码迷,mamicode.com
首页 > 编程语言 > 详细

详解 Python3 正则表达式(三)

时间:2017-05-30 15:47:55      阅读:161      评论:0      收藏:0      [点我收藏+]

标签:otp   区分大小写   应该   速度   处理   函数   tps   预编译   blog   

上一篇:详解 Python3 正则表达式(二)

本文翻译自:https://docs.python.org/3.4/howto/regex.html

博主对此做了一些批注和修改 ^_^

技术分享

模块级别的函数

使用正则表达式也并非一定要创建模式对象,然后调用它的匹配方法。因为,re 模块同时还提供了一些全局函数,例如 match(),search(),findall(),sub() 等等。这些函数的第一个参数是正则表达式字符串,其他参数跟模式对象同名方法采用一样的参数;返回值也一样,同样是返回 None 或者匹配对象。

技术分享

其实,这些函数只是帮你自动创建一个模式对象,并调用相关的函数(上一篇的内容,还记得吗?)。它们还将编译好的模式对象存放在缓存中,以便将来可以快速地直接调用。

那我们到底是应该直接使用这些模块级别的函数呢,还是先编译一个模式对象,再调用模式对象的方法呢?这其实取决于正则表达式的使用频率,如果说我们这个程序只是偶尔使用正则表达式,那么全局函数是比较方便的;如果我们的程序是大量的使用正则表达式(例如在一个循环中),那么建议你使用后一种方法,因为预编译的话可以节省一些函数调用。但如果是循环外部,由于得益于内部缓存机制,两者效率相差无几。

编译标志

编译标志让你可以修改正则表达式的工作方式。在 re 模块下,编译标志均有两个名字:完整名和简写,例如 IGNORECASE 简写是 I(如果你是 Perl 的粉丝,那么你有福了,因为这些简写跟 Perl 是一样的,例如 re.VERBOSE 的简写是 re.X)。另下边列举一些支持的编译标志:

标志 含义
ASCII,A 使得转义符号 \w,\b,\s 和 \d 只能匹配 ASCII 字符
DOTALL,S 使得 . 匹配任何符号,包括换行符
IGNORECASE,I 匹配的时候不区分大小写
LOCALE,L 支持当前语言(区域)设置
MULTILNE,M 多行匹配,影响 ^ 和 $
VERBOSE,X(for‘extended‘) 启用详细的正则表达式

下面我们来详细讲解一下它们的含义:

A

ASCII

使得 \w,\W,\b,\B,\s 和 \S 只匹配 ASCII 字符,而不匹配完整的 Unicode 字符。这个标志仅对 Unicode 模式有意义,并忽略字节模式。

S

DOTALL

使得 . 可以匹配任何字符,包括换行符。如果不使用这个标志,. 将匹配除了换行的所有字符。

I

IGNORECASE

字符类和文本字符串在匹配的时候不区分大小写。举个例子,正则表达式 [A-Z] 也将会匹配对应的小写字母,像 Fanfan 可以匹配 Fanfan,fanfan,或 FANFAN 等。如果你不设置 LOCALE,则不会考虑语言(区域)设置这方面的大小写问题。

L

LOCALE

使得 \w,\W,\b 和 \B 依赖当前的语言(区域)环境,而不是 Unicode 数据库。

区域设置是 C 语言的一个功能,主要作用是消除不同语言之间的差异。例如你正在处理的是法文文本,你想使用 \w+ 来匹配单词,但是 \w 只是匹配 [A-Za-z] 中的单词,并不会匹配那些法文特殊符号。如果你的系统正确的设置了法语区域环境,那么 C 语言的函数就会告诉程序那些特殊符号也应该被认为是一个字符。当编译正则表达式的时候设置了 LOCALE 的标志,\w+ 就可以识别法文了,但速度多少会受到影响。

M

MULTILNE

(^ 和 $ 我们还没有提到,别着急,后边我们有细讲...)

通常 ^ 只匹配字符串的开头,而 $ 则匹配字符串的结尾。当这个标志被设置的时候,^ 不仅匹配字符串的开头,还匹配每一行的行首;$ 不仅匹配字符的结尾,还匹配每一行的行尾。

X

VERBOSE

这个标志使你的正则表达式可以写得更好看和更有条理,因为使用了这个标志,空格会被忽略(除了出现在字符类中和使用反斜杠转义的空格);这个标志同时允许你在正则表达式字符串使用注释,# 符号后边的内容是注释,不会弟递交给匹配引擎(除了出现在字符类中和使用反斜杠转义的 #)。

下边是使用 re.VERBOSE 的例子,大家看下正则表达式的可读性是不是提高了不少:

charref = re.compile(r"""
 &[#]                # 开始数字引用
 (
     0[0-7]+         # 八进制格式
   | [0-9]+          # 十进制格式
   | x[0-9a-fA-F]+   # 十六进制格式
 )
 ;                   # 结尾分号
""", re.VERBOSE)

 如果没有设置 VERBOSE 标志,那么同样的正则表达式会写成:

charref = re.compile("&#(0[0-7]+|[0-9]+|x[0-9a-fA-F]+);")

批注:哪个更具有可读性,相信大家心里有底了。

(本文完)

下一篇:详解 Python3 正则表达式(四)

如果你喜欢这篇文章,请通过下方「评论」给我鼓励哦 ^_^

详解 Python3 正则表达式(三)

标签:otp   区分大小写   应该   速度   处理   函数   tps   预编译   blog   

原文地址:http://www.cnblogs.com/fanfannotplay/p/6919316.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!