21 re正则模块 垃圾回收机制

垃圾回收机制

不能被程序访问到的数据，就称之为垃圾

1）引用计数

引用计数：用来记录值的内存地址被记录的次数的；当一个值的引用计数为0时，该值就会被系统的垃圾回收机制回收
　　每一次对值地址的引用都可以使该值的引用计数 +1
　　每一次对值地址的释放都可以使该值的引用计数 -1

2）循环导入

循环导入会导致某些值得引用计数永远大于0  => 内存泄漏

ls1 = [666]
ls2 = [888]

ls1.append(ls2)   # >>>[666, [888, [...]]]

ls2.append(ls1)   # >>>[888, [666, [...]]]

3）标记删除

标记：遍历所有的GC Roots对象(栈区中的所有内容或者线程都可以作为GC Roots对象），

　　  然后将所有可以直接或间接访问到的GC Roots对象标记为存活的对象，存放到新的内存空间中

删除：遍历堆中所有的对象，将之前所有的内容全部清除

4）分代回收

分代：指的是根据存活时间来为变量划分不同等级（也就是不同的代）

回收：依然是使用引用计数作为回收的依据

1、新定义的变量，放到新生代这个等级中，假设每隔1分钟扫描新生代一次，如果发现变量依然被引用，那么该对象的权重（本质就是个整数）加一，当变量的权重大于某个设定得值（假设为3），会将它移动到更高一级的青春代，

2、青春代的gc扫描的频率低于新生代（扫描时间间隔更长），假设5分钟扫描青春代一次，这样每次gc需要扫描的变量的总个数就变少了，节省了扫描的总时间，接下来，青春代中的对象，也会以同样的方式被移动到老年代中。

3、也就是等级（代）越高，被垃圾回收机制扫描的频率越低

正则

带语法的字符串，用来匹配目标字符串得到想要的字符串结果

元字符	描述
\	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配\n。“\n”匹配换行符。序列“\”匹配“\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子表达式任意次。例如，zo能匹配“z”，也能匹配“zo”以及“zoo”。等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。
?	当该字符紧跟在任何一个其他限制符（,+,?，{n}，{n,}，{n,m*}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 ['o', 'o', 'o', 'o']
.点	匹配除“\n”和"\r"之外的任何单个字符。要匹配包括“\n”和"\r"在内的任何字符，请使用像“[\s\S]”的模式。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“abc”可以匹配“plain”中的“plin”任一字符。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“a-z”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“\b1”可以匹配“1_23”中的“1”，但不能匹配“21_3”中的“1_”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”
\s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。等价于 \f\n\r\t\v。
\w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
\W	匹配任何非单词字符。等价于“A-Za-z0-9_”。
\d	匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持
\D	匹配一个非数字字符。等价于0-9。grep要加上-P，perl正则支持
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\t	匹配一个制表符。等价于\x09和\cI。
( )	将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。
(?:pattern)	非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。

# 语法：
# 1.单个字符
# \d == [0-9]
# \D == [^0-9]
# \w == 字母+数字+_
# [0-9A-Za-z] == 所有字母+数字
# . == 匹配所有单个字符(刨除换行)

# 2.多个字符
# zo* == zo{0,}
# zo+ == zo{1,}
# zo? == zo{0,1}

# 应用
# 匹配多个zo：zozozozo
# (?:zo){1,}

# 3.多行
# ^: 以什么开头 $: 以什么结尾  结合 flags=re.M  可以按\n来完成多行匹配
# re.S：将\n也能被.匹配  re.I：不区分大小写  re.M：结合^ $来使用，完成多行匹配

# 4.分组 # 1.从左往右数数 ( 进行编号，自己的分组从1开始，group(0)代表匹配到的目标整体 
# 　　　　　2.(?: ... )：取消所属分组，()就是普通()，可以将里面的信息作为整体包裹，但不产生分组

import re
regexp = re.compile('(?:(?:http://)(.+)/)')  # 生成正则对象
target = regexp.match('http://www.baidu.com/')
print(target.group(1))  # www.baidu.com

# 5.拆分
print(re.split('\s', '123 456\n789\t000'))

# 6.替换
# 1.不参与匹配的原样带下 2.参与匹配的都会被替换为指定字符串
# 3.在指定字符串值\num拿到具体分组 4.其他字符串信息都是原样字符串
print(re.sub('《(?:[a-z]+)(\d+)(.{2})', r'\\2abc\2\1', '《abc123你好》'))

首先介绍的是re模块的findall方法，该方法用于从字符串中获取所有匹配成功的内容：

import re
res = re.findall("表达式"，"字符串内容")
res = re.findall("\w"，"hello python")
res = re.findall("^http://"，"http://www.baidu.com\nhttp://www.sina.com.cn", re.M)
# 该方法得到一个列表
print(res)

# 单个字符匹配

\w 

\W

 \s

 \S

 \d

 \D

 .

 \r

 \n

 \t

单个字符匹配

# 指定匹配范围

a|b|c

[abc]

[^abc]

[a-z]

[a-zA-Z0-9]

注意当 -需要作为普通字符时必须写在最前面或最后面

指定匹配范围

# 匹配次数

{a}

{b,}

{a,b}

\*  

？

匹配次数

# 位置匹配

^

$

\d

\B

位置匹配

# 贪婪模式 

默认情况下+和*将尽可能多的匹配内容

\+

*

# 非贪婪模式

将尽可能少的匹配内容，当？出现在其他的重复次数后面时会将贪婪模式改为非贪婪模式。

?

如

abc.*？

abc.+?  

贪婪模式 | 非贪婪模式

# 分组 

用于单独获取某一部分匹配的内容

（表达式）获取匹配的

（?:表达式） 不获取匹配的

补充：

#匹配模式:.不能匹配换行符
content='''Hello 123456 World_This
is a Regex Demo
'''
# res=re.match('He.*?(\d+).*?Demo$',content)
# print(res) #输出None

# res=re.match('He.*?(\d+).*?Demo$',content,re.S) #re.S让.可以匹配换行符
# print(res)
# print(res.group(1))

分组

# re模块其他函数

search

​    仅获取第一个匹配的内容

match

​    从字符串开始处开始匹配

compile

​    得到一个的表达式对象，后期可以重复使用

split

​    使用正则表达式来切分字符串 

```python
re.split("[:\/\\]","a:b/c\d/f")
```

sub 

​    普通替换与字符串的替换没有区别

​    print(re.sub("python","PYTHON","python asasasaasa python"))

​    正则替换 只替换后面的python

​    print(re.sub("(python)(.*)(python)",r"\1\2PYTHON","python asasasaasa python"))

# 练习

- 编写验证身份证的正则
- 编写验证手机号的正则
- 编写验证邮箱地址的正则

re模块其他函数