Python-сообщество

используй нежадный поиск.

re.compile (r'<ztmc>.*?</ztmc>', re.IGNORECASE | re.DOTALL)

slivlen
используй нежадный поиск.

re.compile (r'<ztmc>.*?</ztmc>', re.IGNORECASE | re.DOTALL)

well
то есть вся проблема только в “жадном” поиске?

Это хороший пример, подтверждающий, что жадный “.” следует использовать с большой осторожностью. Эта комбинация зажирает весь текст сразу до конца, правда, в зависимости от движка регулярки, в нее не будут попадать символы начала и конца строки, то есть, движок сожрет одну только строку (как это сделано, например, в питоне).
Но, SGML файлы, как правило, не содержат переводов строк, поэтому операция поиска по нему с использованием .* может занимать некоторое время.

well
re.compile (r“\<ztmc.*ztmc\>”, re.IGNORECASE)

well
re.compile (r“\<ztmc\>.*\<\\ztmc\>”, re.IGNORECASE)

Отредактировано (Март 28, 2008 17:26:51)

ZAN
Это хороший пример, подтверждающий, что жадный “.” следует использовать с большой осторожностью. Эта комбинация зажирает весь текст сразу до конца, правда, в зависимости от движка регулярки, в нее не будут попадать символы начала и конца строки, то есть, движок сожрет одну только строку (как это сделано, например, в питоне).
Но, SGML файлы, как правило, не содержат переводов строк, поэтому операция поиска по нему с использованием .* может занимать некоторое время.

well

re.compile (r"\<ztmc.*ztmc\>", re.IGNORECASE)

В этом случае процедура довольно шустрая, т.к. проход строки один, плюс один небольшой откат.
При этом все теги ztmc будут найдены вместе с промежутками.
<ztmc> trallala </ztmc> … <ztmc> tralala </ztmc>

well

re.compile (r"\<ztmc\>.*\<\\ztmc\>", re.IGNORECASE)

В этом же случае полный откат ничего не находит, т.к. закрывающий тег написан неправильно - обратный слеш вместо прямого. Далее регулярка ищет второй открывающий тег, а когда находит его, съедает всю строку до конца, а затем делает откат, пытаясь найти закрывающий и т.д… То есть все процессорное время уходит на перебор тегов.

Отредактировано (Март 8, 2009 01:39:36)

Всем привет! Возникла проблемка: надо по папке в винде пробежать и отсортировать файло. Проблема заключается в том, что в именах файлов есть русские символы. Делаю так:

# -*- coding: utf-8 -*-
import os
import re
reg = re.compile (u"(V[0-9]{7}\.xls)|(сцп[0-9]*\.xls)", re.IGNORECASE)
files = os.listdir (path)
for i in files:
    if reg.findall (u""+i.decode("cp1251")):
        print i

Может статейка поможет.

Ferroman
Может статейка поможет.

Отредактировано (Март 8, 2009 01:40:39)