Python | 基本语法与面向对象

一.基本语法

1.基本数据类型

整型：也就是整数，它的表示和数学上表示一致，当遇到长整数时，为了让可读性更高，可以用下划线连接，比如1_000_000，这就等价于没有下划线的一百万

浮点型：就是小数，大的浮点型可以用科学记数法表示，如1e4等价于10000

布尔型：True或者False，存在三种运算，与，或，非，分别用and，or，not关键字

2.运算符

算术运算符

比较运算符：返回布尔值

3.字符串

字符串就是使用单引号或者双引号或者三引号括起来的文本

三引号常用来表示跨行文本

使用反斜杠表示转义，\n表示换行，\t表示Tab，\\表示\

当使用r来修饰字符串时，r表示raw，表示使用原始字符串，即不转义

字符串的运算符：拼接（+），重复（*），索引（[ ]），切片（[ : ]），是否在（in）

字符串的格式化输出：格式化字符串用%s，格式化数值用%d，格式化浮点数用%f

字符串的内建函数，经常会用到的有：

首字符大写（capitalize）

以子串结尾（endswith），以子串开头（startswith）

是否是数字（isdigit）

小写化（lower）

去掉两端的空白字符（strip）

替换（replace）

合并（join）

字符串长度（len）

4.类型转换

使用内建函数显式转换：int()，float()，bool()，str()

布尔运算符的隐式转换：一般情况下，[ ]，{ }，( )，' '，set()，0，None都被默认转换为False，其余会被转换为True

5.集合类型

集合类型用来存放多个不同类型的对象，常见的集合类型包括：列表（list），元组（tuple），集合（set），字典（dict）

列表：是一种有序集合，元素可以是任意类型

列表常见操作：索引（[ ]），切片（[ : ]），修改（=），拼接（+），复制（*），迭代（for），检查元素是否存在（in）

列表编辑操作：追加元素到尾部（append），插入元素到特定位置（insert），删除特定位置元素（remove），弹出尾部元素（pop），合并两个列表（extend），反转（reverse），排序（sort）

使用extend合并两个列表，区别于列表拼接+，虽然两个都是合并列表，但extend是改第一个列表，是原地操作；拼接是原始列表都不变，返回一个新的列表

我们还可以使用内建函数对列表进行操作：列表长度（len），最大值（max），最小值（min），转换（list）

列表解析式，它仅通过一行，迭代序列生成一个列表，例[ i for i in l if i＞2]

元组：和列表非常类似，但是不能修改

元组的常见操作和列表非常类似，它可以索引，切片，拼接，复制，迭代，判断元素是否存在等，但是它不能被修改，也就是说它不支持所有的编辑操作

集合：就是无序的，不重复的元素集，我们可以用大括号来定义一个集合，也可以用set()函数生成一个空集合

常见集合操作：迭代（for），元素是否存在（in）

集合的编辑操作：添加元素（add），删除元素（remove），清空（clear）

常见的集合操作：交集（&），并集（|），差集（-），对称差（^）

内建函数也可以操作集合：获得集合长度（len），获得集合中的最大值（max），使用set函数将序列转化为集合（set）

字典：是用来存储key value对的集合，key不能重复，可以用大括号来构造一个字典

常见操作：迭代（for），元素是否存在（in），访问（[ ]）

常见编辑操作：修改（[ ] =)，删除（del [ ]），添加（[ ] =）

常见的函数操作：指定默认值的访问（get），获取所有的key（keys），获取所有的value（values），获取所有key-value对（items），清空（clear）

set经常被用来对序列去重，因为集合是没有重复元素的

判断元素是否存在时，集合比列表速度快得多，尤其是数据量很大时

6.三种决策结构：顺序结构，条件结构，循环结构

顺序结构：最为常见，即程序从上往下执行

条件结构：根据条件结果来决定执行哪个代码块

循环结构：for循环和while循环

python中没有do while语句

为了减少运算，请及时跳出循环，尤其是在处理大数据量下，尽量减少循环次数，提升代码效率

continue可以减少代码嵌套层数，使代码更加优雅

列表解析式的速度比for循环更快，实践中推荐优先使用

二.正则表达式

1.正则是什么？

正则表达式，通常被用来检索或替换符合某种模式的文本，这里的模式即规则

正则是一种逻辑公式，主要用来对字符串进行操作

对于搞NLP，正则表达式非常重要，正则和NLP模型一样，都是对文本进行处理，对于模型产生的一些异常结果，我们往往需要写规则去人工干预，正则就是写规则的一种强大工具

2.语法

可以使用的普通字符：字母，数字，标点符号和其他符号（\s，\S，\w等）

转义字符：换行符（\n），回车符（\r），制表符（\t），垂直制表符（\v），换页符（\f）

限定符：用来指定前面匹配的次数，正则提供了6种可用的限定符，+，*，{ }都是贪婪的，它们尽可能多的匹配

定位符：用来描述字符串或者词的边界

逻辑或：使用 | 或者[ ]表示

分组或断言：使用（）来表示

分组：是将正则分块，使得你明确知道当前匹配属于哪块

断言：使得你可以在匹配时限定一些上下文条件

分组和断言非常适合NLP领域的信息抽取任务，信息抽取是将文本里面的关键信息抽取出来

元字符：指在正则表达式中具有特殊意义的专用字符，因为元字符已经被正则征用，如果你想匹配元字符，必须使用 \ 来转义

正则表达式的一些运算符是有优先级的

3.Python里的正则

Python内置库re提供了正则表达式的实现，我们可以直接使用

①匹配

re.match尝试从字符串的起始位置匹配一个模式

re.match(pattern,string,flags=0)

re.fullmatch用来实现从起始到结束的完全匹配

re.fullmatch(pattern,string,flags=0)

②搜索

re.search扫描整个字符串，并返回第一个成功的匹配

注意search和match的区别在于：match限定只会从头开始匹配

re.search(pattern,string,flags=0)

假如你的正则有分组，你可以根据分组号取匹配里的相应块

③替换

re.sub提供将匹配到的字符串进行替换的功能

re.sub(pattern,repl,string,count=0,flags=0)

这里的count表示替换次数

④查找所有

re.search只返回第一个匹配，如果我们想返回所有匹配，可以使用re.findall和re.finditer

re.findall：直接返回所有匹配的字符串

re.finditer：依次返回所有匹配的match对象

re.findall(pattern,string,flags=0)

re.finditer(pattern,string,flags=0)

⑤分割

re.split主要用来分割字符串

Python的字符串函数str.split也提供了字符串分割功能，但是它的功能过于简单，我们可以使用re.split实现更复杂的字符串分割

⑥编译正则

re.compile用来编译正则，被编译后的正则运行起来速度更快

re.compile(pattern,flags=0)

4.更强大的正则库 -- regex

第三方库regex提供了额外的一些功能，以及对unicode的支持更加彻底，并且基本兼容内置库re模块，如果发现内置re库不能满足你的需求，可以尝试使用regex库

三.模块化程序和面向对象

1.模块化程序

①为什么要模块化

定义：指在进行程序设计时，将一个大程序按照功能划分成若干小程序模块，每个小程序模块完成一个确定的功能，并在这些模块之间建立必要的联系，通过模块的互相协作完成整个功能的程序设计方法

简单来说，模块化就是将大程序按照功能拆解成若干个独立的小模块，然后通过协调这些小模块，完成整个功能

②函数的定义和传参

函数是组织好的，实现特定功能的代码段，函数是最小级别的模块化

def 函数名(参数列表)：

      函数体

      return 返回值

函数传参包括：顺序传参，关键字传参，列表传参和字典传参

顺序传参：按照参数位置传参

关键字传参：明确声明传给函数哪个参数

列表传参：使用一个序列（比如list或tuple），按顺序解析参数

字典传参：使用一个字典，按字典的key解析参数

常见的函数参数定义：位置参数，关键字参数，不定长参数

def func1(a,b,c=0,d=0,*args,**kwargs):
    print('a={},b={},c={},d={},args={},kwargs={}'.format(a,b,c,d,args,kwargs))

以上函数定义：

a，b两个参数均为位置参数，传参时必填

c，d两个参数均为关键字参数，它允许我们指定其默认值，传参时选填

args和kwargs两个均为不定长参数，它允许我们传递变长的参数给此函数，其中：

args用来解析多余的顺序传参，参数被解析为tuple

kwargs用来解析多余的关键字传参，参数被解析为dict

匿名函数：不通过def关键字定义，而是通过lambda表达式定义，它总是一行，主要用来封装简单的代码

你应该总是使用函数来模块化你的程序，提高代码的可读性和复用性

函数定义时，使用不定长参数可以增加函数的扩展性，所谓扩展性好，是指比如在调用时需要新增传参时，函数签名（函数名+参数列表）无需发生任何改动

匿名函数常被用作max，min，sort等函数的key参数，表示对元素做一个转换

③模块的构建和导入

在Python里面，一个py文件就是一个模块，在模块里面，你可以定义一些类或者函数，并执行它

模块只有被导入后，才能使用

你可以导入的三种模块：Python内置模块（比如sys），第三方模块（比如sklearn），你自己写的模块

模块的导入使用import语句，你可以：

直接import模块

使用from...import...语句，从模块里面import变量，类或函数

使用from...import * 语句，将模块里所有内容import进来，但是不推荐这么做，你应该明确引入你需要的内容

模块的执行直接输入命令：python<module>.py或python -m <module>

你应该将模块内主函数的执行放到if __name__ == '__main__'条件内， __name__内置变量只有在你运行当前module时，才为__main__

想要成功import某个模块，必须确保其在搜索路径中被找到

所谓搜索路径，就是一系列存放python模块的目录

搜索路径保存在sys.path中，我们可以将其打印出来

④包的概念

包主要用来组织模块，它可以有多种级别

一个包含__init__.py文件（经常为空）的目录就被视为一个包

模块的导入分为绝对导入和相对导入，使用 * 表示当前包的导入即为相对导入，为了代码可读性更高，建议无特殊情况都使用绝对导入

⑤标准包结构

包由模块构成

模块由函数/类构成

2.面向对象编程（Object Oriented Programming，简称OOP）

把相关的数据和操作组织为一个整体，从更高的层次来进行系统建模

在OOP中，对象被抽象为数据和动作的结合体，数据用属性（变量）表示，动作用方法表示