Python 正規表示式_re模組_使用compile加速 Dus 發表於2015-02-09
使用compile加速 compile( rule [,flag] )
將正則規則編譯成一個Pattern 物件，以供接下來使用。 第一個引數是規則式，第二個引數是規則選項。 返回一個Pattern 物件 直接使用findall ( rule , target ) 的方式來匹配字串，一次兩次沒什麼，如果是多次使用的話，由於正則引擎每次都要把規則解釋一遍，而規則的解釋又是相當費時間的，所以這樣的效率就很低了。如果要多次使用同一規則來進行匹配的話，可以使用re.compile 函式來將規則預編譯，使用編譯過返回的Regular Expression Object 或叫做Pattern 物件來進行查詢。 例 >>> s='111,222,aaa,bbb,ccc333,444ddd' >>> rule=r’\b\d+\b’ >>> compiled_rule=re.compile(rule) >>> compiled_rule.findall(s) ['111', '222'] 可見使用compile 過的規則使用和未編譯的使用很相似。compile 函式還可以指定一些規則標誌，來指定一些特殊選項。多個選項之間用 ’| ’ （位或）連線起來。 I IGNORECASE 忽略大小寫區別。 L LOCAL 字符集本地化。這個功能是為了支援多語言版本的字符集使用環境的，比如在轉義符\w，在英文環境下，它代表[a-zA-Z0-9]，即所以英文字元和數字。如果在一個法語環境下使用，預設設定下，不能匹配"é" 或 "ç" 。加上這L 選項和就可以匹配了。不過這個對於中文環境似乎沒有什麼用，它仍然不能匹配中文字元。 M MULTILINE ’^’( 代表字串開頭) 和’$’( 代表字串結尾) 將能夠匹配多行的情況，成為行首和行尾標記。比如>>> s=’123 456\n789 012\n345 678’ >>> rc=re.compile(r’^\d+’) # 匹配一個位於開頭的數字，沒有使用M 選項>>> rc.findall(s) ['123'] # 結果只能找到位於第一個行首的’123’ >>> rcm=re.compile(r’^\d+’,re.M) # 使用 M 選項>>> rcm.findall(s) ['123', '789', '345'] # 找到了三個行首的數字同樣，對於’$’ 來說，沒有使用M 選項，它將匹配最後一個行尾的數字，即’678’ ，加上以後，就能匹配三個行尾的數字456 012 和678 了. >>> rc=re.compile(r’\d+$’) >>> rcm=re.compile(r’\d+$’,re.M) >>> rc.findall(s) ['678'] >>> rcm.findall(s) ['456', '012', '678'] S DOTALL ‘.’’.’ 匹配除換行符’\n’ 外的所有字元，使用這一選項以後，’.’ 就能匹配包括’\n’ 的任何字元了。 U UNICODE \w , \W , \b , \B , \d , \D , \s \S 都將使用Unicode。 X VERBOSE ’#’ 來引導一個註釋。這樣可以讓你把規則寫得更美觀些。比如你可以把規則
>>> rc = re.compile(r"\d+|[a-zA-Z]+") #匹配一個數字或者單詞
使用X 選項寫成：
>>> rc = re.compile(r""" # start a rule
\d+ # number
| [a-zA-Z]+ # word
""", re.VERBOSE)
在這個模式下，如果你想匹配一個空格，你必須用'\ '的形式（'\'後面跟一個空格）