python常用库函数 - 备忘

基础库

1. 正则表达式：re

符号

()小括号 -- 分组

[]中括号 -- 字符类，匹配所包含的任一字符 #注：字符集合把【】里面的内容当作普通字符！（-\^除外）

{}大括号 -- 限定匹配次数

| 或 r'AC|D' -> AC或AD

. 匹配任一字符（\ 除外）

\. 匹配字符.

^ 脱字符匹配输入字符串的开始位置 # r'^AC'

$ 匹配字符串末尾 # r'AC$'

\b 匹配一个单词的边界（单词定义为字母，数字，下划线）；\B 与 \b相反匹配非单词边界

\d 匹配任一数字[0-9] ; \D 与 \d相反，[^0-9]

\s 匹配空白字符【\t \n \r \f \v】；\S与\s相反

\w 匹配字母数字下划线（中文也可以）【a-z A-Z 0-9 _】; \W与\w相反

* 匹配子表达式0次或多次，等价于 {0，}

+ 匹配子表达式1次或多次，等价于 {1, }

? 匹配子表达是0次或1次，等价于{0，1}

贪婪模式

贪婪模式（python正则表达式中默认使用），尽可能多的去匹配

s = '<html><title>ssss<\html><\title>'

re.search(r'<.+>',s)

#输出： '<html><title>ssss<\html><\title>'

启用非贪婪模式

re.search(r'<.+?>', s)

# 输出： <html>

命令

1. re.search()

s = 'Bo ke yuan'

result = re.search(r'(\w+) (\w+)', s)

result.group() # 'Bo ke'

result.group(1) # 'Bo'; result.group(2) # 'ke'

result.start() #0 (匹配起始位置)

result.end() #5 (匹配结束位置)

result.span() #(0, 5) (匹配范围)

2. re.findall()

如果给出的正则表达式包含子组，就会把子组的内容单独返回回来。

若包含多个子组，将匹配的内容组合成元组返回

如何让子组不捕获内容？

　　非捕获组（？：）把所有出现子组的地方都加？：

3. re.compile() 编译正则表达式

如果你需要重复的使用某个正则表达式，那么你可以先将正则表达式编译成模式对象。

p = re.compile(r'[A-Z]')

p.search('Bo Ke Yuan') # ['B']

p.findall('Bo Ke Yuan') # ['B', 'K', 'Y']

2. 参数：argparse

基本用法：

import argparse # step1. 导入模块

parser = argparse.ArgumentParser() # step2. 创建参数解析对象

parser.add_argument() # step3. 添加参数

"""位置参数：parser.add_argument("echo", help="参数描述")  必选

    可选参数: parser.add_argument("--verbosity", help="参数描述")  可选

"""

args = parser.parse_args() # step4. 解析参数

"""位置参数访问：args.echo

    可选参数访问：args.verbosity

"""

def argsParser():

    parser = argparse.ArgumentParser()

    parser.add_argument(

        "-t",

        type=str,

        default="train.txt",

        help="训练文件名 - 支持相对路径",

    )

    args = parser.parse_args()

return args.t

3. 数学函数库：math

4. 随机数：random

5. 多线程多进程：subprocess/multiprocessing/threading

6. 小工具（能减少代码行数）：itertools/operator/collections

6.1 collections

c = collections.Counter(参数)

#参数可以是list、str、tuple、None等等

#作用：统计参数每个元素出现的次数

#返回：一个字典（元素作为key存储，元素出现次数作为value存储）

#####例子：

c = Counter('gallahad')

# 输出： Counter({'a': 3, 'd': 1, 'g': 1, 'h': 1, 'l': 2})

c.update('adc') # 在原来基础上更新计数（直接修改c）

# 输出： Counter({'a': 4, 'c': 1, 'd': 2, 'g': 1, 'h': 1, 'l': 2})

c.most_common()

# 输出：[('a', 4), ('l', 2), ('d', 1), ('g', 1), ('b', 1), ('c', 1), ('h', 1)]

# 相当于字典排序：sorted(c.items(), key=lambda asd:asd[1], reverse=True)

6.2 itertools

# 格式 itertools.chain(*iterables)

#作用：将多个可迭代的对象转换成一条链

a = [[1, 2, 3], ['a', 'b', 'c']]

itertools.chain(a)

# 结果： 1, 2, 3, 'a', 'b', 'c'

第三方库

1. jieba

import jieba

words = jieba.cut(字符串, cut_all=True) # 全模式分词 （信息检索中常用）

words = jieba.cut(字符串, cut_all=False) # 精确模式分词（默认）

#支持并行分词

jieba.enable_paralle(4)

#支持自定义词典

filename = '词典路径'

jieba.load_userdict(filename)

#词性标注
import jieba.posseg as pseg

word = pseg.cut(' 我来到北京清华大学')

for word, flag in words:

    print("%s %s"%(word, flag))

秒客网