五週二次課(11月14日)
一、常用正則表達式
二、re正則對象和正則匹配效率比較
re模塊是python中處理正則表達式的一個模塊,通過re模塊的方法,把正則表達式pattern編譯成正則對象,以便使用正則對象的方法。那爲什麼要使用re模塊來把正則表達式搞成正則對象呢,最主要的是可以提高代碼的執行效率。
例子:
import timeit print timeit.timeit(setup='''import re; reg = re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''', stmt='''reg.match('<h1>xxx</h1>')''', number=1000000) print timeit.timeit(setup='''import re''', stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>', '<h1>xxx</h1>')''', number=1000000)
結果:
1.3545355572 4.11690717441
解釋:
timeit.timeit是用來統計程序執行的時間的,很明顯第一個print的執行時間要比第二個的執行時間快好多,這個就是把正則表達式表示成正則對象最明顯的好處。
三、編譯正則對象
1.正則匹配總寫一個r是什麼意思?
r表示raw的簡及raw string 意思是原生字符,也就是說是這個字符串中間的特殊字符不用轉義
比如你要表示‘\n’,可以這樣:r'\n'
但是如果你不用原生字符 而是用字符串你得這樣:‘\\n’
re.compile(pattern[, flags])
這個方法是就是將字符串的正則表達式編譯成正則對象,第二個參數flag是匹配模式,取值可以使用按位或者運算符“|”表示同時生效,比如:re.I | re.M,flag的可選值有:
re.I(re.IGNORECASE): 忽略大小寫(括號內是完整寫法,下同)
M(MULTILINE): 多行模式,改變'^'和'$'的行爲
S(DOTALL): 點任意匹配模式,改變'.'的行爲
L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決於當前區域設定
U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決於unicode定義的字符屬性
X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行,忽略空白字符,並可以加入註釋。以下兩個正則表達式是等價的:
a = re.compile(r"""\d + # the integral part
\. # the decimal point
\d * # some fractional digits""", re.X)
b = re.compile(r"\d+\.\d*")