继续python相关基础的梳理：

1、正则表达式

这里放上一张很实用的表格和一个常见的例子：

例子：电子邮箱验证的正则表达式

1 import re2 re_email=re.compile(r'^([\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+)$') 3 re_email.match('someone@gmail.com').groups() 4 re_email.match(bill.gates@microsoft.com').groups()

2、接下来又谈数据

   既然python常用于数据处理，对于不同类型的数据的理解就十分重要了（内容还是参考之前的参考资料）

   对于字符串：掌握编码与解码  struct的概念（这个和C或者C+有相似之处），可以处理类似图片等   有意思的还有hashlib函数用来MD5算法

   提醒：记得import相应模块

3、CSV （逗号分隔值）

   其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或。通常，所有记录都有完全相同的字段序列。

   主要是read和write两大功能

这里分享一个例子：

1）创建csv文件  直接将txt的后缀改成csv即可：例如数据如下

1 "Year", "Country","Sex","Display Value","Numeric" 2 "1990","Andorra","Both sexes","77","77.00000" 3 "2000","Andorra","Both sexes","80","80.00000" 4 "2012","Andorra","Female","28","28.00000" 5 "2000","Andorra","Both sexes","23","23.00000" 6 "2012","United Arab Emirates","Female","78","78.00000" 7 "2000","Antigua and Barbuda","Male","72","72.00000" 8 "1990","Antigua and Barbuda","Male","17","17.00000" 9 "2012","Antigua and Barbuda","Both sexes","22","22.00000"10 "2012","Australia","Male","81","81.00000"

2）按参考资料编程

  首先将地址进行修改： D:\\python\\test.csv 注意都是两个斜杠

  然后我的代码如下：

1 import csv2 csvfile=open('D:\\python\\test.csv','rb')3 reader=csv.reader(csvfile)4 for row in reader:5     print(row)

然后 报错了，看一下错误：

Traceback (most recent call last):  File "
     
      ", line 1, in 
      
           for row in reader:_csv.Error: iterator should return strings, not bytes (did you open the file in text mode?)
      
     

百度了一下，发现了原因，将代码修改如下：

1 import csv2 csvfile=open('D:\\python\\test.csv','r')3 reader=csv.reader(csvfile)4 for row in reader:5     print(row)

就是讲‘rb’改成了'r'  然后就成功输出：

['Year', ' "Country"', 'Sex', 'Display Value', 'Numeric']['1990', 'Andorra', 'Both sexes', '77', '77.00000']['2000', 'Andorra', 'Both sexes', '80', '80.00000']['2012', 'Andorra', 'Female', '28', '28.00000']['2000', 'Andorra', 'Both sexes', '23', '23.00000']['2012', 'United Arab Emirates', 'Female', '78', '78.00000']['2000', 'Antigua and Barbuda', 'Male', '72', '72.00000']['1990', 'Antigua and Barbuda', 'Male', '17', '17.00000']['2012', 'Antigua and Barbuda', 'Both sexes', '22', '22.00000']['2012', 'Australia', 'Male', '81', '81.00000']

  解释一下原因，就是在生成csv时 ，我用了notepad++编辑器，所以输出的类型改变，官方解释如下：

Sorry, folks, we've got an understanding problem here. CSV files aretypically NOT created by text editors. They are created e.g. by "save ascsv" from a spreadsheet program, or as an output option by some databasequery program. They can have just about any character in a field,including \r and \n. Fields containing those characters should be quoted(just like a comma) by the csv file producer. A csv reader should becapable of reproducing the original field division. Here for example isa dump of a little file I just created using Excel 2003:...This sentence in the documentation is NOT an error: """If csvfile is afile object, it must be opened with the ‘b’ flag on platforms where thatmakes a difference."""

4、xml

  接下来又是解决bug的时候。。。

  还是按照教程码代码：首先是廖雪峰的parsers.expat  我命名了一个py叫xml.py

  然后copy了代码。。最后报错了。。

  No module named 'xml.parsers'; 'xml' is not a package

 猜测了种种可能，但是xml的三种解析方式都是自带的，不需要另加安装包。。最后Google了一下，终于发现了问题。。

先写做法：将xml.py换个名字，test.py即可

解释一下原因：编译器自动查找了最近的包。。。所以默认为xml.py就是写的package了，找不到相应的方法就报错了

然后尝试了一下另一套教程的上的代码，主要问题出在写的xml代码

最后贴出两种代码（处理方式不同）

1）sax流模式

from xml.parsers.expat import ParserCreateclass DefaultSaxHandler(object):    def start_element(self, name, attrs):        print('sax:start_element: %s, attrs: %s' % (name, str(attrs)))    def end_element(self, name):        print('sax:end_element: %s' % name)    def char_data(self, text):        print('sax:char_data: %s' % text)xml = r'''
     
     
    
      
Python
    
      
Ruby
     
'''handler = DefaultSaxHandler()parser = ParserCreate()parser.StartElementHandler = handler.start_elementparser.EndElementHandler = handler.end_elementparser.CharacterDataHandler = handler.char_dataparser.Parse(xml)

2）ElementTree

xml代码

1 
      2 
     
       3     
      
        4         
       
        breakfast burritos
        5         
       
        pancakes
        6     
       7     
      
        8         
       
        hamburger
        9     
      10     
      
       11         
       
        spaghetti
       12     
      13 14 
     

python处理

1 >>> import xml.etree.ElementTree as et2 >>> tree=et.ElementTree(file='D:\\python\\data.xml')3 >>> root=tree.getroot()4 >>> root.tag5 'menu'6 >>> for child in root:7 ...     print('tag:',child.tag,'attributes:',child.attrib)8 ...     for grandchild in child: 9 ...         print('\ttag:',grandchild.tag,'attributes:',grandchild.attrib)

结果：

tag: breakfast attributes: {
   'hours': '7-11'}    tag: item attributes: {
    'price': '$6.00'}    tag: item attributes: {
    'price': '$4.00'}tag: lunch attributes: {
    'hours': '11-3'}    tag: item attributes: {
    'price': '$5.00'}tag: dinner attributes: {
    'hours': '3-10'}    tag: item attributes: {
    'price': '$8.00'}

其实还有DOM 解析方式，由于DOM会把整个XML读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。一般不使用

5、JSON

( Object Notation) 是一种轻量级的数据交换格式。它基于的一个子集。 JSON采用完全独立于语言的文本格式，但是也使用了类似于C语言家族的习惯（包括、C++、、、JavaScript、、等）。这些特性使JSON成为理想的数据交换语言。 易于人阅读和编写，同时也易于机器解析和生成(一般用于提升网络传输速率)。

理解之后就两条：

json.dumps(menu) 和json.loads(menu_json)

注意不能解析datetime类的数据

常见的就这几类，还有比如excel pdf等的读取 后续再做整理