# re 正则表达式Regular Expression [re官方文档](https://docs.python.org/zh-cn/3/library/re.html) [正则表达式指南](https://docs.python.org/zh-cn/3/howto/regex.html) ## 正则表达式匹配模式 - `[]` 匹配其中之一,例如 `ma[dnt]` 匹配 `mad` , `man` 或 `mat`, `[a-d3-6]` 表示 `[a-d]` 和 `[3-6]` 的结合,即 `[abcd3456]` - `-` 到,例如 `a-d` 相当于 `abcd`, `0-9` 相当于 `0123456789` - `^` 否定,例如 `[^abc]`匹配不在方括号内的任意字符 - `.` 任意单个字符(换行符除外) - `+` 匹配一次或多次前面的分组 - `\` 转义字符,要匹配 `+`,需要使用 `\+` - `r` 纯字符串(raw string),用法类似于f-string,并且可以和f-string一起使用,纯字符串情况下,所有特殊字符被当作普通字符看待,此时不需要使用转义字符 - ?匹配零次或一次前面的分组. - *匹配零次或多次前面的分组. - {n}匹配n次前面的分组. - {n,}匹配n次或更多前面的分组. - {,m}匹配零次到m次前面的分组. - {n,m}匹配至少n次、至多m次前面的分组. - {n,m}?或*?或+?对前面的分组进行非贪心匹配. - ^spam意味着字符串必须以spam开始. - spam$意味着字符串必须以spam结束. ## 常用缩写 - `\d` 单个数字字符,相当于 `[0-9]` - `\D` 单个非数字字符,相当于 `[^0-9]` - `\w` 单个字母/数字/下划线字符,相当于 `[a-zA-Z0-9_]` - `\W` 单个非字母/数字/下划线的字符,相当于 `[^a-zA-Z0-9_]` - `\s` 单个空白字符,相当于 `[ \t\n\r\v\f]` - `\S` 单个非空白字符,相当于 `[^ \t\n\r\v\f]` ## 函数式编程和面向对象编程 search和findall可以使用函数,也可以使用方法进行匹配.两种写法差别不大,代码量也没有很大区别. - search 只匹配第一个符合匹配模式的字符串,返回Match对象 - findall 匹配所有符合匹配模式的字符串,返回 `list[str]` 对象 绝大多数情况下,findall明显比search更好用 search和findall的函数式写法和方法式写法并没有太大的差别,只是采用了不同的编程思想——函数式编程和面向对象编程. ### search === '方法' ```python import re my_str = 'Math is intresting, and I like learing mathmatics.' pattern = re.compile('ma') match = pattern.search(my_str) print(match) # print(match.group()) # ma ``` - `re.compile()` 函数,传入一个字符串,返回一个Pattern对象,表示正则表达式的匹配模式,用pattren表示这个变量名 - Pattern对象的 `pattern.search()` 方法,在search方法传入的字符串中寻找满足条件的字符串,返回Match对象,用match表示这个变量名 - Match对象的 `match.group()`方法,返回查找字符串中实际匹配的文本 === '函数' ```python import re my_str = 'Math is intresting, and I like learing mathmatics.' pattern = 'ma' match = re.search(pattern, my_str) print(match) # print(match.group()) # ma ``` ### findall === '方法' ```python import re my_str = 'Math is intresting, and I like learing mathmatics.' pattern = re.compile('ma') match = pattern.findall(my_str) print(match) # ['ma', 'ma'] ``` === '函数' ```python import re my_str = 'Math is intresting, and I like learing mathmatics.' pattern = 'ma' match = re.findall(pattern, my_str) print(match) # ['ma','ma'] ``` ### sub 正则表达式不仅能找到文本模式,而且能够用新的文本替换掉这些模式. Pattern对象的sub()方法需要传入两个参数.第一个参数是一个字符串,用于取代发现的匹配.第二个参数是一个字符串,返回替换完成后的字符串. === '方法' ```python import re my_str = 'Hello World!' pattern = re.compile(r'World') new_str = pattern.sub('Python', my_str) print(new_str) # Hello Python! ``` === '函数' ```py import re my_str = 'Hello World!' pattern = 'World' new_str = re.sub(pattern, 'Python', my_str) print(new_str) # Hello Python! ``` 有时候,你可能需要使用匹配的文本本身,作为替换的一部分.在sub()的第一个参数中,可以输入\1、\2、\3…….表示“在替换中输入分组1、2、3……的文本”. ```python import re my_str = 'My email is d111kc@foxmail.com, his email is jerry@example.com' pattern = re.compile(r'(\w)\w*@') new_str = pattern.sub(r'\1****@', my_str) print(new_str) # My email is d****@foxmail.com, his email is j****@example.com ``` 字符串中的 `\1` 将由分组1匹配的文本所替代,也就是正则表达式的 `(\w)` 分组. ## 正则表达式的特殊符号 ### 利用小括号 `()` 分组 === 'search方法' ```python import re my_str = 'My phone num is 123-456-7890.' pattern = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)') match = pattern.search(my_str) print(match.group()) # 123-456-7890 print(match.group(0)) # 123-456-7890 print(match.group(1)) # 123 print(match.group(2)) # 456-7890 print(match.groups()) # ('123', '456-7890') ``` === 'search函数' ```python import re my_str = 'My phone num is 123-456-7890.' pattern = r'(\d\d\d)-(\d\d\d-\d\d\d\d)' match = re.search(pattern, my_str) print(match.group()) # 123-456-7890 print(match.group(0)) # 123-456-7890 print(match.group(1)) # 123 print(match.group(2)) # 456-7890 print(match.groups()) # ('123', '456-7890') ``` Pattern对象中的第一对括号是第1组,第二对括号是第2组(这与list等序列的下标从0开始不同,分组是从1开始) Match对象的 `.group()` 方法 和 `.groups()` 方法 - `match.group()` 或 `match.group(0)` 无视分组,返回符合匹配文本 - `match.group()` 传入组号,返回对应分组的文本 - `match.groups()` 获取所有分组的文本,返回 `tuple[str]` 对象 --- === 'findall方法' ```py import re my_str = 'My phone num is 123-456-7890.' pattern = re.compile(r'(\d\d\d)-(\d\d\d-\d\d\d\d)') match = pattern.findall(my_str) print(match) # [('123', '456-7890')] ``` === 'findall函数' ```py import re my_str = 'My phone num is 123-456-7890.' pattern = r'(\d\d\d)-(\d\d\d-\d\d\d\d)' match = re.findall(pattern, my_str) print(match) # [('123', '456-7890')] ``` 面对分组时,findall的返回值是 `list[tuple]`,每个分组就是元组的元素 ### 使用管道 `|` 匹配多个分组 字符“|”称为“管道”,表示“或”.如果有多个符合匹配的文本,则第一个出现的作为match对象返回. ```py import re pattern = re.compile('Tom|Jerry') # 匹配Tom或Jerry字符串 match1 = pattern.search('Tom and Jerry') print(match1.group()) # Tom match2 = pattern.search('Jerry and Tom') print(match2.group()) # Jerry ``` ```py import re pattern = re.compile(r'He(y|llo|ro)') match = pattern.search('Hello world.') print(match.group()) # Hello （无视分组） print(match.group(1)) # llo （第1组） ``` ### 用问号 `?` 实现可选匹配 字符?表示它前面的分组在这个匹配模式中是可选的,即匹配问号之前的分组一次或零次. ```python import re pattern = re.compile(r'(py)?torch') match1 = pattern.search('I want to learn pytorch this week.') print(match1.group()) # pytorch match2 = pattern.search('I want to learn torch this week.') print(match2.group()) # torch ``` ### 用星号 `*` 匹配任意次 星号之前的分组,可以在文本中出现任意次. ```python import re pattern = re.compile(r'Bat(wo)*man') match1 = pattern.search('the adventure of Batman') print(match1.group()) # Batman match2 = pattern.search('the adventure of Batwoman') print(match2.group()) # Batwoman match3 = pattern.search('the adventure of Batwowowowoman') print(match3.group()) # Batwowowowoman ``` 从这个例子也可以看出正则表达式默认执行贪心匹配 ### 用加号 `+` 匹配一次或多次 加号前面的分组至少出现一次. ### 用花括号 `{}` 匹配特定次数 如果想要一个分组重复特定次数,就在正则表达式中该分组的后面,跟上花括号包围的数字.除了一个数字,还可以指定一个范围,即在花括号内写下一个最小值、逗号、最大值.例如正则表达式(ha){3,5}匹配'hahaha','hahahaha','hahahahaha'.也可以不写花括号中的第一个或第二个数字,表示不限定最小值或最大值. ### 非贪心匹配 `?` Python的正则表达式默认是贪心匹配,这表示在有二义的情况下,它们会尽可能匹配最长的字符串.花括号的“非贪心”版本匹配尽可能最短的字符串,即在结束的花括号后跟着一个问号. ```python import re greed_pattern = re.compile(r'(Ha){3,5}') mo1 = greed_pattern.search('HaHaHaHaHa') print(mo1.group()) # HaHaHaHaHa nongreed_pattern = re.compile(r'(Ha){3,5}?') mo2 = nongreed_pattern.search('HaHaHaHaHa') print(mo2.group()) # HaHaHa ``` ### 使用方括号 `[]` 建立字符分类 可以用方括号定义自己的字符分类.例如,字符分类 `[aeiouAEIOU]` 将匹配所有元音字符,不论大小写. ```python import re pattern = r'[aeiouAEIOU]' my_str = 'Python is VERY interesting.' my_list = re.findall(pattern, my_str) print(my_list) # ['o', 'i', 'E', 'i', 'e', 'e', 'i'] ``` 也可以使用连字符 `-` 表示字母或数字的范围.例如,字符分类 `[a-zA-Z0-9]` 将匹配所有小写字母、大写字母和数字. 注意,在方括号 `[]` 内,普通的正则表达式符号不会被解释.你不需要前面加上倒斜杠转义`.`、`*`、`?`或`()`字符.例如,字符分类将匹配数字0到5和一个句点,则需要将它写成[0-5.] .通过在字符分类的左方括号后加上一个插入字符 `^`,就可以得到“非字符类”.非字符类将匹配不在这个字符类中的所有字符. ```python import re pattern = r'[^aeiouAEIOU]' my_str = 'Python' my_list = re.findall(pattern, my_str) print(my_list) # ['P', 'y', 't', 'h', 'n'] ``` ### 插入字符 `^` 和美元字符 `$` 可以在正则表达式的开始处使用插入符号 `^`,表明匹配必须发生在被查找文本开始处.类似地,可以再正则表达式的末尾加上美元符号 `$`,表示该字符串必须以这个正则表达式的模式结束.可以同时使用 `^` 和 `$`,表明整个字符串必须匹配该模式,也就是说,只匹配该字符串的某个子集是不够的. ### 通配符 `.` 在正则表达式中,句点字符 `.` 称为“通配符”.它匹配除了换行之外的所有字符. ```python import re pattern = r'.at' my_str = 'The cat in the hat sat on the flat mat.' my_list = re.findall(pattern, my_str) print(my_list) # ['cat', 'hat', 'sat', 'lat', 'mat'] ``` 要记住,句点字符只匹配一个字符,所以,对于文本 `flat` ,只匹配 `lat.` 要匹配真正的句点,就是用倒斜杠转义. ### 用点星 `.*` `.*?` 匹配所有字符 可以用点星(.*)表示“任意文本”.句点字符表示“除换行外所有单个字符”,星号字符表示“前面字符出现零次或多次”. ```python import re my_str = 'Hello world!' pattern = re.compile(r'(.*) world') match = pattern.search(my_str) print(match.group()) # Hello world! print(match.group(1)) # Hello ``` 点星 `.*` 使用贪心匹配.要用非贪心模式匹配所有文本,就使用点星问 `.*?` .像和花括号一起使用时那样,问号告诉Python用非贪心模式匹配. ```python import re my_str = ' ' # 非贪心匹配 nongreddy_pattern = re.compile(r'<.*?>') match1 = nongreddy_pattern.search(my_str) print(match1.group()) # 输出结果 # 贪心匹配 greedy_regex = re.compile(r'<.*>') match2 = greedy_regex.search(my_str) print(match2.group()) # 输出结果 ``` ## `re.compile()` 的可选参数 ### 用句点字符匹配换行 `re.DOTALL` (不建议使用) 点-星将匹配除换行外的所有字符.通过传入 `re.DOTALL` 作为 `re.compile()` 的第二个参数,可以让句点字符匹配所有字符,包括换行字符. ### 不区分大小写的匹配 `re.I` `re.IGNORECASE` 通常,正则表达式默认区分大小写.要让正则表达式不区分大小写,可以向 `re.compile()` 传入 `re.IGNORECASE` 或 `re.I` ,作为第二个参数. ```python import re pattern = re.compile(r'hello', re.I) my_str1 = 'Hello World!' match1 = pattern.search(my_str1) print(match1.group()) # Hello my_str2 = 'HELLO World!' match2 = pattern.search(my_str2) print(match2.group()) # HELLO my_str3 = 'hello World!' match3 = pattern.search(my_str3) print(match3.group()) # hello ``` ### 正则表达式中编写注释 `re.VERBOSE` 可以向`re.compile()`传入变量`re.VERBOSE`,作为第二个参数.忽略正则表达式字符串中的空白符和注释. ```python pattern = re.compile(r'((\d{3}|\(\d{3}\))?(\s|-|\.)?\d{3}(\s|-|\.)\d{4}(\s*(ext|x|ext.)\s*\d{2,5})?)')# 这个正则表达式难以阅读,可以添加注释简化阅读 # 三重引号表示多行字符串,也可表示注释 pattern = re.compile(r'''( (\d{3}|\(\d{3}\))? # 区号 (\s|-|\.)? # 分隔符 \d{3} # 3个数字 (\s|-|\.) # 分隔符 \d{4} # 4个数字 (\s*(ext|x|ext.)\s*\d{2,5})? # 扩展 )''', re.VERBOSE) ``` 使用了三重引号(''),创建了一个多行字符串.这样就可以将正则表达式定义放在多行中,让它更可读.正则表达式字符串中的注释规则,与普通的Python代码一样：#符号和它后面直到行末的内容,都被忽略.而且,表示正则表达式的多行字符串中,多余的空白字符也不认为是要匹配的文本模式的一部分. ### 使用管道 `|` 组合使用 `re.IGNORECASE` `re.DOTALL`和 `re.VERBOSE`(不推荐使用) 如果你希望在正则表达式中使用re.VERBOSE来编写注释,还希望使用re.IGNORECASE来忽略大小写,该怎么办？遗憾的是,re.compile()函数只接受一个值作为它的第二参数.可以使用管道字符(|)将变量组合起来,从而绕过这个限制.管道字符在这里称为“按位或”操作符.所以,如果希望正则表达式不区分大小写,并且句点字符匹配换行,就可以这样构造re.compile()调用： ```python someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL) someRegexValue = re.compile('foo', re.IGNORECASE | re.DOTALL | re.VERBOSE) ``` 。

# os 操作系统接口 提供用于与操作系统交互的函数 ## 导入 import os 一定要使用 import os 而不是 from os import * 。

# 数学相关库 ## math 浮点数数学运算 ## random 随机数 ## statistics 统计 statistics 模块计算数值数据的基本统计属性（均值，中位数，方差等）。

# glob 文件通配符 glob 模块提供了一个在目录中使用通配符搜索创建文件列表的函数 ## 导入 import glob 。

# datetime 日期和时间 datetime 模块提供了以简单和复杂的方式操作日期和时间的类。

# Note ## 使用C语言的7个步骤 1. 定义程序的目标 2. 设计程序 3. 编写代码 4. 编译 5. 运行程序 6. 测试和调试程序 7. 维护和修改程序 ## 变量命名规则 - 可以用小写字母、大写字母、数字和下划线（_）来命名。

:material-pen-plus: `本文创建于2025-5-28` ## 一、作用域 作用域（scope）规定了变量能够被访问的“范围”，离开了这个“范围”变量便不能被访问，作用域分为： - 局部作用域 - 函数作用域 - 块作用域 - 全局作用域 ### 1.1 局部作用域 局部作用域分为函数作用域和块作用域。

# JavaScript基础语法 [MDN文档](https://developer.mozilla.org/zh-CN/docs/Web/JavaScript) ## 一、JavaScript简介 ### 1.1 JavaScript 代码的书写位置 #### 1.1.1 内部js代码 直接写在html文件中，使用 `script` 标签包裹，这个 `script` 标签要放在 `body` 标签之内，并且要放在最靠近结束标签 ``的位置。

## 一、JavaScript简介 ## 1.1 JavaScript 代码的书写位置 ### 1.1.1 内部js代码 直接写在html文件中，使用 `script` 标签包裹，这个 `script` 标签要放在 `body` 标签之内，并且要放在最靠近结束标签 ``的位置。

# pdfplumber 处理PDF文档 [README.md](https://github.com/jsvine/pdfplumber) ## Install pip install pdfplumber ## Import import pdfplumber ## 二、打开pdf文件，并创建一个pdf对象 ```py with pdfplumber.open(path) as pdf: ``` 因为是对pdf文件的内容进行操作，所以通过`with open`语句可以避免忘记关闭文件 `pdfplumber.open()` 返回一个PDF对象，函数的参数如下： - 第一个位置参数 文件路径或文件对象 - `password` 参数 用于打开加密的 PDF 文件，传入密码即可 PDF对象的属性和方法： - `metadata` 属性 用于获取 PDF 文件的元数据信息，返回一个字典 - `pages` 属性 用于获取 PDF 文件的所有页面，返回一个Page对象列表 ## 三、创建Page对象（核心类） PDF文档的每一页都是一个Page对象 Page对象的属性和方法： - `close()` 方法 用于关闭某页PDF - `page_number` 属性 用于获取这个Page对象在PDF文档中的页码，Page对象在`pdf.pages`属性中的下标从0开始，但是页码从1开始 - `width` 属性 用于获取这个Page对象的页面宽度 - `height` 属性 用于获取这个Page对象的高度 - `crop(bounding_box, relative=False, strict=True)` 方法 用于裁剪页面，返回裁剪后的Page对象。