python补充.docx - 冰豆网

资源描述

python补充.docx

《python补充.docx》由会员分享，可在线阅读，更多相关《python补充.docx（19页珍藏版）》请在冰豆网上搜索。

python补充.docx

python补充

标准异常:

∙Exception 是所有异常的基类.强烈建议（但不是必须）自定义的异常异常也继承这个类.

∙SystemExit（Exception）由 sys.exit 函数引发.如果它在最顶层没有被 try-except 语句捕获,那么解释器将直接关闭而不会显示任何跟踪返回信息.

∙StandardError（Exception）是所有内建异常的基类（除 SystemExit 外）.

∙KeyboardInterrupt（StandardError）在用户按下Control-C（或其他打断按键）后被引发.如果它可能会在你使用"捕获所有"的 try-except 语句时导致奇怪的问题.

∙ImportError（StandardError）在Python导入模块失败时被引发.

∙EnvironmentError 作为所有解释器环境引发异常的基类.（也就是说,这些异常一般不是由于程序bug引起）.

∙IOError（EnvironmentError）用于标记I/O相关错误.

∙OSError（EnvironmentError）用于标记 os 模块引起的错误.

∙WindowsError（OSError）用于标记 os 模块中Windows相关错误.

∙NameError（StandardError）在Python查找全局或局部名称失败时被引发.

∙UnboundLocalError（NameError） ,当一个局部变量还没有赋值就被使用时,会引发这个异常.这个异常只有在2.0及之后的版本有;早期版本只会引发一个普通的 NameError .

∙AttributeError（StandardError） ,当Python寻找（或赋值）给一个实例属性,方法,模块功能或其它有效的命名失败时,会引发这个异常.

∙SyntaxError（StandardError） ,当解释器在编译时遇到语法错误,这个异常就被引发.

∙（2.0及以后版本） IndentationError（SyntaxError）在遇到非法的缩进时被引发.该异常只用于2.0及以后版本,之前版本会引发一个 SyntaxError 异常.

∙（2.0及以后版本） TabError（IndentationError） ,当使用 -tt 选项检查不一致缩进时有可能被引发.该异常只用于2.0及以后版本,之前版本会引发一个SyntaxError 异常.

∙TypeError（StandardError） ,当给定类型的对象不支持一个操作时被引发.

∙AssertionError（StandardError）在 assert 语句失败时被引发（即表达式为false时）.

∙LookupError（StandardError）作为序列或字典没有包含给定索引或键时所引发异常的基类.

∙IndexError（LookupError） ,当序列对象使用给定索引数索引失败时（不存在索引对应对象）引发该异常.

∙KeyError（LookupError）当字典对象使用给定索引索引失败时（不存在索引对应对象）引发该异常.

∙ArithmeticError（StandardError）作为数学计算相关异常的基类.

∙OverflowError（ArithmeticError）在操作溢出时被引发（例如当一个整数太大,导致不能符合给定类型）.

∙ZeroDivisionError（ArithmeticError） ,当你尝试用0除某个数时被引发.

∙FloatingPointError（ArithmeticError） ,当浮点数操作失败时被引发.

∙ValueError（StandardError） ,当一个参数类型正确但值不合法时被引发.

∙（2.0及以后版本） UnicodeError（ValueError） ,Unicode字符串类型相关异常.只使用在2.0及以后版本.

∙RuntimeError（StandardError） ,当出现运行时问题时引发,包括在限制模式下尝试访问外部内容,未知的硬件问题等等.

∙NotImplementedError（RuntimeError） ,用于标记未实现的函数,或无效的方法.

∙SystemError（StandardError） ,解释器内部错误.该异常值会包含更多的细节（经常会是一些深层次的东西,比如"eval_code2:

NULLglobals"）.这本书的作者编了5年程序都没见过这个错误.（想必是没有用 raiseSystemError）.

∙MemoryError（StandardError） ,当解释器耗尽内存时会引发该异常.注意只有在底层内存分配抱怨时这个异常才会发生;如果是在你的旧机器上,这个异常发生之前系统会陷入混乱的内存交换中

编码转换

python有strobject和unicodeobject两种字符串,都可以存放字符的字节编码，但是他们是不同的type，这一点很重要，也是为什么会有encode和decode。

encode和decode在pyhton 中的意义可表示为

encode

unicode------------------------->str

unicode<--------------------------str

decode

几种常用法：

str_string.decode（'codec'）是把str_string转换为unicode_string,codec是源str_string的编码方式

unicode_string.encode（'codec'）是把unicode_string转换为str_string，codec是目标str_string的编码方式

str_string.decode（'from_codec'）.encode（'to_codec'）可实现不同编码的str_string之间的转换

比如：

>>> t='长城'

>>> t

'\xb3\xa4\xb3\xc7'

>>> t.decode（'gb2312'）.encode（'utf-8'）

'\xe9\x95\xbf\xe5\x9f\x8e'

str_string.encode（'codec'）是先调用系统的缺省codec去把str_string转换为unicode_string，然后用encode的参数codec去转换为最终的str_string.相当于str_string.decode（'sys_codec'）.encode（'codec'）。

unicode_string.decode（'codec'）基本没有意义，unicode在python里只用一种unicode编码，UTF16或者UTF32（编译python时就已经确定），没有编码转换的需要。

注：

缺省codec在site-packages下的sitecustomize.py文件中指定，比如

import sys

sys.setdefaultencoding（'utf-8'）

5.2案例研究:

街道地址

下面一系列的示例的灵感来自于现实生活中我几年前每天的工作。

我需要把一些街道地址导入一个新的系统，在这之前我要从一个遗留的老系统中清理和标准化这些街道地址。

下面这个例子展示我怎么解决这个问题。

>>>s='100NORTHMAINROAD'

>>>s.replace（'ROAD','RD.'）①

'100NORTHMAINRD.'

>>>s='100NORTHBROADROAD'

>>>s.replace（'ROAD','RD.'）②

'100NORTHBRD.RD.'

>>>s[:

-4]+s[-4:

].replace（'ROAD','RD.'）③

'100NORTHBROADRD.'

>>>importre④

>>>re.sub（'ROAD$','RD.',s）⑤

'100NORTHBROADRD.'

1.我的目的是要标准化街道的格式。

而‘ROAD’总是在.RD的前面。

刚开始我以为只需要简单的使用string的replace（）方法就可以。

所有的数据都是大写的，因此不会出现大小写不匹配的问题。

而查找的字符串‘ROAD’也是一个常量。

在这个简单的例子中s.replace（）可以很好的工作。

2.事实上，不幸的是，我很快发现一个问题，在一些地址中‘ROAD’出现了两次，一个是前面的街道名里带了‘ROAD’，一个是‘ROAD’本身。

repalce（）发现了两个就把他们都给替换掉了。

这意味着，我的地址错了。

3.为了解决地址中出现超过一个‘ROAD’子字符串的问题，你可能会这么考虑：

只在地址的最后四个字符中查找和替换‘‘ROAD’（s[-4:

]）。

然后把剩下的字符串独立开来处理（s[:

-4]）。

这个方法很笨拙。

比如，这个方法会依赖于你要替换的字符串长度（如果你用‘.ST’来替换‘STREET’，就需要在s[-6:

]中查找‘STREET’，然后再取s[:

-6]。

你难道还想半年后回来继续修改BUG？

反正我是不想。

4.是时候转换到正则表达式了。

在python中，所有的正则表达式相关功能都包含在re模块中。

5.注意第一个参数‘ROAD$’，这是一个匹配‘ROAD’仅仅出现在字符串结尾的正则表达式。

$表示“字符串结尾”。

（还有一个相应的表示“字符串开头”的字符^）。

正则表达式模块的re.sub（）函数可以做字符串替换，它在字符串s中用正则表达式‘ROAD$’来搜索并替换成‘RD.’。

它只会匹配字符串结尾的‘ROAD’，而不会匹配到‘BROAD’中的‘ROAD’，因为这种情况它在字符串的中间。

^匹配字符串开始.$匹配字符串结尾

继续我的处理街道地址的故事。

我很快发现，在之前的例子中，匹配地址结尾的‘ROAD’不够好。

因为并不是所有的地址结尾都有它。

一些地址简单的用一个街道名结尾。

大部分的情况下不会有问题，但如果街道的名字就叫‘BROAD’，这个时候，正则表达式会匹配到‘BROAD’的最后4个字符，这并不是我想要的。

>>>s='100BROAD'

>>>re.sub（'ROAD$','RD.',s）

'100BRD.'

>>>re.sub（'\\bROAD$','RD.',s）①

'100BROAD'

>>>re.sub（r'\bROAD$','RD.',s）②

'100BROAD'

>>>s='100BROADROADAPT.3'

>>>re.sub（r'\bROAD$','RD.',s）③

'100BROADROADAPT.3'

>>>re.sub（r'\bROAD\b','RD.',s）④

'100BROADRD.APT3'

1.我真正想要的‘ROAD’，必须是匹配到字符串结尾，并且是独立的词（他不能是某个比较长的词的一部分）。

为了在正则表达式中表达这个独立的词，你可以使用‘\b’。

它的意思是“在右边必须有一个分隔符”。

在python中，比较复杂的是‘\’字符必须被转义，这有的时候会导致‘\’字符传染（想想可能还要对\字符做转义的情况）。

这也是为什么perl中的正则表达式比python的简单的原因之一。

另一方面，perl会在正则表达式中混合其他非正则表达式的语法，如果出现了bug，那么很难区分这个bug是在正则表达式中，还是在其他的语法部分。

2.为了解决‘\’字符传染的问题，可以使用原始字符串。

这只需要在字符串的前面添加一个字符‘r’。

它告诉python，字符串中没有任何字符需要转义。

‘\t’是一个制表符，但r‘\t’只是一个字符‘\’紧跟着一个字符t。

我建议在处理正则表达式的时候总是使用原始字符串。

否则，会因为理解正则表达式而消耗大量时间（本身正则表达式就已经够让人困惑的了）。

3.哎，不幸的是，我发现了更多的地方与我的逻辑背道而驰。

街道地址包含了独立的单词‘ROAD’，但并不是在字符串尾，因为街道后面还有个单元号。

因为'ROAD'并不是最靠后，就不能匹配，因此re.sub（）最后没有做任何的替换，只是返回了一个原始的字符串，这并不是你想要的。

4.为了解决这个问题，我删除了正则表达式尾部的$，然后添加了一个\b。

现在这个正则表达式的意思是“在字符串的任意位置匹配独立的‘ROAD’单词”不管是在字符串的结束还是开始，或者中间的任意一个位置。

⁂

案例研究:

罗马数字

你肯定见过罗马数字，即使你不认识他们。

这种系统的数字表达方式可以追溯到罗马帝国（因此而得名）。

在罗马数字中，有七个不同的数字可以以不同的方式结合起来表示其他数字。

∙I=1

∙V=5

∙X=10

∙L=50

∙C=100

∙D=500

∙M=1000

下面是几个通常的规则来构成罗马数字：

∙大部分时候用字符相叠加来表示数字。

I是1，II是2，III是3。

VI是6（挨个看来，是“5和1”的组合），VII是7，VIII是8。

∙含有10的字符（I，X，C和M）最多可以重复出现三个。

为了表示4，必须用同一位数的下一个更大的数字5来减去一。

不能用IIII来表示4，而应该是IV（意思是比5小1）。

40写做XL（比50小10），41写做XLI，42写做XLII，43写做XLIII，44写做XLIV（比50小10并且比5小1）。

∙有些时候表示方法恰恰相反。

为了表示一个中间的数字，需要从一个最终的值来减。

比如：

9需要从10来减：

8是VIII，但9确是IX（比10小1），并不是VIII（I字符不能重复4次）。

90是XC，900是CM。

∙表示5的字符不能在一个数字中重复出现。

10只能用X表示，不能用VV表示。

100只能用C表示，而不是LL。

∙罗马数字是从左到右来计算，因此字符的顺序非常重要。

DC表示600，而CD完全是另一个数字400（比500小100）。

CI是101，IC不是一个罗马数字（因为你不能从100减1，你只能写成XCIX，表示比100小10，且比10小1）。

检查千位数

怎么验证一个字符串是否是一个合法的罗马数字呢？

我们可以每次取一个字符来处理。

因为罗马数字总是从高位到低位来书写。

我们从最高位的千位开始。

表示1000或者更高的位数值，方法是用一系列的M来重复表示。

>>>importre

>>>pattern='^M?

$'①

>>>re.search（pattern,'M'）②

<_sre.SRE_Matchobjectat0106FB58>

>>>re.search（pattern,'MM'）③

<_sre.SRE_Matchobjectat0106C290>

>>>re.search（pattern,'MMM'）④

<_sre.SRE_Matchobjectat0106AA38>

>>>re.search（pattern,'MMMM'）⑤

>>>re.search（pattern,''）⑥

<_sre.SRE_Matchobjectat0106F4A8>

1.这个模式有三部分。

^表示必须从字符串开头匹配。

如果没有指定^，这个模式将在任意位置匹配M，这个可能并不是你想要的。

你需要确认是否要匹配字符串开始的M，还是匹配单个M字符。

因为它重复了三次，你要在一行中的任意位置匹配0到3次的M字符。

$匹配字符串结束。

当它和匹配字符串开始的^一起使用，表示匹配整个字符串。

没有任何一个字符可在M的前面或者后面。

2.re模块最基本的方法是search（）函数。

它使用正则表达式来匹配字符串（M）。

如果成功匹配，search（）返回一个匹配对象。

匹配对象中有很多的方法来描述这个匹配结果信息。

如果没有匹配到，search（）返回None。

你只需要关注search（）函数的返回值就可以知道是否匹配成功。

‘M’被正则表达式匹配到了。

原因是正则表达式中的第一个可选的M匹配成功，第二个和第三个被忽略掉了。

3.‘MM’匹配成功。

因为正则表达式中的第一个和第二个可选的M匹配到，第三个被忽略。

4.‘MMM’匹配成功。

因为正则表达式中的所有三个M都匹配到。

5.‘MMMM’匹配失败。

正则表达式中所有三个M都匹配到，接着正则表达式试图匹配字符串结束，这个时候失败了。

因此search（）函数返回None。

6.有趣的是，空字符串也能匹配成功，因为正则表达式中的所有M都是可选的。

检查百位数

表示匹配是可选的

百位的匹配比千位复杂。

根据值的不同，会有不同的表达方式。

∙100=C

∙200=CC

∙300=CCC

∙400=CD

∙500=D

∙600=DC

∙700=DCC

∙800=DCCC

∙900=CM

因此会有四种可能的匹配模式：

∙CM

∙CD

∙可能有0到3个字符C（0个表示千位为0）。

∙D紧跟在0到3个字符C的后面。

这两个模式还可以组合起来表示：

∙一个可选的D，后面跟着0到3个字符C。

下面的例子展示了怎样在罗马数字中验证百位。

>>>importre

>>>pattern='^M?

（CM|CD|D?

）$'①

>>>re.search（pattern,'MCM'）②

<_sre.SRE_Matchobjectat01070390>

>>>re.search（pattern,'MD'）③

<_sre.SRE_Matchobjectat01073A50>

>>>re.search（pattern,'MMMCCC'）④

<_sre.SRE_Matchobjectat010748A8>

>>>re.search（pattern,'MCMC'）⑤

>>>re.search（pattern,''）⑥

<_sre.SRE_Matchobjectat01071D98>

1.这个正则表达式的写法从上面千位的匹配方法接着往后写。

检查字符串开始（^），然后是千位，后面才是新的部分。

这里用圆括号定义了三个不同的匹配模式，他们是用竖线分隔的：

CM，CD和D?

（这表示是一个可选的D，以及紧跟的0到3个可选的字符C）。

正则表达式按从左到右的顺序依次匹配，如果第一个CM匹配成功，用竖线分隔这几个中的后面其他的都会被忽略。

2.‘MCM’匹配成功。

因为第一个M匹配到，第二个和第三个M被忽略。

后面的CM匹配到（因此后面的CD和D?

根本就不被考虑匹配了）。

MCM在罗马数字中表示1900。

3.‘MD’匹配成功。

因为第一个M匹配到，第二个和第三个M被忽略。

然后D?

匹配到D（后面的三个C都是可选匹配的，都被忽略掉）。

MD在罗马数字中表示1500。

4.‘MMMCCC’匹配成功。

因为前面三个M都匹配到。

后面的D?

匹配CCC（D是可选的，它被忽略了）。

MMMCCC在罗马数字中表示3300。

5.‘MCMC’匹配失败。

第一个M被匹配，第二个和第三个M被忽略，然后CM匹配成功。

紧接着$试图匹配字符串结束，但后面是C，匹配失败。

C也不能被D?

匹配到，因为CM和它只能匹配其中一个，而CM已经匹配过了。

6.有趣的是，空字符串仍然可以匹配成功。

因为所有的M都是可选的，都可以被忽略。

并且后面的D?

也是这种情况。

哈哈，看看正则表达式如此快速的处理了这些令人厌恶的东西。

你已经可以找到千位数和百位数了！

后面的十位和个位的处理和千位、百位的处理是一样的。

但我们可以看看怎么用另一种方式来写这个正则表达式。

⁂

使用语法{n,m}

{1,4}匹配1到4个前面的模式

在上一节中，你处理过同样的字符可以重复0到3次的情况。

实际上，还有另一种正则表达式的书写方式可以表达同样的意思，而且这种表达方式更具有可读性。

首先看看我们在前面例子中使用的方法。

>>>importre

>>>pattern='^M?

>>>re.search（pattern,'M'）①

<_sre.SRE_Matchobjectat0x008EE090>

>>>pattern='^M?

>>>re.search（pattern,'MM'）②

<_sre.SRE_Matchobjectat0x008EEB48>

>>>pattern='^M?

>>>re.search（pattern,'MMM'）③

<_sre.SRE_Matchobjectat0x008EE090>

>>>re.search（pattern,'MMMM'）④

>>>

1.正则表达式匹配字符串开始，然后是第一个可选的字符M，但没有第二个和第三个M（没问题！

因为他们是可选的），接着是字符串结尾。

2.正则表达式匹配字符串开始，然后是第一个和第二个M，第三个被忽略（因为它是可选的），最后匹配字符串结尾。

3.正则表达式匹配字符串开始，然后是三个M，接着是字符串结尾。

4.正则表达式匹配字符串开始，然后是三个M，但匹配字符串结尾失败（因为后面还有个M）。

因此，这次匹配返回None。

>>>pattern='^M{0,3}$'①

>>>re.search（pattern,'M'）②

<_sre.SRE_Matchobjectat0x008EEB48>

>>>re.search（pattern,'MM'）③

<_sre.SRE_Matchobjectat0x008EE090>

>>>re.search（pattern,'MMM'）④

<_sre.SRE_Matchobjectat0x008EEDA8>

>>>re.search（pattern,'MMMM'）⑤

>>>

1.这个正则表达式的意思是“匹配字符串开始，然后是任意的0到3个M字符，再是字符串结尾”。

0和3的位置可以写任意的数字。

如果你想表示可以匹配的最小次数为1次，最多为3次M字符，可以写成M{1,3}。

2.匹配字符串开始，然后匹配了1次M，这在0到3的范围内，接着是字符串结尾。

3.匹配字符串开始，然后

展开阅读全文