python办公自动化（入门）
open()函数
在python中使用操作文件之前，需要使用open()打开文件，其会返回一个文件对象。
下面是open函数的参数列表：
open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True)
file：要创建或者打开的文件。通常为：文件路径/文件名.文件格式
mode：可选参数，指定文件的打开模式，默认为只读的方式打开
buffering：可选参数，用于设置缓冲策略。具体操作在进阶里面说
encoding：可选参数，用于解码或编码的编码名称文件
errors：可选参数，errors是一个可选字符串，用于指定如何处理编码错误。这个参数不应该在二进制模式下使用
newline：可选参数，控制通用换行符的工作方式
closefd：默认值值为True，如果closefd为False，底层文件描述符将保持打开状态当文件关闭时。当给定了文件名时，这就不起作用了并且在这种情况下必须为真
文件的操作模式（mode参数）有如下几种：
操作模式
具体含义
r读取 （默认）
w写入（会先截断之前的内容）
x写入，如果文件已经存在会产生异常
a追加，将内容写入到已有文件的末尾
b二进制模式
t文本模式（默认）
+更新（既可以读又可以写）
这里我们只需要先了解file、mode、encoding这三个参数
读取文件内容
致橡树.txt 文档
# 返回一个文件对象
file = open(file ='致橡树.txt', mode ='r', encoding ='utf-8')
# 读取所有内容
print(file.read())
# 切记，每次打开文件之后一定要关闭文件，不然文件会一直占用缓存
file.close()
'r’以只读的方式打开，同时选取utf-8作为文件的编码方式（我的编译器编码方式为utf-8，而致橡树.txt文件的编码方式为gbk，所以需要把文档的编码改为utf-8）
如何查看编译器编码：
import sys
print(sys.getdefaultencoding()) # 查看文件编码
这里有一个问题，就是如果在文件关闭之前，前面的代码出现错误，从而导致无法执行文件关闭的语句，这样怎么办呢？
这里我们可以使用一个异常处理语句try-finally，无论try语句里面的内容是否出现异常，始终都会执行finally语句块里面的内容。
代码如下：
# 返回一个文件对象
file = open(file ='致橡树.txt', mode ='r', encoding ='utf-8')
try:
# 读取所有内容
print(file.read())
finally：
# 关闭文件
file.close()
print('关闭文件成功')
以后我们都将使用上面这个格式去操作文件。
当一个文件很大时，这里将耗费很多时间和缓存，我们可以分批次读取
# 返回一个文件对象
file = open(file ='致橡树.txt', mode ='r', encoding ='utf-8')
try:
# 一次只读32个字节,读不到数据则返回None
data = file.read(32)
while data:
print(data, end = '')
data = file.read(32)
finally：
# 关闭文件
file.close()
print('关闭文件成功')
写入内容
如果要向文件中写入内容，我们需要将文件的打开模式改为a或者w
这里我们打开一个新的空白文件（文件不存在就在当前路径下创建一个新文档）
这里我们文件打开模型选择为w，为只读模式，我不能对其进行读操作。
# 打开 小雨康桥的诗.txt 文件
file = open('小雨康桥的诗.txt', mode = 'w', encoding = 'utf-8')
try:
# 写入内容
file.write('我只想做燕子\n')
file.write('只需简单思想\n')
file.write('只求风中流浪\n')
file.write('我想作树\n')
file.write('不想长五脏六腑\n')
file.write('不会肝肠寸断\n')
finally:
# 关闭文件
file.close()
print('关闭文件成功')
如果我们还行在文件后面继续写入文件，我们可以进行如下操作
# 打开 小雨康桥的诗.txt 文件 将文件操作模式设置为a
file = open('小雨康桥的诗.txt', mode = 'a', encoding = 'utf-8')
try:
# 写入内容
file.write('我做不成燕子\n')
file.write('所以我飞不过感情的墙\n')
file.write('我做不成树\n')
file.write('因此也撑不破伤心的网\n')
finally:
# 关闭文件
file.close()
print('关闭文件成功')
读写二进制文件
先给大家介绍一个函数seek()。我们可以使用它移动文件指针到指定位置，然后进行读写。
seek(移动字节数,移动模式):
移动模式有三种，如下:
0：默认的模式，以文件开头为初始点移动移动指针；
1：以当前指针所在位置为初始点移动指针；
2：以文件末尾为初始位置移动指针；
强调:其中0模式可以在t或者b模式使用,而1跟2模式只能在b模式下用
实例：
file = open('小雨康桥的诗.txt', mode = 'w', encoding = 'utf-8')
try:
# 打印当前文件指针的位置
print(file.tell()) # 200
# 将文件指针移到开头
file.seek(0, 0)
print(file.tell()) # 0
# 将文件指针移到第八个字节
file.seek(8, 0)
print(file.tell()) # 8
finally:
file.close()
这里我们文件的操作模式为w，所以不能使用seek(n,1) 、seek(n, 2) （n表示移动字节数）
以二进制形式打开文件，以图片为例，该图片为一个截图
# 导入模块，模块作用如下
from io import SEEK_END, SEEK_SET
# 读取一个图片，以二进制的模打开
file = open(file = 'image.jpg', mode = 'rb')
# 移动文件指针至文件末尾，获取文件长度
file.seek(0, SEEK_END)
# 通过tell方法获取文件指针移动的字节数，这个字节数就是文件的大小
print(file.tell())
# 将文件指针移动到最初的位置
file.seek(0, SEEK_SET)
try:
data = file.read(512)
while data:
print(data, end = '')
data = file.read()
finally:
file.close()
print('关闭文件')
上下文语法
对于open函数，我们还可以用with上下文语法，使用with上下文语法会在结束文件操作之后，会自动保存文件，这样我们就不需要再写finally语句在执行close方法了，让代码变得更简洁。不过并不是所有的对象都可以使用with上下文语法，必须符合上下文管理器协议的对象（有__enter__和__exit__魔术方法）才可以使用。
实例：
# 读文件
with open('小雨康桥的诗.txt', 'r', encoding = 'utf-8-sig') as file:
# 输出文件内容
print(file.read())
# 写文件
with open('小雨康桥的诗.txt', 'a', encoding = 'utf-8-sig') as file2:
# 写入内容
file2.write('我做不成燕子\n')
file2.write('所以我飞不过感情的墙\n')
file2.write('我做不成树\n')
file2.write('因此也撑不破伤心的网\n')
读写CSV文件
CSV（Comma Separated Values）全称逗号分隔值文件。接下来将使用python对CSV文件进行操作。这里我们需要导入python中的csv模块。
csv这里我们主要介绍两个方法，
csv.reader：返回一个遍历 CSV 文件各行的读取对象（已经读取文件中的所有数据）
csv.writer：将数据写入CSV的写入对象
读取csv文件
import csv
with open('2018年北京积分落户数据2.csv', encoding = 'gb18030') as file:
# 每次读取文件的一行
content = file.readline()
while content:
# 对读取的数据进行处理，将换行符\n去掉，并且用逗号分隔
values = content.replace('\n', '').split(',')
print(values)
# 读取下一行数据
content = file.readline()
还可以通过delimiter、quotechar参数来指定分隔符（默认是英文的逗号）、包围值的字符（默认是英文双引号）。其中，包围值的字符主要用于当字段中有特殊符号时，通过添加包围值的字符可以避免二义性。
with open('2018年北京积分落户数据2.csv', encoding = 'gb18030') as file:
# delimiter：设置分隔符（默认是英文的逗号）
# quotechar：包裹字符串符号（默认是英文双引号）
reader = csv.reader(file, delimiter = '#', quotechar = '@')
for row in reader:
print(row)
将数据写入csv文件中
import csv
import random
with open('成绩.csv', 'w', encoding = 'utf-8-sig', newline = "") as file:
writer = csv.writer(file)
# 在文件中写入内容
writer.writerow(['姓名', '语文成绩', '数学成绩', '英语成绩'])
names = ['小明', '大毛', '二毛']
# 循环遍历，随机生成三人的各科成绩
for i in range(3):
subject1 = random.randrange(50, 101)
subject2 = random.randrange(60, 101)
subject3 = random.randrange(40, 101)
# 写入文件
writer.writerow([names[i], subject1, subject2, subject3])
读写Excel文件
读写Excel文件，我们需要使用一些python的第三方库：
xlrd / xlwt ：读取 / 写入，二者兼容低版本的Excel文件（后缀名为xls）
xlutils：支持同时对Excel文件进行读操作和写入操作
openpyxl：获取Excel对象，兼容高版本的Excel文件（后缀名为xlsx）
读取Excel文件
import xlrd
# 每个Excel文件都是一个工作簿（workbook），每个工作簿包含1个或1个以上的工作表（sheet）
# 获取工作簿
wb = xlrd.open_workbook('阿里巴巴2020年股票数据.xls')
print(type(wb))
# 获取所有工作表的名字
print(wb.sheet_names())
# 获取指定的工作表
sheet = wb.sheet_by_name('股票数据') # 方法一
sheet2 = wb.sheet_by_index(0)# 方法二
print(type(sheet))
# 获取工作表的行数和列数
print(sheet.nrows, sheet.ncols)
# 获取指定的行
print(sheet.row(0))
print(sheet.row_slice(0, start_colx=0, end_colx=3))
# 获取指定的列
print(sheet.col(4))
print(sheet.col_slice(4, start_rowx=1, end_rowx=11))
# 获取单元格的数据
cell = sheet.cell(2, 2)
print(type(cell))
print(cell.value)
遍历整个sheet，根据数据的格式，在遍历的同时对数据进行处理
import xlrd
# 工作簿 ---> 一个Excel文件 ---> Book
wb = xlrd.open_workbook('resources/阿里巴巴2020年股票数据.xls')
# 获取指定的工作表
sheet = wb.sheet_by_index(0)
# 原工作表中的表头
print(f'交易日期\t\t\t最高价\t\t最低价\t\t开盘价\t\t收盘价\t\t成交量\t\t调整收盘价')
for row in range(1, sheet.nrows):
for col in range(sheet.ncols):
value = sheet.cell(row, col).value
# 第一列是时间数据，对时间进行一个格式化
if col == 0:
# year, month, date, *_ = xlrd.xldate_as_tuple(value, 0)
# print(f'{year}年{month:0>2d}月{date:0>2d}日', end='\t')
curr_date = xlrd.xldate_as_datetime(value, 0)
print(curr_date.strftime('%Y年%m月%d日'), end='\t')
elif col == 5:
print(f'{int(value):<10d}', end='\t')
else:
print(f'{value:.4f}', end='\t')
print()
写Excel文件
import random
import xlwt
names = ['小明', '大毛', '二毛']
scores = [[random.randint(40, 100) for _ in range(3)] for _ in range(3)]
# 创建工作簿对象（Workbook）
wb = xlwt.Workbook()
# 创建工作表对象（Worksheet）
sheet = wb.add_sheet('五年级20班')
# 添加表头数据
titles = ('姓名', '语文成绩', '数学成绩', '英语成绩')
for index, title in enumerate(titles):
# 在第0行，第index列，添加内容title
sheet.write(0, index, title)
# 将学生姓名和考试成绩写入单元格
for row in range(len(scores)):
sheet.write(row + 1, 0, names[row])
for col in range(len(scores[row])):
sheet.write(row + 1, col + 1, scores[row][col])
# 保存Excel工作簿
wb.save('考试成绩表.xlsx')
调整单元格样式
我们还可以为单元格设置样式，主要包括字体（Font）、对齐方式（Alignment）、边框（Border）和背景（Background）的设置
import random
import xlwt
names = ['小明', '大毛', '二毛']
scores = [[random.randint(40, 100) for _ in range(3)] for _ in range(3)]
# 创建工作簿对象（Workbook）
wb = xlwt.Workbook()
# 创建工作表对象（Worksheet）
sheet = wb.add_sheet('五年级20班')
# 将表头单元格的背景色修改为蓝色
header_style = xlwt.XFStyle()
pattern = xlwt.Pattern()
pattern.pattern = xlwt.Pattern.SOLID_PATTERN
# 0-黑色、1-白色、2-红色、3-绿色、4-蓝色、5-黄色、6-粉色、7-青色
pattern.pattern_fore_colour = 4
header_style.pattern = pattern
# 为表头设置指定的字体
font = xlwt.Font()
# 字体名称
font.name = '华文楷体'
# 字体大小（20是基准单位，18表示18px）
font.height = 20 * 18
# 是否使用粗体
font.bold = True
# 是否使用斜体
font.italic = False
# 字体颜色
font.colour_index = 1
header_style.font = font
# 表头垂直居中对齐
align = xlwt.Alignment()
# 垂直方向的对齐方式
align.vert = xlwt.Alignment.VERT_CENTER
# 水平方向的对齐方式
align.horz = xlwt.Alignment.HORZ_CENTER
header_style.alignment = align
# 给表头加上红色的虚线边框
borders = xlwt.Borders()
props = (
('top', 'top_colour'), ('right', 'right_colour'),
('bottom', 'bottom_colour'), ('left', 'left_colour')
)
# 通过循环对四个方向的边框样式及颜色进行设定
for position, color in props:
setattr(borders, position, xlwt.Borders.DASHED)
setattr(borders, color, 2)
header_style.borders = borders
# 调整单元格的宽度（列宽）和表头的高度（行高）
# 设置行高为40px
sheet.row(0).set_style(xlwt.easyxf(f'font:height {20 * 40}'))
titles = ('姓名', '语文', '数学', '英语')
for index, title in enumerate(titles):
# 设置列宽为1500px
sheet.col(index).width = 20 * 150
# 添加表头数据
titles = ('姓名', '语文成绩', '数学成绩', '英语成绩')
for index, title in enumerate(titles):
sheet.write(0, index, title, header_style)
# 将学生姓名和考试成绩写入单元格
for row in range(len(scores)):
sheet.write(row + 1, 0, names[row])
for col in range(len(scores[row])):
sheet.write(row + 1, col + 1, scores[row][col])
# 保存Excel工作簿
wb.save('考试成绩表.xlsx')
简单计算
计算刚才的考试成绩表.xlsx里面每个人的平均成绩
# 计算考试成绩.xls文件中每个人的平均成绩
import xlrd
import xlwt
from xlutils.copy import copy
wb1 = xlrd.open_workbook('考试成绩表.xls')
# 不改变原数据，将元数据拷贝在另外一个表中
wb2 = copy(wb1) # type: xlwt.Workbook
sheet = wb2.get_sheet(0)
sheet.write(0, 4, '平均分')
for row_index in range(1, 4):
sheet.write(row_index, 4, xlwt.Formula(f'average(B{row_index + 1}:D{row_index + 1})'))
wb2.save('考试成绩表—平均成绩.xls')
openpyxl读取Excel文件
import openpyxl
from datetime import datetime
# 加载一个工作簿
wb = openpyxl.load_workbook('股票数据.xlsx')
print(type(wb))
# 获取工作表的名字
print(wb.sheetnames)
# 获取工作表
# sheet = wb['股票数据']
sheet = wb.worksheets[0]
# 工作表类型
print(type(sheet)) #
# 工作表维度
print(sheet.dimensions) # A1:G255
# 工作表的长度和宽度
print(sheet.max_row, sheet.max_column) # 255 7
操作Word文档
这里我们会用到两个模块python-docx、pillow，一个用于处理word文档，一个用于处理图像。
创建一个word文档
from docx import Document
from docx.shared import Inches
from docx.document import Document as Doc
# 创建一个Document对象
document = Document() # type:Doc
# 添加一个标题 0 ，最高级标题
document.add_heading('三国', 0)
# 添加段落
p = document.add_paragraph('三国（220年－280年）是中国历史上位于汉朝之后、晋朝之前的一段历史时期。\
这一个时期，先后出现了曹魏、蜀汉、东吴三个主要政权。263年，蜀汉后主刘禅投降，\
蜀汉被魏所灭。265年司马昭去世，其子司马炎夺取曹魏政权，定都洛阳，建立晋朝，\
史称西晋。280年司马炎大举进攻吴国，孙吴灭亡，西晋统一天下，至此，')
p.add_run('近百年的战乱结束，').bold = True # 加粗
p.add_run('三家归晋。').italic = True # 斜体
# 一级标题
document.add_heading('三国历史简介', level = 1)
document.add_paragraph('人物简介', style = 'Intense Quote')
document.add_paragraph(
'曹魏阵营', style = 'List Bullet'
)
document.add_paragraph(
'曹操：', style = 'List Number'
)
document.add_paragraph(
'郭嘉：', style = 'List Number'
)
# 添加图片
document.add_picture('三国.jpg', width = Inches(4))
records = (
('刘备', '男', '蜀汉'),
('孙权', '男', '东吴'),
('曹丕', '男', '曹魏'),
('吕布', '男', '群雄')
)
# 添加一个表格
table = document.add_table(rows = 1, cols = 3)
hdr_cells = table.rows[0].cells
hdr_cells[0].text = '姓名'
hdr_cells[1].text = '性别'
hdr_cells[2].text = '势力'
for qty, id, desc in records:
row_cells = table.add_row().cells
row_cells[0].text = str(qty)
row_cells[1].text = id
row_cells[2].text = desc
document.add_page_break()
# 保存文档，命名为 三国.docx
document.save('三国.docx')
生成样板文章
from docx import Document
from docx.document import Document as Doc
# 读取 离职证明.docx 文档
doc = Document('离职证明.docx') # type:Doc
# 循环输出文档内容
for i, paragraph in enumerate(doc.paragraphs):
print(i, paragraph.text)
# 将文档中’曹操‘用’曹丕‘替代
for paragraph in doc.paragraphs:
if '曹操' in paragraph.text:
for run in paragraph.runs:
run.text = run.text.replace('曹操', '曹丕')
# 另存为 离职证明（新）.docx
doc.save('离职证明（新）.docx')
Word就简单介绍一下了。
操作PDF文件
在Python中，可以使用PyPDF2的三方库来读取PDF文件，安装的方法就不多说了。
虽然PyPDF2不能从PDF文档中提取图像、图表或其他媒体，但它可以提取文本，并将其返回为Python字符串。
读取PDF文件
import PyPDF2
from PyPDF2.pdf import PageObject
# 读取PDF文件
reader = PyPDF2.PdfFileReader('XGBOOST.pdf')
# 写模式
writer = PyPDF2.PdfFileWriter()
for page_num in range(reader.numPages):
current_page = reader.getPage(page_num) # type: PageObject
# 从页面中抽取文字
# print(current_page.extractText())
# 旋转页面
current_page.rotateClockwise(90)
writer.addPage(current_page)
# 添加一个空白页
writer.addBlankPage()
# 保存至 XGBOOS-newT.pdf
with open('XGBOOS-newT.pdf', 'wb') as file:
writer.write(file)
加密PDF文件
import PyPDF2
# 读操作
reader = PyPDF2.PdfFileReader('XGBoost.pdf')
# 写操作
writer = PyPDF2.PdfFileWriter()
for page_num in range(reader.numPages):
writer.addPage(reader.getPage(page_num))
# 加密PDF文件，密码为foobared
writer.encrypt('foobared')
# 将加密过的文件保存为 XGBoost_encrypted.pdf
with open('XGBoost_encrypted.pdf', 'wb') as file:
writer.write(file)
我们还可以将上面的代码封装在一个函数里面
def encrypt_all(path, name, ept):
"""
给PDF文件加密
:param path: 文件路劲
:param name: 文件名
:param ept: 加密密码
:return: 返回加密后的新文件
"""
reader = PyPDF2.PdfFileReader(f'{path}/{name}.pdf')
writer = PyPDF2.PdfFileWriter()
for page_num in range(reader.numPages):
writer.addPage(reader.getPage(page_num))
# 加密PDF文件
writer.encrypt(ept)
with open(f'{path}/{name}_encrypted.pdf', 'wb') as file:
writer.write(file)
创建PDF文件
这里我们需要用到一个三方库：reportlab
from reportlab.lib.pagesizes import A4
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from reportlab.pdfgen import canvas
# 注册字体文件
pdfmetrics.registerFont(TTFont('Font1', 'fonts/Vera.ttf'))
pdfmetrics.registerFont(TTFont('Font2', 'fonts/IPix中文像素字体.ttf'))
# 设置页面大小，当前为A4
pdf_canvas = canvas.Canvas('demo.pdf', pagesize = A4)
width, height = A4
# 绘图
image = canvas.ImageReader('guido.jpg')
pdf_canvas.drawImage(image, 20, height - 375, 250, 375)
# 显示当前页
pdf_canvas.showPage()
# 写入文字内容1 设置文字格式
pdf_canvas.setFont('Font2', 40)
pdf_canvas.setFillColorRGB(1, 0, 0, 1)
pdf_canvas.drawString(width // 4 , height // 4, '我吕布天下无敌啊！')
# 写入文字内容2 设置文字格式
pdf_canvas.setFont('Font1', 40)
pdf_canvas.setFillColorRGB(0, 1, 0, 0.5)
pdf_canvas.rotate(18)
pdf_canvas.drawString(200, 280, 'nothing can defeat you')
# 保存
pdf_canvas.save()
添加水印
import PyPDF2
from PyPDF2.pdf import PageObject
# 待添加水印文件
reader1 = PyPDF2.PdfFileReader('XGBoost.pdf')
# 水印文件
reader2 = PyPDF2.PdfFileReader('watermark.pdf')
# 将前面两个文件合一，存入新的文件中
writer = PyPDF2.PdfFileWriter()
# 给每页添加水印
watermark_page = reader2.getPage(0)
for page_num in range(reader1.numPages):
current_page = reader1.getPage(page_num) # type: PageObject
current_page.mergePage(watermark_page)
writer.addPage(current_page)
# 保存
with open('resources/XGBoost-watermarked.pdf', 'wb') as file:
writer.write(file)
知识补充：获取文件夹下所有内容
import os
# 获取指定文件夹下的所有内容
path = 'D:\\pycharm_DATA\\code\\day19'
files_list = os.listdir(path)
# print(files_list)
# 循环输出该路径下的文件
for file in files_list:
fullpath = os.path.abspath(file)
print(fullpath)
正则表达式
查找符合某些复杂规则的字符串时，比如在编写处理字符串的程序或网页时，就需要正则表达式来给我筛选我们想要的内容。简单来说，就是正则表达式指一种匹配字符串的模式，功能非常强大，但是它的匹配模式也很复杂。这里我推荐大家去阅读这篇文字，里面所说非常详细[正则表达式30分钟入门教程](正则表达式30分钟入门教程 (deerchao.cn))
基本符号
符号解释示例说明
.匹配任意字符b.t可以匹配bat / but / b#t / b1t等
\w匹配字母/数字/下划线b\wt可以匹配bat / b1t / b_t等
但不能匹配b#t
\s匹配空白字符（包括\r、\n、\t等）love\syou可以匹配love you
\d匹配数字\d\d可以匹配01 / 23 / 99等
\b匹配单词的边界\bThe\b
^匹配字符串的开始^The可以匹配The开头的字符串
$匹配字符串的结束.exe$可以匹配.exe结尾的字符串
\W匹配非字母/数字/下划线b\Wt可以匹配b#t / b@t等
但不能匹配but / b1t / b_t等
\S匹配非空白字符love\Syou可以匹配love#you等
但不能匹配love you
\D匹配非数字\d\D可以匹配9a / 3# / 0F等
\B匹配非单词边界\Bio\B
[]匹配来自字符集的任意单一字符[aeiou]可以匹配任一元音字母字符
[^]匹配不在字符集中的任意单一字符[^aeiou]可以匹配任一非元音字母字符
*匹配0次或多次\w*
+匹配1次或多次\w+
?匹配0次或1次\w?
{N}匹配N次\w{3}
{M,}匹配至少M次\w{3,}
{M,N}匹配至少M次至多N次\w{3,6}
|
分支foo|bar可以匹配foo或者bar
(?#)注释
(exp)匹配exp并捕获到自动命名的组中
(?exp)匹配exp并捕获到名为name的组中
(?:exp)匹配exp但是不捕获匹配的文本
(?=exp)匹配exp前面的位置\b\w+(?=ing)可以匹配I’m dancing中的danc
(?<=exp)匹配exp后面的位置(?<=\bdanc)\w+\b可以匹配I love dancing and reading中的第一个ing
(?!exp)匹配后面不是exp的位置
(?匹配前面不是exp的位置
*?重复任意次，但尽可能少重复a.*b
a.*?b将正则表达式应用于aabab，前者会匹配整个字符串aabab，后者会匹配aab和ab两个字符串
+?
重复1次或多次，但尽可能少重复
??重复0次或1次，但尽可能少重复
{M,N}?重复M到N次，但尽可能少重复
{M,}?重复M次以上，但尽可能少重复
re 模块
python还提供 re 模块来支持正则表达式个各种操作，下面是 re 模块中的一些重要函数
函数说明
compile(pattern, flags=0)编译正则表达式返回正则表达式对象
match(pattern, string, flags=0)用正则表达式匹配字符串 成功返回匹配对象 否则返回None
search(pattern, string, flags=0)搜索字符串中第一次出现正则表达式的模式 成功返回匹配对象 否则返回None
split(pattern, string, maxsplit=0, flags=0)用正则表达式指定的模式分隔符拆分字符串 返回列表
sub(pattern, repl, string, count=0, flags=0)用指定的字符串替换原字符串中与正则表达式匹配的模式 可以用count指定替换的次数
fullmatch(pattern, string, flags=0)match函数的完全匹配（从字符串开头到结尾）版本
findall(pattern, string, flags=0)查找字符串所有与正则表达式匹配的模式 返回字符串的列表
finditer(pattern, string, flags=0)
查找字符串所有与正则表达式匹配的模式 返回一个迭代器
purge()清除隐式编译的正则表达式的缓存
re.I / re.IGNORECASE忽略大小写匹配标记
re.M / re.MULTILINE多行匹配标记
实例
实例1：判断用户名、QQ号码、手机号码是否有效
import re
# 判断用户的用户名是否复合用户名命名规则
username = input('请输入用户名: ')
#username_pattern = re.compile(r'^\w{6,20}$') # 通过compile编译正则表达式创建Pattern对象
#matcher = username_pattern.match(username)
matcher = re.match(r'^\w{6,20}$', username)
if matcher is None:
print('无效用户名')
else:
print(matcher)
print(matcher.group())
"""
# 判断QQ号是否有效
qq = input('请输入QQ号: ')
matcher = re.match(r'[1-9]\d{4,}', qq)
if matcher is None:
print('无效QQ')
else:
print(matcher)
print(matcher.group())
"""
"""
# 判断手机号码是否有效
telephone = input('请输入手机号码: ')
matcher = re.match(r'1[3-9]\d{9}$', telephone)
if matcher is None:
print('无效手机号码')
else:
print(matcher)
print(matcher.group())
"""
实例2：从字符串中提取跟正则表达式匹配的部分
import re
# match - 匹配 - 从头开始进行匹配
# search - 搜索 - 从任意位置匹配
# findall - 从字符串中找出所有和正则表达式匹配的内容
# 从字符串中提取跟正则表达式匹配的部分
content = """报警电话：110，我们班是Python-2105班，
我的QQ号是123456789，我的手机号是98765432104，谢谢！"""
# 创建正则表达式对象
pattern = re.compile(r'\d+')
# 从任意位置匹配
matcher = pattern.search(content)
while matcher:
print(matcher.group())
# 匹配到的开始位置，结束位置
print(matcher.start(), matcher.end())
matcher = pattern.search(content, matcher.end())
# 从字符串中找出所有和正则表达式匹配的内容
results = pattern.findall(content)
for result in results:
print(result)
results = re.findall(r'\d+', content)
for result in results:
print(result)
实例3：正则表达式捕获组
import re
import requests
# 匹配整个a标签，但是只捕获()中的内容 ---> 正则表达式的捕获组
pattern = re.compile(r'')
resp = requests.get('https://www.sohu.com/')
results = pattern.findall(resp.text)
for href, title in results:
print(title)
print(href)
实例4：过滤不良内容
import re
content = '马化腾是一个沙雕煞笔，FUck you！'
pattern = re.compile(r'[傻沙煞][逼笔雕鄙]|笨蛋|fuck|shit', flags=re.IGNORECASE)
# modified_content = re.sub(r'[傻沙煞][逼笔雕鄙]|笨蛋|fuck|shit', '*', content, flags=re.I)
modified_content = pattern.sub('*', content)
print(modified_content)
实例5：正则表达式拆分字符串
import re
poem = '窗前明月光，疑是地上霜。举头望明月，低头思故乡。'
# sentences_list = re.split(r'，|。', poem)
# sentences_list = re.split(r'[，。]', poem)
pattern = re.compile(r'[，。]')
sentences_list = pattern.split(poem)
print(sentences_list)
sentences_list = [sentence for sentence in sentences_list if sentence]
print(sentences_list)
for sentence in sentences_list:
print(sentence)
关注公众号，每天可以领红包
