python学习笔记（五）文件操作、正则表达式

文件操作

python的文件IO操作和C++类似，都是流的形式。

fin = open('code.txt','r')
fout = open('output.txt','w')

在c++中，每次打开文件后都需要判断打开是否成功，否则一旦读取出错程序就会终止，此外，读写操作完之后还需要调用close关闭文件。在python中也不例外，但是有比较方便的with语句来帮助完成这些操作：

with open('code.txt')as fin:
print fin.read()

在python中读写文件都是一次性的（至少在语句上是这样），如上read()语句将直接读出code中的所有内容。

with open('output.txt')as fout:
fout.write(data)

读文件时有时会遇到编码的问题，python使用的是unicode编码。通常对读出的内容使用decode(类型)来转换。

此外还有更简洁的方式，使用codecs库：

import codecs
with codecs.open('code.txt','r','gbk')as fin:
fin.read()

正则表达式

正则表达式是专用于操作字符串的工具。关于正则表达式需要不断使用、查书、使用才能学会。

这里用之前的NC代码编译器作为例子，来探索python中的正则表达式使用方法。

模式

模式表达了需要的字符串的。

模式表达方法：

pattern_str = r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;'

组

在模式中，()括起来的内容属于一组，每当匹配一个，组就增加一个。

匹配

匹配一个字符串，有两种方式，一是使用re模块中提供的方法进行匹配，二是建立一个模式对象，使用其方法进行匹配。

m1 = re.match(r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;',str)
pattern2 = re.compile(r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;')
m2 = pattern2.match(str)
m3 = pattern2.search(str)
m4 = pattern2.findall(str)

第一种方法适合只匹配一次的情况，pattern2适合于需要不断使用该模式的情况，使用match是对字符串从第一个字符开始匹配，使用search是在字符串中查询符合模式的子串（都只匹配一次）；使用findall是匹配所有符合模式的子串（匹配多次）。

查看结果

使用match()或者search()方法匹配成功，m非None，可以对其匹配结果进行查看，group为其匹配的第一个符合的串，groups为其所有匹配的组。

if(m):
print m.group()
print m.groups()

使用findall()得到的m是一个列表，其中每一项是一个元组，包含匹配的每一组的字符串。

切分

re中提供的split方法可以按照一个模式将字符串切分成多个字符串，使用方法见下面的例子。

一个例子

import re
def NC(str):
pattern = re.compile(r'^N(\d+)(\s+([GNXYZMTSF])[+-]?(\d+))+;')
strs = re.split(r'\n',str)
for s in strs:
m = pattern.match(s)
if(m):
print m.groups()

with codecs.open('code.txt','r')as f:
NC(f.read())

这里的结果并不如预期的匹配所有数字以及地址符，字符串匹配成功，但组只有四组，只得到了最后一组的内容。说明这种组的方法所匹配的组数是固定的（括号对的个数）。

参考资料：

廖雪峰教程：

http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386832260566c26442c671fa489ebc6fe85badda25cd000

python正则表达式：

http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html