菜鸟学Python第十六天

时间:2022-11-12 18:32:47

菜鸟学python第十六天

1.re模块(正则表达式)

  • 什么是正则表达式

    • 正则表达式是一个由特殊字符组成的序列,他能帮助对字符串的某种对应模式进行查找。

    在python中,re 模块使其拥有全部的正则表达式功能

  • re模块的使用

    re正则表达式的运行机制: 一个一个进行比对

    • re.findall()

      import re
      ​
      ​
      ​
      # \w, 匹配字母数字下划线
      print(re.findall('\w', 'Aah123 +-_'))  # \w, ['A', 'a', 'h', '1', '2', '3', '_']
      print(re.findall('\w\w', 'Aah123 +-_'))  # \w\w, ['Aa', 'h1', '23']
      print(re.findall('\w9\w', 'Aa9h123 +-_   aaa9--'))  # \w9\w ,['a9h']
      ​
      ​
      # \W  :匹配非字母数字下划线
      print(re.findall('\W', 'hshk _=fh**#_  '))  # \W,[' ', '=', '*', '*', '#', ' ', ' ']
      ​
      ​
      # \s : 匹配任意空白字符(\t\s\n都包含在内)
      print(re.findall('\s', 'dhfgk\tgds\n\g_jflkds  '))  # ['\t', '\n', ' ', ' ']
      ​
      ​
      # ^str: 从头开始匹配
      print(re.findall('^alex', 'hahahaha alex is alex is dsb'))  # d第一位没查找到返回空
      ​
      ​
      # $: 从尾开始匹配
      print(re.findall('Jason$', 'hello Jason'))  # ['Jason']
      ​
      ​
      # .:可以匹配除换行符之外的任意字符,当re.DOTALL被指定时,则可匹配包含换行符在内的所有字符
      print(re.findall('a.c', 'a alc aaac a c asffgf a\nc'))  # ['alc', 'aac', 'a c']
      print(re.findall('a.c', 'a alc aaac a c asffgf a\nc', re.DOTALL))  # ['alc', 'aac', 'a c', 'a\nc']
      ​
      ​
      # [] : 代表匹配一个字符,这一个字符是来自于我们自定义的范围
      print(re.findall('[1-9]', 's3jl5j6j33j6l'))  # ['3', '5', '6', '3', '3', '6']
      print(re.findall('[a-z]', 's3jl5j6j33j6l'))  # ['s', 'j', 'l', 'j', 'j', 'j', 'l']
      print(re.findall('5[a-z]6', 's3jl5j6j33j6l'))  # ['5j6']
      ​
      ​
      # 重复匹配
      # ? : 代表左边那一个字符出现0次或1次(可有一个或没有的情况)
      print(re.findall('ab?', 'a  ab  aab  a123b a123bbbbb'))  # ['a', 'ab', 'a', 'ab', 'a', 'a']
      ​
      ​
      # *:代表左边那一个字符出现0次到无穷次(可有可没有的情况)
      print(re.findall('ab*', 'a ab abbbb a1243b a123bbb'))  # ['a', 'ab', 'abbbb', 'a', 'a']
      ​
      ​
      # +:代表左边那个字符出现一次到无穷次(必须要出现一次以上,否则失败)
      print(re.findall('ab+', 'a jab a12b abbbbb ab'))  # ['ab', 'abbbbb', 'ab']
      ​
      ​
      ​
      # {n,m} : 代表左边那个字符出现n次到m次
      print(re.findall('ab{1,3}', 'ab abb abbb aab aaab a b b a'))  # ['ab', 'abb', 'abbb', 'ab', 'ab']
      print(re.findall('ab{1,}', 'ab abb abbbb aab aaab a b'))  # ['ab', 'abb', 'abbbb', 'ab', 'ab']
      print(re.findall('ab{3}','a ab abb abbbb a123b a123bbbb'))  # ['abbb']
      ​
      ​
      # .*:匹配任意0个到无穷个字符,贪婪匹配(到右边字符最后一次出现时结束)
      print(re.findall('a.*b', 'aghfhkdsnb-9=-0b'))  # ['aghfhkdsnb-9=-0b']
      print(re.findall('href="(.*)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢\
      </a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>'))
      #  ['https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4']
      # .*?:匹配任意0个到无穷个字符,非贪婪匹配(到右边字符第一次出现时结束)
      print(re.findall('a.*?b', 'aghfhkdsnb-9=-0b'))  # ['aghfhkdsnb']
      print(re.findall('href="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢\
      </a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>'))
      #  ['https://www.douniwan.com/1.mp4', 'https://www.xxx.com/2.mp4']
      ​
      ​
      # |:或者
      print(re.findall('ab|ac', 'ab  bb ac cc abb acc'))  # ['ab', 'ac', 'ab', 'ac']
      ​
      ​
      # ():分组
      print(re.findall('a(?:ab|c)', 'aab ac ac ab abbb aaaab'))  # ['aab', 'ac', 'ac', 'aab']
      print(re.findall('a(ab|c)', 'aab ac ac ab abbb aaaab'))  # ['ab', 'c', 'c', 'ab']
      ​
      ​
      # \:  转意
      print(re.findall('a\\\\c', 'a\c aac'))  # \\\\转以后相当于\\
      print(re.findall(r'a\\c', 'a\c aac'))  # r表示原生代码,指定python语法不要去识别它
      ​
      ​
      # re.I  : 忽略大小写
      print(re.findall('alex', 'my name s alex Alex is dsb aLex AleX', re.I))  # ['alex', 'Alex', 'aLex', 'AleX']
      ​
      ​
      # re.M :区分换行符
      msg = """
      my name is egon
      ghkhdsgdskhf egon
      hgkshd1243 egon"""print(re.findall('egon$', msg, re.M))  # $表示从后开始找,re.M表示识别多行
       # ['egon', 'egon', 'egon']

      菜鸟学Python第十六天

      菜鸟学Python第十六天

    • re模块其他方法

      • re.search(): 返回查找到的第一个内容,查找不到返回none

      res=re.search('(href)="(.*?)"','<p>动感视频</p><a href="https://www.douniwan.com/1.mp4">逗你玩呢</a><a href="https://www.xxx.com/2.mp4">葫芦娃</a>')
      print(res)  # 匹配成功第一个返回属性及内容,匹配不成功返回none
      print(res.group(0))  # 匹配成功返回第一个内容,group将其转换为字符串
      print(res.group(1))  # 匹配成功返回分组的第一个内容(href)
      print(res.group(2))  # 匹配成功返回分组的第二个内容
      ​
      输出结果:
      <_sre.SRE_Match object; span=(14, 51), match='href="https://www.douniwan.com/1.mp4"'>
      href="https://www.douniwan.com/1.mp4"
      href
      https://www.douniwan.com/1.mp4

       

      • re.match():从开头查找,开头是则返回该值,不是则返回none

      res=re.match('abc','123abc') ## res=re.search('^abc','123abc')
      print(res)
      ​
      输出结果:
      None

       

      • re.compile():将要匹配的字符准备好

      pattern=re.compile('alex')
      print(pattern.findall('alex is alex is alex'))
      print(pattern.search('alex is alex is alex'))
      print(pattern.match('alex is alex is alex'))

       

  • 练习

    # 提取算式中的数字,包含负数,减号除外
    msg = "1-2*(60+(-40.35/5)-(-40*3))"print(re.findall('\D?(-?\d+\.?\d*)', msg))
    ​
    输出结果:
    ['1', '2', '60', '-40.35', '5', '-40', '3']

     

 


 

2. hashlib 模块

  • hash:一种算法,用来对数据进行运算校验,返回hash值。

 

  • hash三大特性: 1. 只要传入的内容是一样的那返回的hash值一定一样。

                         2.只要采用的hash算法固定,无论传入多长内容hash值长度不变

                              3.hash值不可逆,就是不能通过hash值逆推出文件内容

 

  • 为何要用hash:

    1.文件完整性校验(特性1、2)

    原理:下载前拿到文件的hash值,下载完成后在目标设备上在进行校验,比对两者是否一致,从而判断文件完整性

    方法:将文件以行的形式一行一行读到内存中,加以hash运算最后得到hash值(不能将文件一次性全读到内存中,会导致内存溢出),但是一行行验证当文件行数过多时,效率太低,故我们可以选择几个特征区域加以hash,验证即可。

    import hashlib
    ​
    m=hashlib.md5()  # md5 默认hash值为32位
    m.update('你好'.encode('utf-8'))
    m.update('hello'.encode('utf-8'))  # 与m.update('你好hello'encode('utf-8'))de hash值一致
    print(m.hexdigest())  # 对以上update文件进行校验返回其hash值
    ​
    输出结果:
    65c83c71cb3b2e2882f99358430679c3
    ​
    ​
    # hash值长度之与算法有关,与文件大小无关
    m2=hashlib.sha512()  # sha512算法hash值长度为128
    m2.update(b'asdfassssssssssssssssssssssssssss')
     # print(m2.hexdigest())
    print(len(m2.hexdigest()))
    ​
    ​
    输出结果:
    128# 文件验证
    with open(r'D:\xxx\xxx\file.txt',mode='rb') as f:
        m=hashlib.md5()
        for line in f:
            m.update(line)
        print(m.hexdigest())
    ​

     

    2.用来对数据加密(特性3)

     

    原理:在数据的某些位置添加设定数据,将其数据复杂化

    # 数据加密 
    pwd=input('password>>> ').strip()
    m=hashlib.md5()
    m.update('加密数据'.encode('utf-8'))  # 在密码前加密,也可在其他任意位置加密,增加破解难度
    m.update(pwd.encode('utf-8'))  # 原密码数据
    m.update('加密数据'.encode('utf-8'))  # 在密码后加密,也可是其他位置
    print(m.hexdigest())