re正则表达式、shutil、ConfigParser、xml
一、re
- 正则元字符和语法：
| 语法 | 说明 | 表达式 | 完全匹配字符 |
| 字符 | |||
| 一般字符 | 匹配自身 | abc | abc |
| . | 匹配除换行符“\n”外,任意一个字符 | a.c | abc |
| \ | 转义字符,将特殊字符转义为本身 |
a\.c a\\c |
a.c a\c |
| [...] |
匹配字符集任意一个字符，或者“-”表示一个集合范围 如：[a-zA-Z0-9]匹配范围中任意一个字符；或者[^] 匹配否定，对括号中的内容取反。 |
[abc]efg |
aefg befg cefg |
| 预定义字符集 | |||
| \d | 数字：[0-9] | a\dc | a1c |
| \D | 非数字：[^\d] | a\Dc | abc |
| \s | 空白字符：[<空格>\t\r\n\f\v] | a\sc | a c |
| \S | 非空白字符:[^\s] | a\Sc | abc |
| \w | 字符：[a-zA-Z0-9_] | a\wc | abc |
| \W | 非单词字符：[^\w] | a\Wc | a c |
| 数量词 | |||
| * | 匹配前一个字符0次或无数次 | a*b |
aab ab b |
| + | 匹配前一个字符1次或无数次 | a+b |
aab aaaab |
| ? | 匹配前一个字符0次或1次 | a?b |
b ab |
| {m} | 匹配前一个字符m次 | a{2}c | aac |
| {m,n} |
匹配前一个字符m次到n次。m与n可以省略 如果省略m，表示0次到n次；省略n表示从m次到 无数次 |
a{1,2}c |
ac aac |
|
*? +? ?? {m,n}? |
使*、+、？、{m,n}变为非贪婪模式 | 见后文 | |
| 边界匹配 | |||
| ^ | 匹配字符串开头 | ^abc | abc |
| $ | 匹配字符串结尾 | abc$ | abc |
| \A | 仅匹配字符串开头 | \Aabc | abc |
| \Z | 仅匹配字符串结尾 | abc\Z | abc |
| \b |
匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er” |
ab\b | ab |
| \B |
匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er” |
ab\Bc | abc |
| 逻辑与分组 | |||
| | |
代表左右表达式任意匹配一个。 它总是先匹配左边的，一旦匹配成功，则跳过右边表达式。 如果|没有被包含在()中，他的范围将是整个表达式。 |
abc|def |
abc def |
| () |
被括号括起来的表达式将视为分组。 从表达式左边开始，每遇到一个分组的左括号“（“，编号+1 分组表达式作为一个整体，可以后接数量词。表达式中|仅在分组中生效。 |
(abc){2} (abc|bcd) |
abcabc abc |
| (?P<name>...) | 分组，除了原有编号外，再指定一个别名。group(1)=group(name) | (?P<id>abc) | abc |
| (?P=name)引用别名为name的分组匹配到的字符串(?P<id>123)abc(?P=id)123abc123 | |||
-
数量词的贪婪模式与非贪婪模式
正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式"ab*"如果用于查找"abbbc"，将找到"abbb"。而如果使用非贪婪的数量词"ab*?"，将找到"a"。
-
反斜杠的困扰
与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
- re相关匹配方法
- match
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
1 import re
2
3 text="the Attila the Hun show"
4 m = re.match(".",text)
5 print(m.group()) #"t" 或者group(0)取得匹配所有结果
6
7 m = re.match("(.)(.)(.)",text)
8 print(m.group(0)) #"the"
9
10 #分组
11 print(m.group(1,2,3)) #(‘t‘,‘h‘,‘e‘) 匹配后得分组
12
13 #将正则编译成Pattern对象
14 pattern = re.compile(".")
15 m = pattern.match(text)
16 print(m.group()) #‘t‘
2. search
search, 浏览整个字符串去匹配第一个，未匹配成功返回None
1 import re
2 text = "Example 3:there is 1 date 11/5/2016 in here"
3 m = re.search("(\d{1,2})/(\d{1,2})/(\d{2,4})",text)
4 print(m.group(1),m.group(2),m.group(3))# 11 5 2016
3. sub
替换匹配成功的指定位置字符串
1 import re
2 # sub(pattern, repl, string, count=0, flags=0)
3 # pattern： 正则模型
4 # repl ： 要替换的字符串或可执行对象
5 # string ： 要匹配的字符串
6 # count ： 指定匹配个数
7 # flags ： 匹配模式
8 text = "you‘re no fun anymore fun"
9 m = re.sub("fun","entertaining",text,2)
10 print(m)
11 # "you‘re no entertaining anymore entertaining"
4. spilt
根据正则匹配分隔字符串
import re
# split(pattern, string, maxsplit=0, flags=0)
# pattern： 正则模型
# string ： 要匹配的字符串
# maxsplit：指定分割个数
# flags ： 匹配模式
# 无分组
origin = "hello alex bcd alex lge alex acd 19"
r = re.split("alex", origin, 1)
print(r) #["hello","bcd alex lge alex acd 19"]
# 有分组
origin = "hello alex bcd alex lge alex acd 19"
r1 = re.split("(alex)", origin, 1)
print(r1) # ["hello","alex","bcd alex lge alex acd 19"]
r2 = re.split("(al(ex))", origin, 1)
print(r2) # ["hello","alex","ex","bcd alex lge alex acd 19"]
5. findall
获取非重复的匹配列表；如果有一个组则以列表形式返回，且每一个匹配均是字符串；如果模型中有多个组，则以列表形式返回，且每一个匹配均是元祖；
空的匹配也会包含在结果中
1 # 无分组
2 origin = "hello alex bcd abcd lge acd 19"
3 r = re.findall("a\w+",origin)
4 print(r) # ["alex","abcd","acd"]
5
6 # 有分组
7 origin = "hello alex bcd abcd lge acd 19"
8 r = re.findall("a((\w*)c)(d)", origin)
9 print(r) # 匹配两个字符串"abcd"&"acd"先将匹配最外层分组的元素放入元祖#中，再将内层分组匹配的元素放入元祖中结果[("bc","b","d"),("c","","d")]
IP：
^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$
手机号：
^1[3|4|5|8][0-9]\d{8}$
邮箱：
[a-zA-Z0-9_-][email protected][a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+
二、shutil
高级文件、文件夹、压缩包处理模块
- 将文件内容拷贝到另一个文件
shutil.copyfileobj(fsrc, fdst[, length])
1 import shutil 2 shutil.copyfileobj(open(‘old.xml‘,‘r‘), open(‘new.xml‘, ‘w‘))
2. 拷贝文件
shutil.copyfile(src, dst)
1 shutil.copyfile(‘f1.log‘, ‘f2.log‘)
3. 仅拷贝权限。内容、组、用户均不变
shutil.copymode(src, dst)
1 shutil.copymode(‘f1.log‘, ‘f2.log‘)
4. 仅拷贝状态的信息，包括：mode bits, atime, mtime, flags
shutil.copystat(src, dst)
1 shutil.copystat(‘f1.log‘, ‘f2.log‘)
5. 拷贝文件和权限
shutil.copy(src, dst)
1 shutil.copy(‘f1.log‘, ‘f2.log‘)
6. 拷贝文件和状态信息
shutil.copy2(src, dst)
1 shutil.copy2(‘f1.log‘, ‘f2.log‘)
7. 递归的去拷贝文件夹
shutil.ignore_patterns(*patterns) 忽略某些格式文件
shutil.copytree(src, dst, symlinks=False, ignore=None)
1 import shutil 2 shutil.copytree(‘folder1‘, ‘folder2‘, ignore=shutil.ignore_patterns(‘*.pyc‘, ‘tmp*‘))
1 import shutil 2 shutil.copytree(‘f1‘, ‘f2‘, symlinks=True, ignore=shutil.ignore_patterns(‘*.pyc‘, ‘tmp*‘))
8. 递归的去删除文件
shutil.rmtree(path[, ignore_errors[, onerror]])
1 import shutil 2 shutil.rmtree(‘folder1‘)
9. 递归的去移动文件，它类似mv命令，其实就是重命名。
shutil.move(src, dst)
1 import shutil 2 shutil.move(‘folder1‘, ‘folder3‘)
10. 创建压缩包并返回文件路径，例如：zip、tar
shutil.make_archive(base_name, format,...) 这个功能只能压缩一个文件夹
- base_name： 压缩包的文件名，也可以是压缩包的路径。只是文件名时，则保存至当前目录，否则保存至指定路径，如：www =>保存至当前路径如：/Users/lcy/www =>保存至/Users/lcy/
- format： 压缩包种类，“zip”, “tar”, “bztar”，“gztar”
- root_dir： 要压缩的文件夹路径（默认当前目录）
- owner： 用户，默认当前用户
- group： 组，默认当前组
- logger： 用于记录日志，通常是logging.Logger对象
#将 /Users/lcy/Downloads/test 下的文件打包放置当前程序目录
import shutil
ret = shutil.make_archive("www", ‘gztar‘, root_dir=‘/Users/lcy/Downloads/test‘)
#将 /Users/lcy/Downloads/test 下的文件打包放置 /Users/lcy/目录
import shutil
ret = shutil.make_archive("/Users/lcy/www", ‘gztar‘, root_dir=‘/Users/lcy/Downloads/test‘)
附加：ZipFile 和 TarFile一般用这个较多
1 import zipfile 2 3 # 压缩 4 z = zipfile.ZipFile(‘laxi.zip‘, ‘w‘) #创建一个压缩包 5 z.write(‘a.log‘) 6 z.write(‘data.data‘) 7 z.close() 8 # 解压 9 z = zipfile.ZipFile(‘laxi.zip‘, ‘r‘) 10 z.extractall() 11 z.close()