Python 3.12 正则表达式 HOWTO

• 语言: 中文（简体）
• 格式: .pdf
• 来源: docs.python.org

摘要

本文是关于在 Python 中通过 re 模块使用正则表达式的入门教程。文档介绍了正则表达式的定义、基本语法、编译和应用方法，包括匹配字符、重复、分组、前视断言等功能。同时，还讨论了正则表达式的优化、常见问题及使用注意事项，如反斜杠灾难、多行匹配、扩展模式等。

AI总结

# Python 3.12 正则表达式 HOWTO 总结

## 概述
正则表达式（Regular Expressions，简称 RE 或 regex）是一种嵌入 Python 并通过 `re` 模块实现的编程语言。它用于定义字符串匹配规则，支持以下操作：
- 检查字符串是否与表达式匹配
- 查找字符串中的匹配项
- 修改字符串或按规则分割字符串

正则表达式会被编译为字节码，由 C 语言引擎执行。本文不涉及优化，重点介绍基本用法。

## 简单正则
### 匹配字符
- 字母和符号通常直接匹配自身。
- 元字符（如 `.`、`^`、`$`、`*`、`+`、`?`、`{`、`}`、`[`、`]`、`\`、`|`、`(`、`)`）具有特殊含义。
- 字符类（`[]`）用于匹配字符集合，支持范围（如 `a-z`）和取反（`^` 在开头时表示排除）。

### 重复
- `*`：匹配零次或更多次。
- `+`：匹配一次或更多次。
- `?`：匹配零次或一次。
- `{m,n}`：匹配至少 `m` 次，最多 `n` 次。`m` 或 `n` 可省略，分别表示最小或最大无限制。

## 使用正则表达式
### 编译正则表达式
- 使用 `re.compile()` 将正则字符串编译为模式对象，支持多次调用。
- 示例：

  import re
  p = re.compile(r'ab*')

### 反斜杠灾难
- 正则表达式中的反斜杠用于转义特殊字符，但在 Python 字符串中也需要转义。
- 使用原始字符串（`r''`）简化处理。

### 应用匹配
- `match()`：检查正则是否从字符串开头匹配。
- `search()`：扫描字符串，查找任意位置的匹配。
- 示例：

  m = p.match('tempo')
  print(m.span())  # (0, 5)

### 模块级函数
- `re` 模块提供 `match()`、`search()`、`findall()`、`sub()` 等函数，直接使用正则字符串。
- 示例：

  print(re.match(r'From\s+', 'From amk Thu May 14 19:12:10 1998').span())

### 编译标志
- 支持多个标志（如 `re.IGNORECASE`、`re.MULTILINE`、`re.VERBOSE`）修改匹配行为。
- 示例：

  p = re.compile(r'ab*', re.IGNORECASE)

## 更多模式能力
### 分组
- 捕获组 `()` 用于提取子字符串。
- 非捕获组 `(?:...)` 用于分组但不捕获内容。
- 命名组 `(?P...)` 便于引用。

### 前视断言
- `(?=...)`：肯定型前视断言，匹配当前位置后的内容。
- `(?!...)`：否定型前视断言，匹配当前位置后不包含的内容。

## 修改字符串
### 搜索和替换
- `re.sub()` 用于替换匹配项，支持使用函数作为替换内容。
- 示例：

  def hexrepl(match):
      return hex(int(match.group()))
  print(re.sub(r'\d+', hexrepl, 'Call 65490 for printing...'))

## 常见问题
1. **字符串方法**：固定字符串操作优先使用字符串方法（如 `replace()`、`translate()`）。
2. **`match()` 和 `search()`**：`match()` 只检查开头匹配，`search()` 扫描整个字符串。
3. **贪婪与非贪婪**：默认为贪婪匹配（尽可能多匹配），非贪婪匹配（尽可能少匹配）使用 `?`。
4. **`re.VERBOSE`**：启用详细模式，忽略空格和注释，便于编写易懂的正则。

## 反馈
文档由 A.M. Kuchling 撰写，欢迎反馈至 `[e-mail]`。

---

以上总结涵盖了文档的核心内容，重点突出正则表达式的使用方法、常见功能和注意事项。