五周二次课(11月14日)
一、常用正则表达式
二、re正则对象和正则匹配效率比较
re模块是python中处理正则表达式的一个模块,通过re模块的方法,把正则表达式pattern编译成正则对象,以便使用正则对象的方法。那为什么要使用re模块来把正则表达式搞成正则对象呢,最主要的是可以提高代码的执行效率。
例子:
importtimeit printtimeit.timeit(setup='''importre;reg=re.compile('<(?P<tagname>\w*)>.*</(?P=tagname)>')''',stmt='''reg.match('<h1>xxx</h1>')''',number=1000000) printtimeit.timeit(setup='''importre''',stmt='''re.match('<(?P<tagname>\w*)>.*</(?P=tagname)>','<h1>xxx</h1>')''',number=1000000)
结果:
1.3545355572 4.11690717441
解释:
timeit.timeit是用来统计程序执行的时间的,很明显第一个print的执行时间要比第二个的执行时间快好多,这个就是把正则表达式表示成正则对象最明显的好处。
三、编译正则对象
1.正则匹配总写一个r是什么意思?
r表示raw的简及raw string 意思是原生字符,也就是说是这个字符串中间的特殊字符不用转义
比如你要表示‘\n’,可以这样:r'\n'
但是如果你不用原生字符 而是用字符串你得这样:‘\\n’
re.compile(pattern[,flags])
这个方法是就是将字符串的正则表达式编译成正则对象,第二个参数flag是匹配模式,取值可以使用按位或者运算符“|”表示同时生效,比如:re.I | re.M,flag的可选值有:
re.I(re.IGNORECASE): 忽略大小写(括号内是完整写法,下同)
M(MULTILINE): 多行模式,改变'^'和'$'的行为
S(DOTALL): 点任意匹配模式,改变'.'的行为
L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。以下两个正则表达式是等价的:
a = re.compile(r"""\d + # the integral part
\. # the decimal point
\d * # some fractional digits""",re.X)
b = re.compile(r"\d+\.\d*")
2.正则对象的方法
2.1 match方法
match(string[,pos[,endpos]])
string:匹配使用的文本
pos: 文本中正则表达式开始搜索的索引及开始搜索string的下标
endpos: 文本中正则表达式结束搜索的索引。
如果不指定pos,默认是从开头开始匹配,如果匹配不到,直接返回None