Py修行路 python基础 （二十一）logging日志模块 json序列化 正则表达式（re）

一、日志模块

  两种配置方式：1、config函数 2、logger
　　#1、config函数 不能输出到屏幕

　　#2、logger对象 （获取别人的信息，需要两个数据流：文件流和屏幕流需要将数据从两个数据流中接收）

 1、函数式简单配置

import logging  
logging.debug('debug message')  
logging.info('info message')  
logging.warning('warning message')  
logging.error('error message')  
logging.critical('critical message')  

　　默认情况下Python的logging模块将日志打印到了标准输出中，且只显示了大于等于WARNING级别的日志，这说明默认的日志级别设置为WARNING（日志级别等级CRITICAL > ERROR > WARNING > INFO > DEBUG），默认的日志格式为日志级别：Logger名称：用户输出消息。

　　灵活配置日志级别，日志格式，输出位置:

　2）config函数样式

import logging

#config
logging.basicConfig(level=logging.DEBUG,  #设置文件等级
                    format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
                    datefmt='%a, %d %b %Y %H:%M:%S',
                    filename='/tmp/test.log',
                    filemode='w')

logging.debug('debug message')
logging.info('info message')
logging.warning('warning message')
logging.error('error message')
logging.critical('critical message')

　配置参数：

logging.basicConfig()函数中可通过具体参数来更改logging模块默认行为，可用参数有：

filename：用指定的文件名创建FiledHandler，这样日志会被存储在指定的文件中。
filemode：文件打开方式，在指定了filename时使用这个参数，默认值为“a”还可指定为“w”。
format：指定handler使用的日志显示格式。
datefmt：指定日期时间格式。
level：设置rootlogger（后边会讲解具体概念）的日志级别
stream：用指定的stream创建StreamHandler。可以指定输出到sys.stderr,sys.stdout或者文件(f=open(‘test.log’,’w’))，默认为sys.stderr。若同时列出了filename和stream两个参数，则stream参数会被忽略。

format参数中可能用到的格式化串：
%(name)s Logger的名字
%(levelno)s 数字形式的日志级别
%(levelname)s 文本形式的日志级别
%(pathname)s 调用日志输出函数的模块的完整路径名，可能没有
%(filename)s 调用日志输出函数的模块的文件名
%(module)s 调用日志输出函数的模块名
%(funcName)s 调用日志输出函数的函数名
%(lineno)d 调用日志输出函数的语句所在的代码行
%(created)f 当前时间，用UNIX标准的表示时间的浮 点数表示
%(relativeCreated)d 输出日志信息时的，自Logger创建以 来的毫秒数
%(asctime)s 字符串形式的当前时间。默认格式是 “2003-07-08 16:49:45,896”。逗号后面的是毫秒
%(thread)d 线程ID。可能没有
%(threadName)s 线程名。可能没有
%(process)d 进程ID。可能没有
%(message)s用户输出的消息

 3）logger对象配置方式：

　　logging库提供了多个组件：Logger、Handler、Filter、Formatter。Logger对象提供应用程序可直接使用的接口，Handler发送日志到适当的目的地，Filter提供了过滤日志信息的方法，Formatter指定日志显示格式。另外，可以通过：logger.setLevel(logging.Debug)设置级别。

import logging

#logger对象
logger = logging.getLogger()   #创建一个logger对象
logger.setLevel(logging.DEBUG) #设置输出等级
fm = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')  #设置文件编写格式

fh = logging.FileHandler('b.log') #创建一个hander 负责产生文件数据
sh = logging.StreamHandler()      #创建一个hander 负责产生屏幕数据

fh.setFormatter(fm)  #设置格式
sh.setFormatter(fm)  #设置格式

logger.addHandler(fh)  #接收文件的数据流
logger.addHandler(sh)  ##接收屏幕的数据流

logger.debug('logger debug message')
logger.info('logger info message')
logger.warning('logger warning message')
logger.error('logger error message')
logger.critical('日志信息')

二、序列化模块 json （可支持跨语言之间的转换！）

　　之前我们学习过用eval内置方法可以将一个字符串转成python对象，不过，eval方法是有局限性的，对于普通的数据类型，json.loads和eval都能用，但遇到特殊类型的时候，eval就不管用了,所以eval的重点还是通常用来执行一个字符串表达式，并返回表达式的值。

  1、什么是序列化

　　我们把对象(变量)从内存中变成可存储或传输的过程称之为序列化，序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化。

　1）json

　　如果我们要在不同的编程语言之间传递对象，就必须把对象序列化为标准格式，比如XML，但更好的方法是序列化为JSON，因为JSON表示出来就是一个字符串，可以被所有语言读取，也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式，并且比XML更快，而且可以直接在Web页面中读取，非常方便。JSON表示的对象就是标准的JavaScript语言的对象一个子集，JSON和Python内置的数据类型对应如下：

序列化：json.dumps()
反序列化：json.loads() #只要是json字符串，就能反序列化回去

import json

d = {'name':'egon'}
s = json.dumps(d)  #将字典d转为json字符串  序列化过程
print(type(s))
print(s)  #注意转换的引号，由单引号转成了双引号。形成json字符串


data = json.loads(s) #反序列过程
print(data['name'])

#执行结果：
<class 'str'>
{"name": "egon"}
egon

#dump方式   用于文件操作，省掉了write

# # -------------- dump方式  用于文件操作中，先将数据序列化然后写入文件中!
import json

d={'name':"egon"}

f=open("new2",'w')
json.dump(d,f)#---------1 将字典d转成json字符串 2 将json字符串写入f里（！注意参数顺序！）
f.close()

f=open("new2")
print(f.read())
f.close()

  2）pickle 仅在python中进行序列化转换，可对任意类型的数据进行序列化转换。
　　　　操作与json一样，但是转换的数据为bytes格式，不可查看

#----------------------------------pickle--------------------

import pickle
import datetime

t=datetime.datetime.now()
d={"data":t}
print(d)
s=pickle.dumps(d)  #序列化
print(s,type(s)) #查看序列化的内容，数据类型
s1 = pickle.loads(s) #反序列化
print(s1,type(s1)) #查看序列化的内容，数据类型

三、正则表达式 re 模块

　　就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

　　正则就是给字符串操作得。
　　爬虫里会大量用到字符串。要处理一定是对字符串处理。

　　正则表达式是模糊匹配，这就是正则表达式得真正关键所在。

　　匹配是一个一个对应的关系，匹配上就放进自己的列表中。

　1.正则表达式（元字符）：只对字符串进行操作
　　1）操作 一个字符 
　　通配符 点 . 可以替换除了换行符（ ）所有字符， 通配符（一个字符）没有跳过之说。

　　2）操作 重复字符（操作元字符前的一个字符）
　　　* 　代表：0到无穷次
　　　+ 　代表：1到无穷次
　　　？　代表：0到1次
　　　{}　｛r,m｝代表：有r-m次

　　　d 　代表：0-9 的 数字
　　　[] 字符集 　 中括号内的字符是或的关系，只要匹配到其中一个就可以。

　　　　在字符集中还要注意：*，+ . 等元字符都代表的是普通符号， 而 - ^ 　　　　

　　　　[^2] 字符集内的 ^ 是取反的意思。及除字符集内的条件其他的都符合，[d] 表示的还是数字！

　　3）有特殊意义的字符：

　　　- 　代表：什么到什么 的意思 例如：[1-9]　　

　　　^　开始匹配 从字符串开始位置匹配

　　　$　结尾匹配 从字符串结尾位置匹配

　　　()  分组  优先匹配分组的内容
　　　　　　(?:内容) 　　表示取消分组的优先级

　　　| 管道符 表示 或的意思

　　　 转义符 将有意义的符号转成无意义的，将无意义的转换成有意义的

　　　　1、后面加上一个元字符使其变成普通符号 比如：. *
　　　　2、将一些普通符号变成特殊符号 比如：d w

2、re方法

　re.findall(pattern , string) 找到所有的匹配元素，返回列表
　re.finditer() #将拿到的东西整成一个可迭代的对象
　re.search； 只匹配第一个结果，匹配到就不再向下匹配，返回一个内存地址，通过.group()的方式获取匹配的字符串

　re.match:只在字符串开始的位置匹配

　re.split(规则，字符串) 分割 以前边的规则表达式为条件分隔符，对字符串进行分割！可在后边限制分割次数

　re.sub() 替换
　　　ret4 = re.sub(规则，替换内容，原字符串，次数) 返回一个字符串

　re.subn() 替换 返回一个元组（内容，替换次数）

　re.compile(规则) 编译规则
　　c = compile('d+') 可操作多个字符串
　　ret5 = c.findall('hello32world')
　　print(ret5)

贪婪匹配与非贪婪匹配！

命名分组：

　整体代码如下：

# 正则：对字符串的模糊匹配

# key：元字符（有特殊功能的字符）



import re

#元字符

# . :匹配除
以外的任意符号

print(re.findall("a.+d","abcd"))

# ^:从字符串开始位置匹配
# $：从字符串结尾匹配

print(re.findall("^yuan","yuandashj342jhg234"))
print(re.findall("yuan$","yuandashj342jhg234yuan"))

# * + ?  {} ：重复

print(re.findall("[0-9]{4}","af5324jh523hgj34gkhg53453"))

#贪婪匹配
print(re.findall("d+","af5324jh523hgj34gkhg53453"))

#非贪婪匹配

print(re.findall("d+?","af5324jh523hgj34gkhg53453"))
print(re.findall("(abcd)*?","af5324jh523hgj34gkhg53453"))

# 字符集 []: 起一个或者的意思

print(re.findall("a[bc]d","hasdabdjhacd"))

#注意: * ,+.等元字符都是普通符号， - ^ 

print(re.findall("[0-9]+","dashj342jhg234"))
print(re.findall("[a-z]+","dashj342jhg234"))

print(re.findall("[^d]+","d2a2fhj87fgj"))


# ()：分组

print(re.findall("(ad)+","addd"))
print(re.findall("(ad)+yuan","adddyuangfsdui"))

print(re.findall("(?:ad)+yuan","adadyuangfsdui"))
print(re.findall("(?:d)+yuan","adad678423yuang4234fsdui"))

#命名分组

ret8=re.search(r"(?P<A>w+)\aticles\(?P<id>d{4})",r"yuanaticles1234")
ret8=re.search(r"a\nb",r"a
b")
print(ret8)
print(ret8.group("id"))
print(ret8.group("A"))


# # |  :或

print(re.findall("www.(?:oldboy|baidu).com","www.oldboy.com"))

# :转义

# 1 后面加一个元字符使其变成普通符号 .  *
# 2 将一些普通符号变成特殊符号 比如 d w

print(re.findall("d+.?d**d+.?d*","-2*6+7*45+1.456*3-8/4"))
print(re.findall("w","$da@s4 234"))
print(re.findall("asb","a badf"))

print(re.findall("\bI","hello I am LIA"))
print(re.findall(r"dI","hello 654I am LIA"))

print(re.findall(r"c\l","abcl"))


#  re的方法

# re.findall()

# re.findall(pattern, string) # 找到所有的匹配元素，返回列表

#获得迭代器对象
s=re.finditer("d+","ad324das32")
print(s)

print(next(s).group())
print(next(s).group())


# "(3+7*2+27+7+(4/2+1))+3"

# search;只匹配第一个结果

ret=re.search("d+","djksf34asd3")
print(ret.group())

# #match:只在字符串开始的位置匹配
ret=re.match("d+","423djksf34asd3")
print(ret.group())

#split 分割
s2=re.split("d+","fhd3245jskf54skf453sd",2)
print(s2)

ret3=re.split("l","hello yuan")
print(ret3)

# #sub: 替换

ret4=re.sub("d+","A","hello 234jkhh23",1)
print(ret4)

ret4=re.subn("d+","A","hello 234jkhh23")
print(ret4)

#compile: 编译方法
c=re.compile("d+")

ret5=c.findall("hello32world53") #== re.findall("d+","hello32world53")
print(ret5)