Python: expresiones regulares

Para trabajar con expresiones regulares en python hay que importar el módulo re, que contiene:

import re

help(re)
....
This module exports the following functions:
  match    Match a regular expression pattern to the beginning of a string.
  search   Search a string for the presence of a pattern.
  sub      Substitute occurrences of a pattern found in a string.
  subn     Same as sub, but also return the number of substitutions made.
  split    Split a string by the occurrences of a pattern.
  findall  Find all occurrences of a pattern in a string.
  finditer Return an iterator yielding a match object for each match.
  compile  Compile a pattern into a RegexObject.
  purge    Clear the regular expression cache.
  escape   Backslash all non-alphanumerics in a string.
....

Las búsquedas se pueden hacer compilando previamente el patrón o sin compilarlo.

Sin compilar:

#!/usr/bin/env python
import re

patron=";;(.*?);;"
texto="aquí el nombre ;;campo1;; y aquí los apellidos ;;campo2;;"

for campo in re.findall(patron,texto):
    print "Coincidencia   :   ",campo

Compilando: (creando el objeto expresión regular)

#!/usr/bin/env python
import re

patron=re.compile(";;(.*?);;")
texto="aquí el nombre ;;campo1;; y aquí los apellidos ;;campo2;;"

for campo in patron.findall(texto):
    print "Coincidencia   :   ",campo

La diferencia está en que con el segundo proceder creamos un objeto "expresión regular" que contendrá los métodos propios de una expresión regular. P.e. findall, search ... La segunda diferencia es que al llamar al método findall en el primer caso accedemos al módulo y en el segundo al método del objeto.

Sobre una única ejecución en un fichero medio no va mucha diferencia, aunque la hay. A continuación pongo un ejemplo en que sí la hay al abrir un fichero de log de 80000 líneas y hacer una búsqueda repetidamente.

Compilando: (creando el objeto expresión regular)

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re

def run_re():
pattern = "ass"
re_obj = re.compile(pattern)
infile = open ("/var/log/dpkg.log.1","r")

match_count = 0
lines = 0

for line in infile:
 match = re_obj.search(line)
 if match :
   match_count += 1
 lines += 1
return (lines , match_count)

if __name__=="__main__" :
lines,match_count = run_re()
print "Lines :: ",lines
print "Matches :: ",match_count

Sin crear el objeto expresión regular:

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re

def run_re():
pattern = "ass"
infile = open ("/var/log/dpkg.log.1","r")

match_count = 0
lines = 0

for line in infile:
  match = re.search(pattern,line)
  if match :
    match_count += 1
  lines += 1

return (lines,match_count)

if __name__=='__main__' :
lines,match_count = run_re()
print "Lines :: ",lines
print "Matches :: ",match_count