python的正则表达一

一、常用的正则表达式

　　1.了解正则表达式

　　正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
　　正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。
    正则表达式的大致匹配过程是：
    1.依次拿出表达式和文本中的字符比较，
    2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
    3.如果表达式中有量词或边界，这个过程会稍微有一些不同。

　2.python语言中常见的一些正则表达式：

　　需要格外解释的是分组，(?P<name>…)省略的部分就是正常的正则匹配，我们把匹配到的这个整体给赋一个变量名字name，在后续调用的时候，就方便多了

二、re正则对象和正则匹配效率比较

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)

　　结果：

　　0.50820003933
　　1.43112783949

　　正则匹配时，优先编译成正则对象，然后进行匹配，程序效率会更高

 

三、编译正则对象

　　re 模块使 Python 语言拥有全部的正则表达式功能。compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

　　正则匹配中的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])：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*")

　　程序例子：

import re
reg = re.compile(r'abc.*')
print (type(reg))
print (reg)

　　结果：