\'w\', encoding=\'utf-8\')
  
  json.dump(data, file_object)
  
  file_object.close()
  

• json.load，读取文件中的数据并反序列化为python的数据类型（不常用）

  import json
  
  file_object = open(\'xxx.json\', mode=\'r\', encoding=\'utf-8\')
  
  data = json.load(file_object)
  print(data)
  
  file_object.close()
  

7、 时间处理

• UTC/GMT：世界时间

• 本地时间：本地时区的时间。

Python中关于时间处理的模块有两个，分别是time和datetime。

7.1 time

import time

# 获取当前时间戳（自1970-1-1 00:00）
v1 = time.time()
print(v1)

# 时区
v2 = time.timezone

# 停止n秒，再执行后续的代码。
time.sleep(5)

7.2 datetime

在平时开发过程中的时间一般是以为如下三种格式存在：

• datetime

  from datetime import datetime, timezone, timedelta
  
  v1 = datetime.now()  # 当前本地时间
  print(v1)
  
  tz = timezone(timedelta(hours=7))  # 当前东7区时间
  v2 = datetime.now(tz)
  print(v2)
  
  v3 = datetime.utcnow()  # 当前UTC时间
  print(v3)
  

  from datetime import datetime, timedelta
  
  v1 = datetime.now()
  print(v1)
  
  # 时间的加减
  v2 = v1 + timedelta(days=140, minutes=5)
  print(v2)
  
  # datetime类型 + timedelta类型
  

  from datetime import datetime, timezone, timedelta
  
  v1 = datetime.now()
  print(v1)
  
  v2 = datetime.utcnow()  # 当前UTC时间
  print(v2)
  
  # datetime之间相减，计算间隔时间（不能相加）
  data = v1 - v2
  print(data.days, data.seconds / 60 / 60, data.microseconds)
  
  # datetime类型 - datetime类型
  # datetime类型 比较 datetime类型
  

• 字符串

  # 字符串格式的时间  ---> 转换为datetime格式时间
  text = "2021-11-11"
  v1 = datetime.strptime(text,\'%Y-%m-%d\') # %Y 年，%m，月份，%d，天。
  print(v1)
  

  # datetime格式 ----> 转换为字符串格式
  v1 = datetime.now()
  val = v1.strftime("%Y-%m-%d %H:%M:%S")
  print(val)
  

• 时间戳

  # 时间戳格式 --> 转换为datetime格式
  ctime = time.time() # 11213245345.123
  v1 = datetime.fromtimestamp(ctime)
  print(v1)
  

  # datetime格式 ---> 转换为时间戳格式
  v1 = datetime.now()
  val = v1.timestamp()
  print(val)
  

示例

1. 日志记录，将用户输入的信息写入到文件，文件名格式为年-月-日-时-分.txt。

   from datetime import datetime
   
   while True:
       text = input("请输入内容：")
       if text.upper() == "Q":
           break
           
       current_datetime = datetime.now().strftime("%Y-%m-%d-%H-%M")
       file_name = "{}.txt".format(current_datetime)
       
       with open(file_name, mode=\'a\', encoding=\'utf-8\') as file_object:
           file_object.write(text)
           file_object.flush()
   

2. 用户注册，将用户信息写入Excel，其中包含：用户名、密码、注册时间 三列。

   import os
   import hashlib
   from datetime import datetime
   
   from openpyxl import load_workbook
   from openpyxl import workbook
   
   
   BASE_DIR = os.path.dirname(os.path.abspath(__file__))
   FILE_NAME = "db.xlsx"
   
   
   def md5(origin):
       hash_object = hashlib.md5("sdfsdfsdfsd23sd".encode(\'utf-8\'))
       hash_object.update(origin.encode(\'utf-8\'))
       return hash_object.hexdigest()
   
   
   def register(username, password):
       db_file_path = os.path.join(BASE_DIR, FILE_NAME)
       if os.path.exists(db_file_path):
           wb = load_workbook(db_file_path)
           sheet = wb.worksheets[0]
           next_row_position = sheet.max_row + 1
       else:
           wb = workbook.Workbook()
           sheet = wb.worksheets[0]
           next_row_position = 1
   
       user = sheet.cell(next_row_position, 1)
       user.value = username
   
       pwd = sheet.cell(next_row_position, 2)
       pwd.value = md5(password)
   
       ctime = sheet.cell(next_row_position, 3)
       ctime.value = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
   
       wb.save(db_file_path)
   
   
   def run():
       while True:
           username = input("请输入用户名：")
           if username.upper() == "Q":
               break
           password = input("请输入密码：")
           register(username, password)
   
   
   if __name__ == \'__main__\':
       run()
   
   

8、 正则

当给你一大堆文本信息，让你提取其中的指定数据时，可以使用正则来实现。例如：提取文本中的邮箱和手机号

import re

text = "楼主太牛逼了，在线想要 66666666@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789"

phone_list = re.findall("1[3|5|8|9]\d{9}", text)
print(phone_list)

8.1 正则表达式

1. 字符相关

• dean 匹配文本中的dean

  import re
  
  text = "你好dean,阿斯顿发wupeiqasd 阿士大夫能接受的deanff"
  data_list = re.findall("dean", text)
  print(data_list) # [\'dean\', \'dean\'] 可用于计算字符串中某个字符出现的次数
  

• [abc] 匹配a或b或c 字符。

  import re
  
  text = "你2b好dean,阿斯顿发awupeiqasd 阿士大夫a能接受的wffbbupqaceiqiff"
  data_list = re.findall("[abc]", text)
  print(data_list) # [\'b\', \'a\', \'a\', \'a\', \'b\', \'b\', \'c\']
  

  import re
  
  text = "你2b好dean,阿斯顿发awupeiqasd 阿士大夫a能接受的wffbbupqcceiqiff"
  data_list = re.findall("q[abc]", text)
  print(data_list) # [\'qa\', \'qc\']
  

• [^abc] 匹配除了abc意外的其他字符。

  import re
  
  text = "你wffbbupceiqiff"
  data_list = re.findall("[^abc]", text)
  print(data_list)  # [\'你\', \'w\', \'f\', \'f\', \'u\', \'p\', \'e\', \'i\', \'q\', \'i\', \'f\', \'f\']
  

• [a-z] 匹配a~z的任意字符（ [0-9]也可以 ）。

  import re
  
  text = "samrootrootadmin"
  data_list = re.findall("t[a-z]", text)
  print(data_list)  # [\'tr\', \'ta\']
  

• . 代指除换行符以外的任意字符。

  import re
  
  text = "samraotrootadmin"
  data_list = re.findall("r.o", text)
  print(data_list) # [\'rao\', \'roo\']
  

  import re
  
  text = "samraotrootadmin"
  data_list = re.findall("r.+o", text) # 贪婪匹配
  print(data_list) # [\'raotroo\']
  

  import re
  
  text = "samraotrootadmin"
  data_list = re.findall("r.+?o", text) # 非贪婪匹配
  print(data_list) # [\'rao\']
  

• \w 代指字母或数字或下划线（汉字）。

  import re
  
  text = "北京大郎sam天北  京大郎sam天"
  data_list = re.findall("大\w+x", text)
  print(data_list) # [\'大郎sam\', \'大郎sam\']
  

• \d 代指数字

  import re
  
  text = "root-ad32min-add3-admd1in"
  data_list = re.findall("d\d", text)
  print(data_list) # [\'d3\', \'d3\', \'d1\']
  

  import re
  
  text = "root-ad32min-add3-admd1in"
  data_list = re.findall("d\d+", text)
  print(data_list) # [\'d32\', \'d3\', \'d1\']
  

• \s 代指任意的空白符，包括空格、制表符等。

  import re
  
  text = "root admin add admin"
  data_list = re.findall("a\w+\s\w+", text)
  print(data_list) # [\'admin add\']
  

2. 数量相关

• * 重复0次或更多次

  import re
  
  text = "他是大B个，确实是个大2B。"
  data_list = re.findall("大2*B", text)
  print(data_list) # [\'大B\', \'大2B\']
  

• + 重复1次或更多次

  import re
  
  text = "他是大B个，确实是个大2B，大3B，大66666B。"
  data_list = re.findall("大\d+B", text)
  print(data_list) # [\'大2B\', \'大3B\', \'大66666B\']
  

• ? 重复0次或1次

  import re
  
  text = "他是大B个，确实是个大2B，大3B，大66666B。"
  data_list = re.findall("大\d?B", text)
  print(data_list) # [\'大B\', \'大2B\', \'大3B\']
  

• {n} 重复n次

  import re
  
  text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("151312\d{5}", text)
  print(data_list) # [\'15131255789\']
  

• {n,} 重复n次或更多次

  import re
  
  text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("\d{9,}", text)
  print(data_list) # [\'492650169\', \'15131255789\']
  
  

• {n,m} 重复n到m次

  import re
  
  text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("\d{10,15}", text)
  print(data_list) # [\'15131255789\']
  

3. 括号（分组）

• 提取数据区域

  import re
  
  text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("15131(2\d{5})", text)
  print(data_list)  # [\'255789\']
  

  import re
  
  text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来15131266666呀"
  data_list = re.findall("15(13)1(2\d{5})", text)
  print(data_list)  # [ (\'13\', \'255789\')   ]
  

  import re
  
  text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("(15131(2\d{5}))", text)
  print(data_list)  # [(\'15131255789\', \'255789\')]
  

• 获取指定区域 + 或条件

  import re
  
  text = "楼主15131root太牛15131sam逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("15131(2\d{5}|r\w+太)", text)
  print(data_list)  # [\'root太\', \'255789\']
  

  import re
  
  text = "楼主15131root太牛15131sam逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
  data_list = re.findall("(15131(2\d{5}|r\w+太))", text)
  print(data_list)  # [(\'15131root太\', \'root太\'), (\'15131255789\', \'255789\')]
  

  示例

1. 利用正则匹配QQ号码

   [1-9]\d{4,}
   

2. 身份证号码

   import re
   
   text = "dsf130429191912015219k13042919591219521Xkk"
   data_list = re.findall("\d{17}[\dX]", text) # [abc]
   print(data_list) # [\'130429191912015219\', \'13042919591219521X\']
   

   import re
   
   text = "dsf130429191912015219k13042919591219521Xkk"
   data_list = re.findall("\d{17}(\d|X)", text)
   print(data_list) # [\'9\', \'X\']
   

   import re
   
   text = "dsf130429191912015219k13042919591219521Xkk"
   data_list = re.findall("(\d{17}(\d|X))", text)
   print(data_list) # [(\'130429191912015219\', \'9\'), (\'13042919591219521X\', \'X\')]
   

   import re
   
   text = "dsf130429191912015219k13042919591219521Xkk"
   data_list = re.findall("(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)", text)
   print(data_list) # [(\'130429\', \'1919\', \'12\', \'01\', \'521\', \'9\'), (\'130429\', \'1959\', \'12\', \'19\', \'521\', \'X\')]
   

3. 手机号

   import re
   
   text = "我的手机哈是15133377892，你的手机号是1171123啊？"
   data_list = re.findall("1[3-9]\d{9}", text)
   print(data_list)  # [\'15133377892\']
   

4. 邮箱地址

   import re
   
   text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
   email_list = re.findall("\w+@\w+\.\w+",text)
   print(email_list) # [\'492650169@qq.com和xxxxx\']
   

   import re
   
   text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
   email_list = re.findall("[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+\.[a-zA-Z0-9_-]+", text, re.ASCII)
   print(email_list) # [\'492650169@qq.com\', \'xxxxx@live.com\']
   
   

   import re
   
   text = "楼主太牛逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
   email_list = re.findall("\w+@\w+\.\w+", text, re.ASCII)
   print(email_list) # [\'492650169@qq.com\', \'xxxxx@live.com\']
   

   import re
   
   text = "楼主太牛44266-2578@qq.com逼了，在线想要 492650169@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，搞起来呀"
   email_list = re.findall("(\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*)", text, re.ASCII)
   print(email_list) # [(\'44266-2578@qq.com\', \'-2578\', \'\', \'\'), (\'xxxxx@live.com\', \'\', \'\', \'\')]
   

5. 补充代码，实现获取页面上的所有评论（已实现），并提取里面的邮箱。

   # 先安装两个模块
   pip3 install requests
   pip3 install beautifulsoup4
   

   import re
   import requests
   from bs4 import BeautifulSoup
   
   res = requests.get(
       url="https://www.douban.com/group/topic/79870081/",
       headers={
           \'User-Agent\': \'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36\',
       }
   )
   bs_object = BeautifulSoup(res.text, "html.parser")
   comment_object_list = bs_object.find_all("p", attrs={"class": "reply-content"})
   for comment_object in comment_object_list:
       text = comment_object.text
       print(text)
       # 请继续补充代码，提取text中的邮箱地址
   
   

4. 起始和结束

上述示例中都是去一段文本中提取数据，只要文本中存在即可。

但，如果要求用户输入的内容必须是指定的内容开头和结尾，比就需要用到如下两个字符。

• ^ 开始
• $ 结束

import re

text = "啊492650169@qq.com我靠"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # []

import re

text = "492650169@qq.com"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # [\'492650169@qq.com\']

这种一般用于对用户输入数据格式的校验比较多，例如：

import re

text = input("请输入邮箱：")
email = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
if not email:
    print("邮箱格式错误")
else:
    print(email)

5. 特殊字符

由于正则表达式中 * . \ { } ( ) 等都具有特殊的含义，所以如果想要在正则中匹配这种指定的字符，需要转义，例如：

import re

text = "我是你{5}爸爸"
data = re.findall("你{5}爸", text)
print(data) # []

import re

text = "我是你{5}爸爸"
data = re.findall("你\{5\}爸", text)
print(data)

8.2 re模块

python中提供了re模块，可以处理正则表达式并对文本进行处理。

• findall，获取匹配到的所有数据

  import re
  
  text = "dsf130429191912015219k13042919591219521Xkk"
  data_list = re.findall("(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)", text)
  print(data_list) # [(\'130429\', \'1919\', \'12\', \'01\', \'521\', \'9\'), (\'130429\', \'1959\', \'12\', \'19\', \'521\', \'X\')]
  

• match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None

  import re
  
  text = "大小逗2B最逗3B欢乐"
  data = re.match("逗\dB", text)
  print(data) # None
  

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.match("逗\dB", text)
  if data:
      content = data.group() # "逗2B"
      print(content)
  

• search，浏览整个字符串去匹配第一个，未匹配成功返回None

  import re
  
  text = "大小逗2B最逗3B欢乐"
  data = re.search("逗\dB", text)
  if data:
      print(data.group())  # "逗2B"
  

• sub，替换匹配成功的位置

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.sub("\dB", "沙雕", text)
  print(data) # 逗沙雕最逗沙雕欢乐
  

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.sub("\dB", "沙雕", text, 1)
  print(data) # 逗沙雕最逗3B欢乐
  

• split，根据匹配成功的位置分割

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.split("\dB", text)
  print(data) # [\'逗\', \'最逗\', \'欢乐\']
  

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.split("\dB", text, 1)
  print(data) # [\'逗\', \'最逗3B欢乐\']
  

• finditer

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.finditer("\dB", text)
  for item in data:
      print(item.group())
  

  import re
  
  text = "逗2B最逗3B欢乐"
  data = re.finditer("(?P<xx>\dB)", text)  # 命名分组
  for item in data:
      print(item.groupdict())
  

  text = "dsf130429191912015219k13042919591219521Xkk"
  data_list = re.finditer("\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})\d{3}[\d|X]", text)
  for item in data_list:
      info_dict = item.groupdict()
      print(info_dict)