详解 Python3 正则表达式(三)

栏目: Python · 发布时间: 6年前

内容简介:详解 Python3 正则表达式(三)

上一篇: 详解 Python 3 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 ^_^

详解 Python3 正则表达式(三)

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。

详解 Python3 正则表达式(三)

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 ^_^


以上所述就是小编给大家介绍的《详解 Python3 正则表达式(三)》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

计算机网络(第4版)

计算机网络(第4版)

[美] James F. Kurose、[美] Keith W. Ross / 陈鸣 / 机械工业出版社 / 2009-11 / 66.00元

本书采用了独创的自顶向下方法,即从应用层开始沿协议栈向下讲解计算机网络的基本原理,强调应用层范例和应用编程接口,内容深入浅出,注重教学方法,理论与实践相结合。第3版的内容相应更新并反映了网络领域的最新进展,如增加了无线和移动网络一章,扩充了对等网络、BGP、MPLS、网络安全、广播选路和因特网编址及转发方面的材料;还增加了一套实用的实验,并修订了习题。本书适合作为计算机、电子、通信工程相关专业的本......一起来看看 《计算机网络(第4版)》 这本书的介绍吧!

MD5 加密
MD5 加密

MD5 加密工具

SHA 加密
SHA 加密

SHA 加密工具

RGB CMYK 转换工具
RGB CMYK 转换工具

RGB CMYK 互转工具