Python正则表达式总结

正则表达式也一直用，但是没系统的总结过，今天借这个时间梳理一下。

Python中的正则表达式操作依靠re模块儿完成。

常用的方法：

re.compile(pattern,flags=0)

#返回一个编译过的正则表达式re对象，可以优化执行速度。

demo：

r=re.compile(r'(http:\\)?(www\.)?cnblogs\.com')

m=r.match('www.cnblogs.com')

print(m.group(0))　　

#若果不编译就要这样写了

m=re.match(r'(http:\\)?(www\.)?cnblogs\.com','www.cnblogs.com')

print(m.group(0))

#说明：re在运行时编译，效率嘛要比上一种方法低一点儿。突然想试试低多少，写个demo看看。

import time,re

def main():
pattern=r'(http:\\)?(www\.)?cnblogs\.com'
url='www.cnblogs.com'
## r=re.compile(pattern)
s1=time.time()
r=re.compile(pattern)
a=r.match(url)
print('time is'+str(time.time()-s1)+"\t"+a.group())
s2=time.time()
m=re.match(pattern,url)
print('time is'+str(time.time()-s2)+"\t"+m.group())
pass

if __name__=="__main__":
main();

>>> ================================ RESTART ================================
>>> 
time is0.0009999275207519531    www.cnblogs.com
time is0.0    www.cnblogs.com
>>>

测试代码写的不算严谨，但结果倒也有趣，至少说明了两个问题：

1.由于两次匹配采用的pattern相同，Python内部进行了优化，所以第二次时间接近为零。

2.时间花费主要消耗在了正则表达式编译上，匹配上的时间与之相比很少。

3.如果只是做一次匹配，两种写法无所谓。

同理的以下方法也可以参考上边的两种写法：

re.search()#搜索字符串的内容，这个方法很好理解，就不做测试了。

re.sub()#这个用的比较少，写个demo给大家看一下，其实就相当于str.replace()方法，只不过它更灵活一点。

import time,re

def main():
    pattern=r'(http:\\)?(www\.)?cnblogs\.com'
    url1='www.cnblogs.com'
    url2='cnblogs.com'
    m=re.sub(pattern,'baidu.com','sss'+url1+'eee')
    print(m)
if __name__=="__main__":
    main();

>>> ================================ RESTART ================================
>>> 
sssbaidu.comeee
>>> 

re.split()#利用正则表达式去分割一个字符串 demo

import time,re

def main():
    d='12|234|23423|234|'
    l=re.split(r'\|',d)
    print(str(l))
if __name__=="__main__":
    main();
>>> ================================ RESTART ================================
>>> 
['12', '234', '23423', '234', '']

 

对于re.match()返回的matchobject有以下几个方法：

m.group(n)#返回匹配中的组和子组的信息。

m.start()

m.end()

m.span()

 

这几个是比较常用的方法，另外推荐两篇比较好的正则表达式教程：

http://dragon.cnblogs.com/archive/2006/05/08/394078.html