Python 3.10.15 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。正则表达式是一种嵌入 Python 的微小编程语言，用于匹配字符串或执行字符串操作。文档介绍了正则表达式的语法、使用方法，包括匹配字符、重复、编译正则表达式、分割字符串、搜索和替换等功能。同时，还讨论了反斜杠灾难、贪婪与非贪婪匹配、使用 re.VERBOSE 等常见问题和解决方案。

AI总结

# Python 正则表达式入门总结

本文是《Python 3.10.15 正则表达式 HOWTO》的简要总结，涵盖正则表达式的基础概念、使用方法及常见问题。

---

## 1. 概述
正则表达式（Regular Expressions，简称 RE 或 regex）是一种嵌入 Python 并通过 `re` 模块实现的微型编程语言。它用于匹配字符串的特定模式，常见的应用场景包括验证字符串、查找或替换内容等。正则表达式会被编译为字节码，由 C 语言引擎执行，但本文不涉及优化问题。

正则表达式语言虽小，但并非所有字符串处理任务都可以用其完成。对于复杂任务，编写 Python 代码可能更清晰。

---

## 2. 简单正则
### 2.1 匹配字符
大多数字符（如字母、数字）可以直接匹配自身。特殊字符（元字符）需要转义或在特定上下文中使用。元字符包括：`^`、`$`、`*`、`+`、`?`、`{`、`}`、`[`、`]`、`\`、`|`、`(`、`)`。

字符类（`[ ]`）用于匹配特定字符集合。例如：
- `a-z` 匹配任意小写字母。
- `a|b` 匹配 `a` 或 `b`。

### 2.2 重复
元字符 `*`、`+`、`?` 和 `{m,n}` 用于指定字符的重复次数：
- `*`：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。

例如：
- `ab*` 匹配 `a` 后跟零个或多个 `b`。
- `a{3,5}` 匹配 `aaa` 到 `aaaaa`。

---

## 3. 使用正则表达式
### 3.1 编译正则表达式
正则表达式通过 `re.compile()` 编译为模式对象，支持以下方法：
- `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。
- `findall()`：返回所有匹配子字符串的列表。
- `finditer()`：返回所有匹配的迭代器。

### 3.2 反斜杠灾难
正则表达式中的反斜杠与 Python 字符串中的转义冲突，导致重复转义。为简化，建议使用原始字符串（`r'...'`）表示正则。

### 3.3 应用匹配
匹配失败时，`match()` 和 `search()` 返回 `None`。成功时返回匹配对象，包含匹配内容、起始和结束位置等信息。

---

## 4. 更多模式能力
### 4.1 更多元字符
- `.`：匹配任意字符（除了换行符）。
- `^` 和 `$`：分别匹配字符串的开头和结尾。
- `\b`：匹配单词边界。
- `\d`：匹配任意数字。

### 4.2 分组
使用 `()` 创建分组，支持捕获和重用匹配内容。非捕获组（`(?:...)`）不捕获内容。

### 4.3 前视断言
零宽度断言用于匹配特定位置，不消耗字符。例如：
- `^abc`：匹配字符串开头为 `abc` 的内容。
- `(?!...)`：负向断言，匹配不在特定模式后的内容。

---

## 5. 修改字符串
### 5.1 分割字符串
`re.split()` 可以根据正则表达式分割字符串，例如：

re.split(r'\W', 'Hello, World!')  # ['Hello', 'World', '']

### 5.2 搜索和替换
`re.sub()` 可以用正则替换字符串中的特定模式。例如：

re.sub(r'\d+', '###', 'The number is 123')  # 'The number is ###'

---

## 6. 常见问题
### 6.1 使用字符串方法
固定字符串的替换（如 `str.replace()`）通常比正则更高效。在不涉及复杂模式时，优先使用字符串方法。

### 6.2 `match()` 和 `search()`
- `match()` 只检查字符串开头是否匹配。
- `search()` 会扫描整个字符串，查找任意位置的匹配。

### 6.3 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。非贪婪模式（如 `*?`）会尽可能少地匹配字符。

### 6.4 使用 `re.VERBOSE`
`re.VERBOSE` 标志允许在正则中添加注释和空格，提高可读性。

---

## 总结
正则表达式是 Python 中强大的字符串处理工具，但其复杂性可能导致新手困惑。通过理解基本语法、合理使用模块功能，并注意常见问题，可以更高效地完成字符串匹配和修改任务。