Python模块：Re模块、附软件开发目录规范

Re模块：（正则表达式）

正则表达式就是字符串的匹配规则

正则表达式在多数编程语言里都有相应的支持，Python里面对应的模块时re

常用的表达式规则：（都需要记住）

“ . ”   #  默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行

“ ^ ”  #  匹配字符开头，若指定flags MULTILINE,这种也可以匹配上("^a","\nabc\neee",flags=re.MULTILINE)（即：如果flags指定了 re.MULTILINE, 每一行都会尝试去匹配）


“ $ ”  #  匹配字符结尾，若指定flags MULTILINE ,re.search(‘foo.$‘,‘foo1\nfoo2\n‘,re.MULTILINE).group() 会匹配到foo1。 （如果flags指定了 re.MULTILINE, 每一行都会尝试去匹配）

“ * ”   #  匹配*号前的字符0次或多次， re.search(‘a*‘,‘aaaabac‘)  结果‘aaaa‘； #  ab* will match ‘a’, ‘ab’, or ‘a’ followed by any number of ‘b’s.

“ + ”  #  匹配“+”前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果[‘ab‘, ‘abb‘]    #  ab+ will match ‘a’ followed by any non-zero number of ‘b’s; it will not match just ‘a’.

“ ? ”   #  匹配“？”前一个字符1次或0次 ,re.search(‘b?‘,‘alex‘).group() 匹配b 0次    #  ab? will match either ‘a’ or ‘ab’.

“ {m} ”   #  匹配前一个字符m次 ,re.search(‘b{3}‘,‘alexbbbs‘).group()  匹配到‘bbb‘   

“ {n,m} ”   #  匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果[‘abb‘, ‘ab‘, ‘abb‘]  

“ [ ] ”  #  Used to indicate a set of characters.  在[ ] 中的字符， 可以单独列出来（如：[abc123]），也可以用“-”表示一个范围（如：[0-9]）

“ | ”  #  匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果‘ABC‘

“ ( ... ) ”  # 分组匹配； 利用 .groups() 查看分开后的匹配结果（元祖形式）（涉及到分组就用. groups()）

注：以上的全部都经常使用

“ \A ”  # 只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的，相当于re.match(‘abc‘,"alexabc") 或re.search(‘^abc‘, ‘xxx‘)

“ \Z ”  # 匹配字符结尾， 同$ 

“ \d ”   # 匹配数字0到9， 相当于[0-9]（经常使用）   #  re.search(‘\d+‘, string)   #  贪婪匹配模式

“ \D ”    #  匹配非数字 （经常使用）

“ \w ”   #   匹配[A-Za-z0-9] （即非特殊字符）  （经常使用）

“ \W ”   #  匹配非[A-Za-z0-9] （即特殊字符） （经常使用）

“ \s ”   #  匹配空白字符、\n、\t、\r ； 

“ (?P<name>...) ”   # 分组匹配 ； 举例如下：

import re
id_s = ‘130704200005251653‘
res = re.search(‘(?P<province>\d{3})(?P<city>\d{3})(?P<born_year>\d{4})‘,id_s)
print(res.group())
print(res.groups())   # 涉及到分组就用 groups

# 以字典的形式输出
print(res.groupdict())

# 打印结果：
# 1307042000
# (‘130‘, ‘704‘, ‘2000‘)
# {‘province‘: ‘130‘, ‘city‘: ‘704‘, ‘born_year‘: ‘2000‘}

re的匹配语法有以下几种：

• re.match（pattern，string,flags=0）    #  从头开始匹配；检测字符串的第一个元素是否匹配你所设置的pattern，后面的元素不再检测是否匹配，并返回匹配到的元素或者“None”  #  官方解释：

  If zero or more characters at the beginning of string match the regular expression pattern, return a corresponding match object. Return None if the string does not match the pattern; note that this is different from a zero-length match.

  Note that even in MULTILINE mode, re.match() will only match at the beginning of the string and not at the beginning of each line.

  If you want to locate a match anywhere in string, use search() instead

• re.search（pattern，string,flags=0）    #  遍历整个字符串找到第一个匹配你pattern的元素，后面的元素不再检测是否匹配，并返回匹配到的元素或者“None”   # 官方解释： Scan through string looking for the first location where the regular expression pattern produces a match, and return a corresponding match object. Return None if no position in the string matches the pattern; note that this is different from finding a zero-length match at some point in the string.
• re.findall(pattern, string,flags=0)  #  把所有匹配到的字符（元素）放到以列表中的元素返回   # 官方解释：  Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right（从左向右扫描字符串匹配）, and matches are returned in the order found. If one or more groups are present in the pattern, return a list of groups; this will be a list of tuples if the pattern has more than one group. Empty matches are included in the result.

下面看下re.match()和 re.search()的运行效果：

import re
s = ‘1ab2c3‘

print(re.search(‘[0-9]‘,s))
print(re.match(‘[0-9]‘,s))

#  打印结果：
#  <_sre.SRE_Match object; span=(0, 1), match=‘1‘>
#  <_sre.SRE_Match object; span=(0, 1), match=‘1‘>   #  search 和match返回的是一个对象， 不是匹配到的值。

# 要得到匹配到的值，可以利用 .group()，但需要先判断是否存在，因为如果没有匹配到就用.group()程序会报错

res_match = re.search(‘[0-9]‘,s)

if res_match:   #  先进行判断
    print(res_match.group())

# 打印结果：
# 1

•  re,split(pattern, string, maxsplit=0,flags=0)   #  以匹配到的字符作为分隔符（正则表达式可以用来做模糊规则）

情况1：
import re
s = ‘neo22alex18#mike-oldboy‘
print(re.split(‘\d+|#|-‘,s))   # pattern：按照 \d+ 或者“#” 或者 - 去split

#  输出结果：
#  [‘neo‘, ‘alex‘, ‘‘, ‘mike‘, ‘oldboy‘]   # 第3个空元素是因为18split之后 “#”也split， 成了空元素

# 上面是利用管道符“|”去定义pattern，下面利用[]去定义

import re
s = ‘neo22alex18#mike-oldboy‘
print(re.split(‘[\d+#-]‘,s))   # []就表示里面的都包括，效果就跟“|”类似，但有区别（代码中要注意[]和|具体用哪种）， 这个例子只是想强调“[]就表示里面的都包括”这个知识点

# 输出结果：
# [‘neo‘, ‘‘, ‘alex‘, ‘‘, ‘‘, ‘mike‘, ‘oldboy‘]   # \d+没有当做一个整体去split，而是分成了\d和字符“+”去split， 我也还没想清楚为什么。。。


情况2： 

import re
s = ‘neo22alex18|mike-oldboy‘ # 假如要求以“|”为分隔符 
print(re.split(‘\|‘,s)) # | 也是一个语法， 假如你在pattern不想让它作为语法、而是作为字符来使用， 就在它前面加一个斜杠“\” 

# 输出结果： 
# [‘neo22alex18‘, ‘mike-oldboy‘]

# 如果想把斜杠“\”当做字符而不是语法来使用， 就在这个“\”后面再加3个“\”， 即总共4个“\” （不理解原因，先记住吧）

import re
s = ‘neo22alex18\mike-oldboy‘
print(re.split(‘\\\\‘,s))

# 输出结果：
# [‘neo22alex18‘, ‘mike-oldboy‘] 

• re.sub(pattern, repl, string, count=0,flags=0)  # 匹配字符并替换

import re
s = ‘neo22alex18\mike-oldboy‘
print(re.sub(‘\d+‘,‘+‘,s))

# 输出结果：
# neo+alex+\mike-oldboy

• re.fullmatch(pattern, string,flags=0)   #  全部匹配： 整个字符串匹配

re.fullmatch(‘\w+@\w+\.(com|cn|edu)‘,"alex@oldboyedu.cn")   #  com|cn|edu  是一组的 ， 需要放到一个括号里面 

# 输出结果：  #  <_sre.SRE_Match object; span=(0, 17), match=‘alex@oldboyedu.cn‘>

• re.compile(pattern, flags=0)     #  用于编写一个匹配规则（pattern） # 如果你这个pattern要用很多次，可以利用compile先把pattern设置好， 以后直接调用就行； 不像 re.match(pattern, string)  这类的语句Python需要每次先对pattern编译，compile的pattern Python只需要编译一次以后直接调用就行。如下：

Compile a regular expression pattern into a regular expression object, which can be used for matching using its match(), search() and other methods, described below.

The sequence

prog = re.compile(pattern)
result = prog.match(string)

is equivalent to

result = re.match(pattern, string)

but using re.compile() and saving the resulting regular expression object for reuse is more efficient when the expression will be used several times in a single program.

Flag标识符：

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• M(MULTILINE): 多行模式，改变‘^‘和‘$‘的行为
• S(DOTALL): 改变‘.‘的行为：make the ‘.‘ special character match any character at all, including a newline（换行）; without this flag, ‘.‘ will match anything except a newline. （换行符也包括在内）

• X(re.VERBOSE) 可以给你的表达式写注释，使其更可读，下面这2个意思一样

a = re.compile(r"""\d + # the integral part
                \. # the decimal point
                \d * # some fractional digits""", 
                re.X)

b = re.compile(r"\d+\.\d*")

软件开发目录规范：

规范化的目录结构能更好的控制程序就够，让程序具有更高的可读性。

“项目目录规范”其实也属于“可读性和可维护性”的范畴，设计层次清晰的目录结构就是为了达到以下两点：

1. 可读性高： 不熟悉这个项目代码的人，一眼就能就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等，从而非常快速的了解这个项目

2. 可维护性高： 定义好组织规则后，维护着就能明确的知道，新增的哪个文件和代码应该放在什么目录下。这个的好处是，随着代码/配置的规模增加，项目结构不会混乱，仍然能组织良好。

通常一个项目都会有的目录如下：

luffy   # 建议全小写

    log  # 日志目录

　conf/config/settings   # 配置文件目录

　libs/modules   # 第三方库目录

　core/luffy     # 程序代码目录/核心代码目录

　docs    # 文档库

　README  #  对软件的说明

　setup.py  #  快速安装

　bin  #  程序的启动脚本/程序的入口

　　luffy_server.py

README的写法：

1. 软件定位，软件的基本功能。
2. 运行代码的方法: 安装环境、启动命令等。
3. 简要的使用说明。
4. 代码目录结构说明，更详细点可以说明软件的基本原理。
5. 常见问题说明。

关系目录规范的详情可参考：  https://www.luffycity.com/python-book/di-4-zhang-python-ji-chu-2014-chang-yong-mo-kuai/ruan-jian-kai-fa-mu-lu-gui-fan.html