24. Python 正则

1.常用正则表达式

python的正则网站：

https://regex101.com/

注释：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

2.re模块

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，我们来看个例子：

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：

0.504413156462

1.20703154234

解释：timeit.timeit是用来统计程序执行的时间的，和明显第一个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是表示成正则对象最明显的好处。

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’

3.编译正则对象

re.compile(pattern[, flags])

这个方法是就是将字符串的正则表达式编译城正则对象，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：

import re
a = re.compile(r"""\d +  # the integral part
                   \.    # the decimal point
                   \d *  # some fractional digits""", re.X)

import re
b = re.compile(r"\d+\.\d*")