day16

二进制数据转换

其他数据转二进制

# 字符串转二进制：字符串.encode(encoding='utf-8') print(bytes(10)) # print(bytes(12.5)) print(bytes(True)) print(bytes('abc', encoding='utf-8')) print(bytes([1, 2])) print(bytes([10, 20, 30])) # print(bytes(['abc', '123'])) list1 = [100, 'abc', 12.5] b1 = bytes(str(list1), encoding='utf-8') print(b1) str2 = 'hello' b2 = str2.encode(encoding='utf-8') print('b2:', b2)

二进制转字符

# 方法一： str(数据, encoding='utf-8') str1 = str(b1, encoding='utf-8') print(str1) list1 = eval(str1) print(list1, type(list1)) # 方法二：二进制数据.decode(encoding='utf-8') str2 = b2.decode(encoding='utf-8') print(str2)

正则语法

正则表达式是一种工具：一种专门用做字符串匹配的工具，能够在某些情况下让字符串的处理变得非常简单。

正则是用来描述字符串规则

正则表达式

fullmatch(正则表达式, 字符串) - 判断正则表达式是否和字符串完全匹配，如果不匹配返回None

匹配符号

普通字符

普通字符在正则表达式中表示这个符号本身

# 匹配一个字符串有三个字符，分别是 a、b、c re_str = r'abc' result = fullmatch(re_str, 'abc') print(result)

匹配任意一个字符

# 匹配一个长度是3的字符串，第一个字符是任意字符，后面是bc re_str = r'.bc' result = fullmatch(re_str, '好bc') print(result) re_str = r'a..c' result = fullmatch(re_str, 'aooc') print(result)

匹配任意一个数字字符

re_str = r'\d\d\d' result = fullmatch(re_str, '780') print(result) re_str = r'\d\dabc' result = fullmatch(re_str, '45abc') print(result)

匹配任意一个非数字字符

re_str = r'\d\D\d' result = fullmatch(re_str, '8=0') print(result)

匹配任意一个空白字符

# 空白字符：空格、\n(换行)、\t(制表符) re_str = r'abc\s123' print(fullmatch(re_str, 'abc\t123'))

匹配任意一个非空白字符

re_str = r'abc\S\d' print(fullmatch(re_str, 'abc看5')) re_str = r'\S...' print(fullmatch(re_str, 'psjd'))

字符集

匹配字符集中出现的任意一个字符

注意：一个[]只能匹配一个字符 [abc] - 匹配一个字符是a或者b或者c [\dabc] - 匹配一个字符是数字或者a或者b或者c [1-9] - 匹配1到9的任意一个数字字符 [2-5abc] - 匹配2到5中任意一个数字字符或者a或者b或者c [a-z] - 匹配任意一个小写字母 [a-zA-Z] - 匹配任意一个字母 [\da-zA-Z_] - 匹配字母、数字、下划线 [\u4e00-\u9fa5] - 匹配任意一个中文字符

在[]中两个字符之间才有特殊意义

re_str = r'[-abc]12-3' print(fullmatch(re_str, '-12-3'))

[^字符集]

匹配不在字符集中的任意一个字符

[^abc] - 匹配除了abc以外的任意一个字符 [^\dxy] - 匹配除了xy和数字以外的任意一个字符 [^a-z] - 匹配除了小写字母以外的任意一个字符 [^\u4e00-\u9fa5] - 匹配除了中文以外的任意一个字符 # 注意: ^在[]中，如果没有在开头就表示这个符号本身

检测符号

# 匹配符号要求一个符号必须对应一个字符，会影响字符串长度的描述； # 检测符号，不会匹配字符，也不会影响字符串长度，它是在匹配成功的前提下对指定位置的字符进行检测

单词边界

单词边界 - 所有能够区分出两个不同单词的符号，例如：空白字符、标点符号、字符串开头和字符串结尾

\b - 检测是否是单词边界

re_str = r'abc\b\s123' print(fullmatch(re_str, 'abc 123'))

\B - 检测是否不是单词边界

re_str = r'abc\B123' print(fullmatch(re_str, 'abc123'))

^ - 检测是否是字符串开头

re_str = r'abc^123' print(fullmatch(re_str, 'abc123')) # None re_str = r'^abc123' print(fullmatch(re_str, 'abc123')) re_str = r'^\d\d' print(fullmatch(re_str, '89')) print(search(re_str, '98asdgfag38上课的飞机和45'))

$ - 检测是否是字符串结尾

re_str = r'\d\d$' print(search(re_str, '海兽祭祀34sdjh728kjsj28'))

匹配次数

*-0次或多次

a* - 字符a出现0次或者多次

re_str = r'a*bc' print(fullmatch(re_str, 'bc')) print(fullmatch(re_str, 'abc')) print(fullmatch(re_str, 'aaabc'))

\d* - 任意数字出现0次或多次（实质是\d在正则中出现0次或多次）

re_str = r'a\d*c' print(fullmatch(re_str, 'ac')) print(fullmatch(re_str, 'a1c')) print(fullmatch(re_str, 'a12c'))

[字符集]* - 字符集中任意字符出现0次或者多次（每次都可以是任意一个）

re_str = r'a[A-Z]*c' print(fullmatch(re_str, 'ac')) print(fullmatch(re_str, 'aKc')) print(fullmatch(re_str, 'aKOKc'))

+ - 一次或多次（至少一次）

re_str = r'a[A-Z]+c' print(fullmatch(re_str, 'ac')) # None print(fullmatch(re_str, 'aKc')) print(fullmatch(re_str, 'aKOKc'))

？ - 0次或1次

# 练习：写一个正则能匹配任意正整数： 23， 3490，+87， 023(None) re_str = r'[+]?[1-9]\d*' print(fullmatch(re_str, '+8300'))

{}

{N} - 匹配到N次

{M,N} - 匹配到M到N次

{M,} - 匹配至少M次

{,N} - 匹配最多N次

贪婪和非贪婪

在匹配次数不确定的时候匹配模式有两种：贪婪(默认)和非贪婪(在不确定次数后面加?) 贪婪：在能匹配成功的前提下，匹配次数选最多的(+、*、?、{M,N}、{M,}、{,N}) 非贪婪：在能匹配成功的前提下，匹配次数选最少的(+?、*?、??、{M,N}?、{M,}?、{,N}?)

贪婪模式

re_str = r'a.+b' print(search(re_str, 'xxamnbpppb上到b====')) # <re.Match object; span=(2, 13), match='amnbpppb上到b'> # amnb / amnbpppb / amnbpppb上到b

非贪婪模式

re_str = r'a.+?b' print(search(re_str, 'xxamnbpppb上到b====')) # <re.Match object; span=(2, 6), match='amnb'> html = "<div><p class='title'>王者荣耀</p><img src=''><p class='score'>9.5</p></div>" re_str = r"<p class='title'>.+?</p>" print(search(re_str, html)

分组

用法一：整体操作 a{2,3} (ab){2,3} 用法二：重复 \M - 重复前面第M个分组中匹配到的内容 用法三：捕获 re中的findall在获取子串的时候，如果正则中有分组，只会获取分组匹配到的结果

分支

正则1|正则2|正则3|... 先用正则1进行匹配，如果匹配成功整个正则就匹配成功；如果失败就用正则2进行匹配，如果成功整个正则就匹配成功， 如果失败就用正则3进行匹配，以此类推...

转义符号

在在正则中有特殊意义的符号前加\,让这个符号在正则中的功能消失。 re_str = r'\d{2}\.\d{2}' print(fullmatch(re_str, '23.45')) re_str = r'\d\+' print(fullmatch(re_str, '8+')) re_str = r'\\dabc' print(fullmatch(re_str, r'\dabc')) re_str = r'\(\d{2}\)' print(fullmatch(re_str, '(89)'))

注意：在正则中独立存在有特殊意义的符号，放到[]中，它的意义会自动消失

re_str = r'[.+*]abc' print(fullmatch(re_str, '+abc')) re_str = r'[ab\]cA\-D]123' print(fullmatch(re_str, '-123'))

re模块

# 1.compile(正则表达式) - 编译正则表达式，返回正则对象 re_obj = re.compile(r'\d{3}') # 正则表达式对象.fullmatch(字符串) print(re_obj.fullmatch('789')) # re.fullmatch(正则表达式, 字符串) print(re.fullmatch(r'\d{3}', '789'))

匹配

fullmatch(正则, 字符串) - 让整个字符串和正则进行匹配，匹配失败返回None,匹配成功返回匹配对象 match(正则, 字符串) - 让字符串的开头和正则进行匹配，匹配失败返回None,匹配成功返回匹配对象

匹配对象

result = re.match(r'(\d{2})([a-z]{3})([A-Z]{2})', '34knmHK收到货发') print(result)

匹配到的子串

# 匹配对象.group() / 匹配对象.group(0) - 获取整个正则匹配到的子串 # 匹配对象.group(N) - 获取第N个分组匹配到的子串 print(result.group()) # '34knmHK' print(result.group(1)) # 34 print(result.group(3)) # HK

匹配范围

匹配到的子串在原字符串中的下标范围

# 匹配对象.span() print(result.span()) # [0, 7) print(result.span(2)) # [2, 5)

查找

search(正则, 字符串) - 在字符串查找第一个满足正则的子串，如果找到了返回匹配对象，找不到返回None findall(正则, 字符串) - 获取字符串中所有满足正则的子串，返回值是列表，列表中的元素是字符串或者元组 finditer(正则, 字符串) - 获取字符串中所有满足正则的子串, 返回值是迭代器，迭代器中的元素是匹配对象

search

print(re.search(r'\d{3}', 'hsjs453舒克舒克3442jsk==='))

findall

没有分组

['453', '344'] print(re.findall(r'\d{3}', 'hsjs453舒克舒克3442jsk==='))

有一个分组

['092', '786', '119'] print(re.findall(r'a(\d{3})', 'abm678十几年a092sdjb8239==-a786lksa119Kjd'))

有两个或者两个以上的分组

[('bm', '678'), ('jb', '823'), ('sa', '119')] print(re.findall(r'([a-z]{2})(\d{3})', 'abm678十几年a092sdjb8239==-a786lksa119Kjd')) print(re.findall(r'(\d|[a-z])[A-Z]{2}', 'hKM-水电费8MN速度快的9PP'))

finditer

result = re.finditer(r'([a-z]{2})(\d{3})', 'abm678十几年a092sdjb8239==-a786lksa119Kjd') print(result) print(list(result))

切割和替换

split(正则, 字符串) - 将字符串中满足正则的子串作为切割点 sub(正则,字符串1, 字符串2) - 将字符串2中满足正则的子串全部替换成字符串1 result = re.split(r'\d+', 'asjj823kasjkdfh299jSDK飞机和478sdjfh3上课的家伙5上看到回复') print(result) result = re.sub(r'\d+', '+', 'asjj823kasjkdfh299jSDK飞机和478sdjfh3上课的家伙5上看到回复') print(result)