Python 学习(六)

1. 正则表达式

re 模块使 Python 语言拥有全部的正则表达式功能。
1). re.match函数
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
函数语法：

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

函数参数说明：
pattern : 匹配的正则表达式
string : 要匹配的字符串
flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

# 正则表达式
import re
# 在起始位置开始匹配
print(re.match("www","www.baidu.com").span())
# 不在起始位置开始匹配
print(re.match("com","www.baidu.com"))

图1.png

2). 使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

• group(num=0)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组
• groups()：返回一个包含所有小组字符串的元组，从 1 到 所含的小组号

# group
import re
# 字符串
line = "Cats are smarter than dogs"
# 正则匹配
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)
# 判断是否匹配成功
if matchObj:
    print("matchObj.group(): ", matchObj.group())
    print("matchObj.group(1): ", matchObj.group(1))
    print("matchObj.group(2): ", matchObj.group(2))
    pass
else:
    print("No match!")

打印结果：

图2.png

3). re.search方法
re.search 扫描整个字符串并返回第一个成功的匹配。
函数语法：

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

函数参数说明：
pattern : 匹配的正则表达式
string : 要匹配的字符串
flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

import re
# 在起始位置匹配
print(re.search("www","www.baidu.com").span())
# 不在起始位置匹配
print(re.search("com","www.baidu.com").span())

打印结果：

图3.png

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

• group(num=0)：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
• groups()：返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

import re
line = "Cats are smarter than dogs"
searchObj = re.search(r"(.*) are (.*?) .*", line, re.M|re.I)
if searchObj:
    print("searchObj.group(): ", searchObj.group())
    print("searchObj.group(1): ", searchObj.group(1))
    print("searchObj.group(2): ", searchObj.group(2))
    pass
else:
    print("Nothing found!")
    pass

打印结果：

图4.png

4). re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

5). 检索和替换
Python 的re模块提供了re.sub用于替换字符串中的匹配项。
语法：

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

参数：
pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

repl为字符串示例：

import re
phone = "2004-959-559 # 这个一个电话号码"
# 删除注释
num = re.sub(r'#.*$', "", phone)
print("电话号码：", num)

# 移除非数字内容
num = re.sub(r'\D', "", phone)
print("电话号码：", num)

打印结果：

图5.png

repl为函数示例：

# 将匹配的数字乘于2
def double(matched):
    value = int(matched.group('value'))
    return str(value*2)
    pass

s = "A23G4HF56"
print(re.sub("(?P<value>\d+)", double, s))

打印结果：

图6.png

6). compile 函数
compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
语法格式为：

re.compile(pattern[, flags])

参数：
pattern : 一个字符串形式的正则表达式
flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
1> re.I 忽略大小写
2> re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
3> re.M 多行模式
4> re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）
5> re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
6> re.X 为了增加可读性，忽略空格和' # '后面的注释
示例：

import re
# 用于匹配至少一个数字
pattern = re.compile(r'\d+')
# 查找头部，没有匹配
m = pattern.match('one12twothree34four')
# 打印
print(m)
# 从‘e’的位置开始匹配，没有匹配
m = pattern.match('one12twothree34four', 2, 10)
print(m)
# 从‘1’的位置开始匹配，正好匹配
m = pattern.match('one12twothree34four', 3, 10)
print(m)
# group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
print(m.group(0))
# start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
print(m.start(0))
# end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
print(m.end(0))
# span([group]) 方法返回 (start(group), end(group))。
print(m.span(0))

打印结果：

图7.png

7). findall
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
语法格式为：

findall(string[, pos[, endpos]])

参数：
string 待匹配的字符串。
pos 可选参数，指定字符串的起始位置，默认为 0。
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。

import re
# 查找数字
pattern = re.compile(r'\d+')
result1 = pattern.findall('runoob 123 google 456')
result2 = pattern.findall('runoob123google456', 0, 10)
print(result1)
print(result2)

打印结果：

图8.png

8). finditer
和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

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

参数：
pattern : 匹配的正则表达式
string : 要匹配的字符串
flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

import re
it = re.finditer(r"\d+","12a32bc43jf3")
for match in it:
    print(match.group())
    pass

打印结果：

图9.png

2. CGI(Common Gateway Interface)

CGI(Common Gateway Interface),通用网关接口,它是一段程序,运行在服务器上如：HTTP服务器，提供同客户端HTML页面的接口。
1). 网页浏览
为了更好的了解CGI是如何工作的，我们可以从在网页上点击一个链接或URL的流程：

• 1、使用你的浏览器访问URL并连接到HTTP web 服务器。
• 2、Web服务器接收到请求信息后会解析URL，并查找访问的文件在服务器上是否存在，如果存在返回文件的内容，否则返回错误信息。

• 3、浏览器从服务器上接收信息，并显示接收的文件或者错误信息。
  CGI程序可以是Python脚本，PERL脚本，SHELL脚本，C或者C++程序等。
  2). CGI架构图

  
  
  

  图10-CGI架构图
  
  

  3). 程序

#!D:\java\python\python.exe  
import cgi  
form=cgi.FieldStorage()  
name=form.getvalue('name','world')  
print """Content-type:text/html  
  
<html>  
   <head>  
     <title>Greeting Page</title>  
   </head>  
   <body>  
     <h1>Hello.%s!</h1>  
       
       
     <form action='simple3.cgi'>  
     Change name <input type='text' name='name'/>  
     <input type='submit' />  
     </form>  
    </body>  
</html>  
"""%name