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