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

本文档是关于 Python 中使用 re 模块进行正则表达式操作的入门教程。正则表达式是一种用于匹配字符串的微型编程语言，通过 re 模块嵌入 Python。文档详细介绍了正则表达式的使用方法，包括匹配字符、重复匹配、编译正则表达式、处理反斜杠问题、使用模块级函数以及设置编译标志等内容。正则表达式可以用于匹配、搜索、替换和分割字符串，并提供了多种元字符和模式能力以增强其功能。

AI总结

# Python 正则表达式指南总结

## 概述
正则表达式（Regular Expression，简称 regex 或 RE）是一种用于匹配字符串的微型编程语言。在 Python 中，通过 `re` 模块可以使用正则表达式来匹配、搜索、替换和分割字符串。正则表达式通过编译成字节码并由 C 语言引擎执行，提供强大的字符串处理能力。

## 简单正则
1. **匹配字符**
- 大多数字符直接匹配自身，但某些字符（如 `.`, `^`, `$`, `*`, `+`, `?`, `{}`, `[]`, `\`, `|`, `()`）是元字符，具有特殊含义。
- 字符类 `[a-z]` 可以匹配指定范围内的任意字符，脱字符 `^` 可用于取反，如 `[^a-z]` 匹配不在 `a-z` 范围内的字符。

2. **重复匹配**
- `*` 匹配零次或多次，`+` 匹配一次或多次，`?` 匹配零次或一次。
- `{m,n}` 匹配指定范围内的重复次数，如 `{2,5}` 表示匹配 2 到 5 次。

## 使用正则表达式
1. **编译正则表达式**
使用 `re.compile()` 将正则字符串编译为 `Pattern` 对象，以提高性能。例如：

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

2. **反斜杠灾难**
- 正则表达式中的反斜杠用于转义元字符，但在 Python 字符串中也需要转义，导致双重转义。为简化处理，建议使用原始字符串（`r''`）。

3. **应用匹配**
- `Pattern` 对象提供 `match()` 和 `search()` 方法用于匹配字符串，`findall()` 和 `finditer()` 用于查找所有匹配项。
- `match()` 从字符串开头匹配，而 `search()` 扫描整个字符串查找首个匹配项。

4. **编译标志**
- 使用 `re.IGNORECASE`（`I`）忽略大小写。
- 使用 `re.VERBOSE`（`X`）提高正则表达式的可读性，忽略空格并支持注释。

## 更多模式能力
1. **更多元字符**
- `.` 匹配任意字符（默认不匹配换行符，`re.DOTALL` 可使其匹配换行符）。
- `^` 匹配字符串开头，`$` 匹配字符串结尾。
- `|` 用于分隔多个匹配选项，如 `a|b` 匹配 `a` 或 `b`。

2. **分组**
- 使用 `()` 创建捕获组，如 `(a|b)` 匹配 `a` 或 `b` 并捕获结果。
- 非捕获组 `?:` 和命名组 `?P` 提供更灵活的分组方式。

3. **前视断言**
- 零宽度断言如 `(?=...)` 和 `(?<=...)` 用于检查位置是否满足特定条件，但不占用字符。

## 修改字符串
1. **分割字符串**
使用 `re.split()` 根据正则表达式分割字符串。

2. **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。

## 常见问题
1. **使用字符串方法**
- 对于简单的固定字符串操作，优先使用字符串方法（如 `str.replace()`）而非正则表达式，以提高效率。

2. **match() 和 search()**
- `match()` 仅从字符串开头匹配，而 `search()` 会扫描整个字符串。

3. **贪婪与非贪婪**
- 默认情况下，正则表达式是贪婪的，会尽可能匹配更多字符。使用 `*?`, `+?`, `??` 等非贪婪量词，使匹配尽可能少。

4. **使用 re.VERBOSE**
- 通过忽略空格和注释，`re.VERBOSE` 提高了正则表达式的可读性。

## 反馈
文档由 A.M. Kuchling 撰写，如需反馈可联系作者。

---

### 总结
本文档介绍了 Python 中正则表达式的使用方法，涵盖从基础匹配到高级功能的实现。通过合理使用正则表达式和 `re` 模块的功能，可以高效地处理字符串匹配、搜索、替换和分割任务。