Python 提供了標準庫 re 模塊來出來處理正則表達式。簡單來說，re 模塊包含了與正則表達式相關的函數(shù)、標志以及一個異常。

例如，re 模塊的 findall 函數(shù)是使用最廣泛的函數(shù)之一，以列表的形式返回文本中所有符合模式的字符串。比如：下面的列子就是使用 re.findall 獲取文本中的所有數(shù)字：

>> import re
>> data = "alex is 10 years old. his math score is 99.5 but his english is 
 only 66.5."
>> re.findall('\d+\.?\d*', data)
['10', '99.5', '66.5']

如果希望 re 模塊在模式匹配的時候忽略字符的大小寫，在調(diào)用函數(shù)時，可以指定 flags 參數(shù)為 re.IGNORECASE ；如果希望 . 能匹配 r'.' 本身，指定 flags=re.DOTALL 即可。多個標志之間，使用 | 連接。

比如，下面的例子我們找到并返回所有的 python 字符串：

>> data = 'python2.7 Python3.6 Java8 C C++ C# PYTHON'
>> re.findall('python.*?\s*', data, flags=re.IGNORECASE|re.DOTALL)
['python', 'Python', 'PYTHON']

此外，如果我們定義的匹配模式中存在語法錯誤，則會拋出異常：

>> data = 'xxxxxxxxxpython2.7xxxxxxxxxxPython3.5'
>> re.findall('python[0-9]\.[0-9]', data, flags=re.I)
['python2.7', 'Python3.5']
>> re.findall('python[0-9]\.[0-9', data, flags=re.I)
error: unterminated character set at position 13

至此，我們已經(jīng)了解了 re 模塊的基本用法，包含了 re 模塊的函數(shù)，標志以及異常。

下面，我們來學習 re 模塊的一大特點，即兩種使用正則表達式的方式：

• 直接使用 re 模塊中的函數(shù)。
• 創(chuàng)建一個使用特定匹配模式編譯的正則表達式對象，然后調(diào)用改對象的方法。

什么是編譯的正則表達式呢？它是一個簡單的對象，通過傳遞 模式 給 re.compile 函數(shù)創(chuàng)建。具體的用法如下：

>> import re
>> data = 'python2.7 Python3.6 Java8 C C++ C# PYTHON'
>> re_obj = re.compile('python.*?\s*', flags=re.IGNORECASE|re.DOTALL)
>> re_obj.findall(data)
['python', 'Python', 'PYTHON']

編譯與非編譯方式使用正則表達式的區(qū)別，除了使用方式上小的不同之外，主要還是性能方面的差異。

如果需要處理的數(shù)據(jù)量很大，需要多次重復使用正則表達式，那么請使用編譯后的正則表達式對象。

具體的性能差別，我們來看下面一個例子。首先，使用 seq 命令在 Linux 下產(chǎn)生 1000 萬個整數(shù)并保存到 data.txt 文件中：

使用非編譯的正則表達式匹配文件中的所有數(shù)字：

import re

def main():
    pattern = '[0-9]+'
    with open('data.txt') as f:
        for line in f:
            re.findall(pattern, line)
            
if __name__ == '___main__':
    mian()

運行結(jié)果：

使用編譯的正則表達式匹配：

import re

def main():
    pattern = '[0-9]+'
    re_obj = re.compile(pattern)
    with open('data.txt') as f:
        for line in f:
            re_obj.findall(line)
            
if __name__ == '___main__':
    mian()

運行結(jié)果：

非編譯版本的 Python 代碼，耗時 0.025s，編譯版本代碼耗時 0.018s。小編這里運行的差異不是很大，一來數(shù)據(jù)量還不是特別大，二來小編是在服務器上運行的。

工作中，在數(shù)據(jù)量小的情況下，可以根據(jù)個人喜好選擇使用正則表達式的方式。但如果數(shù)據(jù)量較大的情況下，建議使用編譯版本的正則表達式。

注：Linux 下的 time 工具可以用于統(tǒng)計程序的運行時間。