Python 3.11.10 正则表达式 HOWTO

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

摘要

文档详细介绍了 Python 3.11.10 中正则表达式的使用方法，重点讲解了 re 模块的功能和标志的使用。文档首先介绍了 re.VERBOSE 标志，该标志允许编写更易读的正则表达式，支持注释和格式化。接着，文档详细说明了如何使用 re.compile 编译正则表达式，并介绍了 re.match、re.search 和 re.sub 等常用方法的功能和区别。此外，文档还讨论了正则表达式中的贪婪匹配与非贪婪匹配，以及如何处理反斜杠转义问题。最后，文档提供了常见问题的解答，建议在某些场景下优先使用字符串方法而非正则表达式。

AI总结

《Python 3.11.10 正则表达式 HOWTO》文档主要介绍了正则表达式在 Python 中的使用方法和技巧，核心内容如下：

### 1. **正则表达式标志**
- **re.A (re.ASCII)**: 使 \w、\W、\b、\B、\s 和 \S 仅匹配 ASCII 字符，而非 Unicode 字符。
- **re.X (re.VERBOSE)**: 允许正则表达式更易读，忽略空格和注释，便于组织和缩进。

### 2. **元字符与重复匹配**
- **零宽度断言**: 如 \b（单词边界），不消耗字符，只匹配位置。
- **| (或运算符)**: 匹配 A 或 B 的表达式。
- **^ 和 $**: 分别匹配行的开头和结尾。
- **重复匹配元字符**:
- `*`: 零次或多次。
- `+`: 一次或多次。
- `?`: 零次或一次。
- `{m,n}`: 至少 m 次，至多 n 次。
- **贪婪与非贪婪匹配**:
- 默认情况下，重复匹配是贪婪的（尽可能多匹配），可以通过 `*?`、`+?`、`??` 实现非贪婪匹配。

### 3. **正则表达式的使用**
- **编译正则表达式**: 使用 `re.compile()` 将正则表达式编译为 `pattern` 对象，可指定标志如 `re.IGNORECASE`。
- **反斜杠灾难**: 正则表达式和 Python 字符串中的反斜杠冲突，建议使用原始字符串（`r""`）来避免转义问题。
- **匹配方法**:
- `match()`: 检查字符串开头是否匹配。
- `search()`: 扫描整个字符串，查找首个匹配。
- `findall()`: 返回所有匹配的子串列表。
- `finditer()`: 返回匹配子串的迭代器。

### 4. **特殊序列与字符类**
- **特殊序列**:
- `\d`: 匹配数字。
- `\D`: 匹配非数字。
- `\w`: 匹配字母数字字符。
- `\W`: 匹配非字母数字字符。
- `\s`: 匹配空白字符。
- `\S`: 匹配非空白字符。
- **字符类**: 使用 `[]` 定义字符集，`^` 在字符类开头表示取反。

### 5. **常见问题与注意事项**
- **字符串方法 vs 正则表达式**: 对于简单任务，字符串方法（如 `replace()`）通常更快。
- **match() 与 search()**:
- `match()` 只检查字符串开头，`search()` 扫描整个字符串。
- **贪婪与非贪婪匹配**: 贪婪匹配可能导致意外结果，非贪婪匹配（`*?`、`+?`）可以解决此问题。

### 6. **re.VERBOSE 的使用**
- 通过 `re.VERBOSE` 标志，可以使正则表达式更易读，允许添加注释和格式化。

### 7. **模块级函数**
- `re.match()`、`re.search()`、`re.findall()` 等模块级函数可以直接使用，内部会缓存编译的正则表达式。

总结：正则表达式是强大的文本处理工具，Python 的 `re` 模块提供了丰富的功能来编译和匹配正则表达式。通过理解元字符、重复匹配、贪婪与非贪婪匹配等概念，可以高效处理复杂的文本匹配任务。