Python基础语法详解（第一篇）

目录

1 正则匹配

注意点1

1.1 正则匹配字符串写法

1.2 创建re函数

（1）re.search()–搜索第一个匹配项

（2）re.match() – 从字符串开头匹配

（3）re.findall() – 返回所有匹配项的列表

（4）re.finditer() – 返回匹配项的迭代器（适合大文本）

（5）re.sub() – 替换匹配内容

（6）re.split() – 按正则表达式分割字符串

2 参数数量/类型/默认值指定

3 引用传递和值传递说明

4 排列组合 itertools

5 内置变量/特殊变量

5.1 内置变量

5.2 类相关的特殊属性

6 try-except-else-finally机制

6.1 基础用法

6.2 else-finally

6.3 向上一级抛出错误

7 Threading – 线程（不是进程，创建进程我用的少）

7.1 讲到线程，就不得不谈线程通信

8 路径操作及路径索引 glob

以下资料参考官网及AI

1 正则匹配

re官网
python 的 re 库能够实现正则匹配功能。

注意点1

注意：在Python中使用正则表达式时要优先使用原始字符串。
（也就是说，字符串不会被python语言解析。而只会被re库里的函数解析）

原因如下：
正则表达式本身用 \ 转义特殊字符（如 \d 表示数字），但Python字符串中的 \ 也是转义符。因此，在普通字符串中写正则表达式时，需用 ‌两个反斜杠‌ 表示一个实际的反斜杠（如 \d）。

原始字符串（前缀 r）会忽略Python字符串的转义规则，直接保留所有字符的字面值。例如，r"\d" 会直接传递给正则引擎 \d，而无需额外转义。

以下为错误案例1：

import re

pattern = "\\"  # 普通字符串：实际传递的是单个 \，但正则引擎会报错（转义不完整）
re.findall(pattern, "a\\b")  # 报错：因为正则收到的是单个 \

正确写法：

pattern = "\\\\"  # 普通字符串中，四个反斜杠 → Python转义为两个 \，正则引擎收到两个 \
result = re.findall(pattern, "a\\b")  # 成功匹配到 ["\\"]

使用原始字符串的写法：

pattern = r"\\"  # 原始字符串直接保留两个 \，正则引擎收到两个 \
result = re.findall(pattern, "a\\b")  # 成功匹配到 ["\\"]

以下为错误案例2：

pattern = "\b"   # 普通字符串中，\b 是退格符，正则引擎无法识别为单词边界
re.findall(pattern, "hello world")  # 匹配失败

正确写法：

pattern = r"\b"  # 原始字符串直接传递 \b，正则引擎识别为单词边界
result = re.findall(pattern, "hello world")  # 匹配到单词边界的空字符

1.1 正则匹配字符串写法

pattern = r'xxx'

匹配字符	含义	案例
[ ]	一个字符的集合，这写字符可以单独列出，也可以用范围表示（范围用-分隔)	[abc],[a-c]
$		[akm$] 将会匹配以下任一字符 ‘a’, ‘k’, ‘m’ 或 ‘$’
^	把 ^放在字符类的最开头，集合取反来匹配字符类中未列出的字符。（如果放在字符类其他位置，则无意义）	[^5] 将匹配除 ‘5’ 之外的任何字符；[5^] 将匹配 ‘5’ 或 ‘^’
\w	匹配任何字母数字字符	相当于字符类 [a-zA-Z0-9_]
\d	匹配任何十进制数字	等价于字符类 [0-9]
\S	匹配任何非空白字符	等价于字符类 [^ \t\n\r\f\v]
\W	匹配任何非字母与数字字符	等价于字符类 [^a-zA-Z0-9_]
\s	匹配任何空白字符	[ \t\n\r\f\v]
\D	匹配任何非数字字符	等价于字符类 [^0-9]
.	匹配除换行符之外的任何字符
*	定前一个字符可以匹配零次或更多次，而不是只匹配一次	ca*t 将匹配 ‘ct’ （ 0 个 ‘a’ ）、‘cat’ （ 1 个 ‘a’ ）、 ‘caaat’ （ 3 个 ‘a’ ）
+	匹配一次或更多次	ca+t 可以匹配 ‘cat’ （ 1 个 ‘a’ ）或 ‘caaat’ （ 3 个 ‘a’），但不能匹配 ‘ct’
{m,n}	其中 m 和 n 是十进制整数，该限定符意味着必须至少重复 m 次，最多重复 n 次。	a/{1,3}b 可以匹配 ‘a/b’、‘a//b’ 或者 ‘a///b’ ，但不能匹配中间没有斜杆的 ‘ab’，或者四个斜杆的 ‘ab’
()	它们将包含在其中的表达式组合在一起，你可以使用重复限定符重复组的内容	(ab)*，匹配ab 0到多次

1.2 创建re函数

（1）re.search()–搜索第一个匹配项

import re

text = "Python is fun, Python is powerful"
pattern = r"Python"
match = re.search(pattern, text)
if match:
    print("Found:", match.group())  # 输出: Found: Python

（2）re.match() – 从字符串开头匹配

import re
text = "Python is awesome"
pattern = r"Python"
match = re.match(pattern, text)
if match:
    print("Match found:", match.group())  # 输出: Match found: Python

# 若 text = "I love Python"，则 match 为 None

（3）re.findall() – 返回所有匹配项的列表

import re
text = "apple 12, banana 3, cherry 45"
numbers = re.findall(r'\d+', text)
print(numbers)  # 输出: ['12', '3', '45']

（4）re.finditer() – 返回匹配项的迭代器（适合大文本）

import re
text = "a=1, b=2, c=3"
matches = re.finditer(r'\w+=\d+', text)
for match in matches:
    print(match.group())  # 输出: a=1, b=2, c=3

（5）re.sub() – 替换匹配内容

import re
text = "2023-10-05"
new_text = re.sub(r'-', '/', text)
print(new_text)  # 输出: 2023/10/05

# 使用函数处理替换内容
def double_number(match):
    return str(int(match.group()) * 2)

text = "Score: 5, Count: 3"
result = re.sub(r'\d+', double_number, text)
print(result)  # 输出: Score: 10, Count: 6

（6）re.split() – 按正则表达式分割字符串

import re
text = "one,two;three four"
parts = re.split(r'[,; ]+', text)
print(parts)  # 输出: ['one', 'two', 'three', 'four']

2 参数数量/类型/默认值指定

直接通过一个综合案例说明：

from typing import Union, Optional, Any

def generate_user_card(
    username: str,  # 必选参数（无默认值）
    age: int = 18,  # 必选但有默认值（可省略）
    *hobbies: str,  # 不定数量的位置参数（爱好）
    country: Optional[str] = "未知",  # 可选关键字参数（允许None）
    **extra_info: Union[str, int, float]  # 不定数量的关键字参数（扩展信息）
) -> dict[str, Any]:
    """
    生成用户信息卡，支持灵活参数输入
    """
    user_data = {
        "username": username,
        "age": age,
        "hobbies": hobbies if hobbies else ("无",),
        "country": country,
        "extra": extra_info
    }
    return user_data

（1）基础调用：

result1 = generate_user_card("Alice")
print(result1)
# {'username': 'Alice', 'age': 18, 'hobbies': ('无',), 'country': '未知', 'extra': {}}

（2）额外信息传入：

result3 = generate_user_card(
    "Charlie",
    age=30,
    country=None,  # 明确设置为None
    email="charlie@example.com",
    score=95.5
)
print(result3["extra"])
# {'email': 'charlie@example.com', 'score': 95.5}

3 引用传递和值传递说明

在 Python 中，变量传递的本质是 对象引用的传递‌，所有操作都是基于对象的引用（可以理解为“指针”）。

不可变对象‌（int, float, str, tuple 等）
传递的是对象的引用，但修改时会创建新对象，原始对象不受影响（类似“值传递”的效果）。

‌可变对象‌（list, dict, set, 自定义类实例等）
传递的是对象的引用，修改内容时会影响原始对象（类似“引用传递”的效果）。

案例说明1

def modify_data(num: int, lst: list, obj: object):
    num += 10      # 不可变对象：创建新对象
    lst.append(4)  # 可变对象：修改原对象
    obj.value = 5  # 可变对象：修改原对象

# 初始化数据
original_num = 5
original_list = [1, 2, 3]
class MyClass:
    def __init__(self):
        self.value = 0
original_obj = MyClass()

# 调用函数
modify_data(original_num, original_list, original_obj)

print(original_num)    # 输出 5（未改变）
print(original_list)   # 输出 [1, 2, 3, 4]（已改变）
print(original_obj.value)  # 输出 5（已改变）

案例2

class DataHolder:
    def __init__(self, data):
        self.data = data  # data 是可变/不可变对象的引用

# 不可变对象操作
holder1 = DataHolder(10)
temp = holder1.data
temp += 5  # 创建新对象，不影响原数据
print(holder1.data)  # 输出 10

# 可变对象操作
holder2 = DataHolder([1, 2])
holder2.data.append(3)  # 直接修改原对象
print(holder2.data)     # 输出 [1, 2, 3]

案例3：修改和赋值的本质区别

a = [1, 2]
b = a       # 引用传递（指向同一对象）
b.append(3) # 修改原对象
print(a)    # 输出 [1, 2, 3]

c = [4, 5]
d = c
d = [6, 7]  # 创建新对象（重新绑定引用）
d.append(10)
print(c)    # 输出 [4, 5]（原对象未变）

注意，这里：
lst = lst + （创建新列表，不影响原对象）
lst.append(4)（原地修改，影响原对象）

案例4：默认参数陷阱

# 错误示例：默认参数为可变对象
def buggy_func(data=[]):  # 默认列表会持续保留
    data.append(1)
    return data

# 正确做法
def safe_func(data=None):
    data = data if data is not None else []
    data.append(1)
    return data

错误案例的进一步测试：

def func(data=[]):
    data.append(1)
    return data

func()
data = func()
data.append(10)
func()
print(data) # 输出：[1, 1, 10, 1]

4 排列组合 itertools

tee 生成迭代器副本（副本的修改不影响原始数据）
islice 切片
zip_longest 合并多个迭代器

import itertools

l = [1,2,3,4]
iter1, iter2 = itertools.tee(l, 2)
for x in iter1:
# 
itertools.zip_longest()

5 内置变量/特殊变量

5.1 内置变量

python所有的内置变量：

dir(__builtins__)

__name__
如果当前运行的python文件为主文件，则该文件：
__name__ == __main__
如果当前文件被其他文件调用，则该文件：
__name__ == [文件名]（不带.py后缀）
参考文章

5.2 类相关的特殊属性

__slots__
限制class可绑定的类的属性。

__slots__ = ['属性名1','属性名2','属性名3']

定义的属性仅对当前类实例起作用，对继承的子类是不起作用的。
除非在子类中也定义__slots__，这样，子类实例允许定义的属性就是自身的__slots__加上父类的__slots__。
__init__
类默认构造函数 ，第一个参入参数为self
__lt__
@property装饰器
将方法变成属性调用。
__str__

6 try-except-else-finally机制

6.1 基础用法

try:
    with open('example.txt', 'r') as file:
        content = file.read()
        print(content)
except FileNotFoundError:
    print("文件未找到，请检查文件路径是否正确。")
except PermissionError:
    print("没有权限读取该文件。")
except Exception as e:
    # 捕获所有其他类型的异常
    print(f"发生了一个错误：{e}")

try: 放置可能引发异常的代码。‘
except:如果try中的代码引发异常，会跳转到指定的except 块儿中
as: as e是可选的，允许你将异常实例赋值给变量e，这样就可以在except块中访问到异常信息。
Exception ：代表不指定异常类型（反之捕获所有异常）

Python会按照except块的顺序检查，一旦找到匹配的异常类型，就会执行该块中的代码，并且跳过后续的except块。

6.2 else-finally

try:
    # 尝试执行的代码
    pass
except SomeException:
    # 处理异常的代码
    pass
else:
    # 如果没有异常发生，执行这里的代码
    pass
finally:
    # 无论是否发生异常，都执行这里的代码
    pass

else：如果你想要在没有异常发生时执行一些代码，可以使用else块。它紧跟在所有的except块之后，只有在try块没有引发任何异常时才会执行。
finally：无论是否发生异常，finally块中的代码都会被执行。这通常用于执行一些清理工作，比如关闭文件或释放资源。

6.3 向上一级抛出错误

raise [error]
注意：如果不抛出错误，程序在执行换except后就会退出吗？
当except块内部的操作执行完成后，程序并不会自动退出，除非你在except块中显式地调用了sys.exit()、exit()、os._exit()等函数来终止程序，或者异常没有被捕获并且传播到了程序的顶层（即没有被任何try块捕获）。

7 Threading – 线程（不是进程，创建进程我用的少）

感谢大佬的总结：
https://liaoxuefeng.com/books/python/process-thread/thread/index.html
说实话，之前只用过C thread，没用过python。
这里对大佬的 文章列出一些关键点：
（1）启动一个线程就是把一个函数传入并创建Thread实例，然后==调用start()==开始执行。
（2）在Python中，可以使用多线程，但不要指望能有效利用多核

有一些久远的记忆似乎在逐渐复苏

7.1 讲到线程，就不得不谈线程通信

线程的特点就是，共享资源，任务间需要频繁通信。
线程的关键点就是：通信和同步。
要避免的问题：死锁
（1）互斥锁
（2）信号量
（3）条件变量
（4）事件
（5）消息队列
（6）管道

8 路径操作及路径索引 glob

主要利用glob2库

from glob2 import glob
    paths = glob(file_path) # 搜索文件file_path下所有文件，返回list变量
	# 返回该路径下所有文件

作者：弈风千秋万古愁