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 ================================
 >>>
 ['', '', '', '', '']

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