Jupyter notebook Macos安装/正则表达式/series和list区别及相互转换-2021年12月3日

Jupyter notebook Macos安装

debug：调试
同一个项目的代码放在一个项目下便于查找
下载网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

series和list的区别

是两种不同的数据类型
series是带有索引的数组
list是一个一维数组
两者可以相互转换
series转换为list：a=S.tolist()
list转换为series：S=Series(a,index=[‘a’,‘b’,‘c’,‘d’,‘e’])
S2=Series(b) #自动以数字为索引

正则表达式

限定符

匹配前一个字符
?： 表示匹配前一个字符1次或者0次，比如used？，我们可以匹配use或者used，即d可有可无
*： 表示匹配前一个字符多次或者0次
+： 表示匹配前一个字符多次

匹配多个字符
先将匹配的字符括起来，再加上限定符
(ab)+ 匹配结果就是abc ababa …

或运算符
a (cat|dog) 匹配结果是a cat 或者a dog

字符类
见上篇总结

将贪婪匹配转换为懒惰匹配
This is a sample text
用<.+>匹配会默认尽可能多的字符
用<.+?>会将贪婪匹配转换为懒惰匹配

实例1：颜色值匹配
匹配文本中出现的所有十六进制RGB颜色值
/#[a-f]{6}\b
实例2：IP地址的匹配
\d+.\d+.\d+.\d+

核心： 模式，规则

是什么字符，重复多少次，在什么位置，有哪些额外的约束

level1 - 固定的字符串
要求：确定字符串中是否有123456

import re
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'123456', text))

level2 - 某一类字符
要求：找出所有的单个的数字

import re
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'\d', text))

\d表示任意一个数字，所以1,7,8,1,6,8等都可以匹配到。
\D表示除数字外的所有字符，包括标点符号
\w表示除标点符号以外的所有字符
[]匹配方括号中的任意字符

import re
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'[高,重,美]', text))

level3 - 重复某一类字符
要求：找所有的数字，比如178，168，123456，9527等
+*?{m}{m,n}{m,}{,n}

import re
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'\d+', text))

leve4/5 - 组合level2
要求：找出手机号码或者座机号码

text = '麦叔电话是18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
print(re.findall(r'\d{4}-\d{8}|1\d{10}', text))#数字重复4次-数字重复8次或者1一个数字重复10次

level6 - 限定位置
要求：在句子开头的手机号码,或座机

text = '18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
print(re.findall(r'^1\d{10}|^\d{4}-\d{8}', text))#^匹配字符串的开头

level7 - 内部约束
要求：找出形如barbar, dardar的前后3个字母重复的字符串（后面3个字母和前面3个字母一致）

text = 'barbar carcar harhel'
print(re.findall(r'(\w{3})(\1)', text))#一个字符3次，括号括起来表示一组，(\1)表示这个括号内的内容和前面括号一样

写正则表达式的步骤

以座机电话号码为例
0571-88776655-9527
1.确定模式包含了几个子模式？
3个子模式，用固定字符连接
2.各个部分的字符分类是什么？
\d-\d-\d
3.各个部分如何重复？
第1个子模式重复3-4次，因为有010和021等直辖市的情况
第2个子模式重复7-8次，因为有的地区只有7位电话号码
第3个子模式重复3-4次
限制次数后模式可写成：\d{3,4}-\d{7,8}-\d{3,4}
但是有的座机号没有分机号，所以用或者运算符表示：\d{3,4}-\d{7,8}-\d{3,4}｜\d{3,4}-\d{7,8}
4.考虑是否有外部位置限制？
5.考虑是否有内部制约关系？
最终正则表达式形式为：

text = '随机数字：01234567891，座机1：0571-52152166，座机2：0571-52152188-1234'
print(re.findall(r'\d{3,4}-\d{7,8}-\d{3,4}|\d{3,4}-\d{7,8}', text))

语法规则

见上篇总结
组合模式：
把多个简单的模式组合在一起，可以是拼接，也可以是二者选其一。
|
()
像上面的座机号码模式

位置
\b 表示单词边界
123\b 表示123必须是某个单词的最后面3位
(?=…) 匹配…出现在之后的位置
(?!..) 匹配…不出现在之后的位置
(?<=…) 匹配…出现在之前的位置
(?<!..) 匹配…不出现在之前的位置
(?()|) 条件语句

import re
text = '麦叔身高:178，体重：168，学号：123456，密码:9527'
print(re.findall(r'(?<=密码.)\d+', text))

注释
(?#…)

标记
flags
i 忽略大小写

import re
text = 'abc，ABC，aBc'
print(re.findall(r'abc', text,flags=re.I))

Python正则模块re的用法

1.查找
search：只返回1个
match：只返回1个，从头开始匹配
以上返回的都是Match对象
findall：返回字符串
finditer：返回Match迭代器

import re
text = 'abc，ABC，aBc'
print(re.search(r'abc', text))

#结果
<re.Match object; span=(0, 3), match='abc'>

text = '麦叔电话是18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
m=re.search(r'(\d{4})-(\d{8})', text)
print(m.group())
print(m.group(1))
print(m.group(2))

text = '麦叔电话是18812345678，他还有一个电话号码是18887654321，他爱好的数字是01234567891，他的座机是：0571-52152166'
m=re.match(r'(\d{4})-(\d{8})', text)
print(m)
#输出none

2.替换
sub
subn：告诉我有几个地方被替换

import re
text = 'abc，ABC，aBc'
print(re.sub(r'abc','xxx', text))
#输出
xxx，ABC，aBc

import re
text = 'abc，ABC，aBc'
print(re.subn(r'abc','xxx', text,flags=re.I))
#输出
('xxx，xxx，xxx', 3)

3.分割
split