正则表达式
应用场景
特定规律字符串的查找替换切割等
邮箱格式、URL、IP等的校验
爬虫项目中，特定内容的提取
使用原则
只要是能够使用字符串函数解决的问题，就不要使用正则
正则的效率较低，还会降低代码的可读性
世界上最难理解的三样东西：医生的处方、道士的神符、码农的正则
提醒：正则是用来写的，不是用来读的；在不知道功能的情况下，不要试图阅读别人的正则。
基本使用
说明：正则的解析处理是由 re 模块完成
相关函数：
match：从开头进行匹配，匹配到就返回正则结果对象，没有就返回None
search：从任意位置匹配，匹配到一次就返回，没有就返回None
import re
# 只从开头匹配，找到返回一个正则结果对象，没有找到返回None
# m = re.match('abc', 'abcsdhasdasjabcweuqo')
# 全部匹配，只要找到就停止并返回
m = re.search('abc', 'sdhabcsdasjabcweuqo')
if m:
# 提取匹配到的内容
print(m.group())
# 获取匹配位置
print(m.span())
findall：全局匹配，返回匹配到的结果列表，没有时返回空列表
# 匹配所有内容，返回匹配结果组成的列表，若没有则返回空列表
f = re.findall('abc', 'qwsdhaslabcsadjlasdoiabcdakls')
if f:
print(f)
print(type(f))
compile：生成正则表达式对象
# 生成正则表达式对象，用于正则匹配
c = re.compile('hello')
# 从开头进行匹配
# m = c.match('hellosdsjldkabc')
# 从任意位置匹配
m = c.search('shdjkhelloaskjdha')
if m:
print(m.group())
# 匹配所有
f = c.findall('helloasjdhakhello')
if f:
print(f)
将正则的匹配分两步完成：先创建正则对象，然后通过对象的match、search、findall方法完成匹配
正则规则
单个字符：
普通字符：简单来说就是一对一的完全匹配
[]：中间的任意一个字符
[a-z]：a~z之间的字符(所有小写字母)
[0-9]：0~9之间的字符(所有数字)
[A-Z0-9]：所有的大写字母和数字
[^abc]：除abc外的所有字符
. ：匹配''以外的任意字符
d：所有的数字，等价于[0-9]
D：所有的非数字，等价于[^0-9]
w：所有的数字、字母(中文)、下划线等(就是字)
W：所有的非字字符(w的取反)
s：所有的空白字符(、、、空格等)
S：所有的非空白字符
：词边界匹配(开头、结尾、标点、空格)
B：非词边界匹配
次数控制
*：前面的字符出现任意次
+：前面的字符出现至少一次
?：前面的字符出现至多一次
{m}：指定次数，m表示出现的次数
{m,}：至少指定次数
{m,n}：指定范围内的次数，m到n次之间
{,n}：至多n次，相当于{0,n}
正则的匹配默认都是贪婪的(最大限度的匹配)
边界限定
^：以指定的内容开头
$：以指定的内容结尾
示例
import re
# 以指定的内容开头
# c = re.compile(r'^abc')
# 以指定的内容结尾
c = re.compile(r'kas$')
s = c.search('abcsdhkas')
if s:
print(s.group())
优先级控制
|：表示或，它拥有最低的优先级
()：用于表示一个整体，明确的指定优先级
示例：
import re
c = re.compile(r'a(hello|world)b')
s = c.search('aworldb')
if s:
print(s.group())
分组匹配
说明：()不但可以作为一个整体，还可以进行分组匹配
示例1:
import re
c = re.compile(r'(d+)([a-z]+)(d+)')
s = c.search('shd327sjahdajhsd87892ehawksd')
if s:
print(s.group())
# 默认就是全部的匹配内容，等价于上式
print(s.group(0))
# 第一个()匹配到的内容
print(s.group(1))
print(s.group(2))
print(s.group(3))
print(s.span())
print(s.span(0))
print(s.span(1))
print(s.span(2))
print(s.span(3))
示例2：给分组起名字
import re
# 固定匹配
# c = re.compile(r'
w+')# �表示前面第一个小括号匹配的内容
# c = re.compile(r'<([a-z]+)><([a-z]+)>w+')
# 给()起名字
c = re.compile(r'<(?P[a-z]+)><(?P[a-z]+)>w+')
s = c.search('
百度一下')if s:
print(s.group())
贪婪匹配
贪婪：最大限度的匹配叫贪婪。正则的匹配默认是贪婪。
非贪婪：只要满足匹配条件，能少匹配就少匹配；通过可以使用'?'进行取消贪婪
示例：
import re
# 取消任意多次的贪婪
# c = re.compile(r'a.*?b')
# 取消至少一次的贪婪
c = re.compile(r'a.+?b')
s = c.search('abdhsadjbsdjabs')
if s:
print(s.group())
匹配模式
说明：所谓模式就是对匹配的原则进行整体的修饰
示例：
import re
# 忽略大小写的匹配
# c = re.compile(r'hello', re.I)
# s = c.search('Hello world')
# 进行多行匹配，默认单行匹配
# c = re.compile(r'^hello', re.M)
# s = c.search('world hello')
# 做为单行处理 或 让 . 能够匹配
c = re.compile(r'
.*?', re.S)# string = '
hello'string = '''
hello
'''
s = c.search(string)
if s:
print(s.group())
字符转义
若匹配正则语法中的特定字符都需要进行转义
正则字符串会被处理两次，python中处理一次，re模块会在处理一次
若不想考虑字符的转义问题，可以在书写正则字符串时前面加一个字符'r'
添加'r'之后，在python不会再进行任何转义，只需在与正则语法相关的字符前加''即可让其使用原有意义
网络编程
相关概念
OSI七层模型：开放系统互连参考模型。它从低到高分别是：物理层、数据链路层、网络层、传输层、会话层、表示层和应用层。
TCP/IP：在OSI七层模型的基础上简化抽象出来的一套网络协议簇，现在得到了广泛使用。
TCP：传输控制协议
有连接的，数据是安全有保障的
传输的速度稍慢，三次握手、四次挥手、数据检查
UDP：用户数据报协议
无连接的，数据是不可靠的
传输的速度比较快
IP地址：唯一的一台计算标识
查看：ipconfig
ping：检查网络连通性
使用：ping IP/域名
端口号：每个应用可以拥有唯一的端口号
范围：0~65535
系统：0~1024，常用的应用所占用
http：80
https：443
smtp：25
ftp：21
ssh：22
mysql：3306
redis：6379
自己：大于1024
网络编程核心：
IP + 端口
库：socket
TCP协议
说明：面向连接、数据可靠(校验重发)、三次握手、四次挥手、传输速度较慢
原理：见 tcp.png
示例：见 01-tcp-http.py
TCP协议的服务器与客户端：见 02-tcp-server.py 与 03-tcp-client.py
UDP协议
说明：面向无连接的、数据不可靠、传输速度较快，适应于对数据要求不严格的情况
原理：见 udp.png
示例：模拟飞秋发送数据，见 04-udp-feiqiu.py
UDP协议的服务器与客户端：见 05-udp-server.y 与 06-udp-client.py
StringIO与BytesIO
说明：这些类型的对象可以与open返回的对象一样操作，但是操作的内存中的数据
方法：getvalue用于获取所有数据
网友评论