Python 3.8.20 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。文档详细介绍了正则表达式的定义、基本用法、编译方法、匹配操作、常见问题及高级功能，包括字符类、重复元字符、前视断言、非贪婪匹配等核心概念，并提供了大量示例和使用建议。

AI总结

本文是《Python 3.8.20 正则表达式 HOWTO》的中文总结，涵盖了正则表达式的使用方法及其在 Python 中的应用。

### 1. 概述
正则表达式（Regular Expressions，简称 RE 或 regex）是一种嵌入 Python 的微小编程语言，通过 `re` 模块实现。它用于定义字符串匹配规则，能够回答诸如“字符串是否匹配表达式？”等问题，并支持字符串的修改和分割。正则表达式会被编译为字节码，由 C 语言引擎执行。虽然功能强大，但并非所有字符串任务都适合用正则表达式完成。

### 2. 简单正则
#### 2.1 匹配字符
大多数字符直接匹配自身，但有些字符是元字符（如 `[`、`^`、`\`），需要转义或特殊处理。元字符用于指定字符类（如 `[a-z]`），表示匹配字符集合，或对特殊字符进行转义。

#### 2.2 重复
重复元字符包括：
- `*`：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。

默认情况下，重复是贪婪的，即尽可能多地匹配字符。非贪婪模式使用 `*?`、`+?`、`?` 等后缀。

### 3. 使用正则表达式
#### 3.1 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 `flags` 参数启用特殊功能（如不区分大小写）。

#### 3.2 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，导致字符串难以阅读。解决方案是使用原始字符串（`r''`）。

#### 3.3 应用匹配
模式对象提供以下方法：
- `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。
- `sub()`：替换字符串中的匹配项，支持替换函数。

### 4. 更多模式能力
#### 4.1 更多元字符
正则支持零宽度断言（如 `\b` 表示单词边界）、行首/行尾断言（`^`、`$`），以及字符类（如 `\d` 表示数字）。

#### 4.2 分组
分组（`()`）用于捕获子字符串，支持非捕获组（`(?:...)`）和命名组（`(?P...)`）。

#### 4.3 前视断言
前视断言（如 `(?=...)`）用于匹配特定模式但不消耗字符，适用于复杂匹配。

### 5. 修改字符串
#### 5.1 分割字符串
使用 `re.split()` 根据正则分割字符串，支持使用分组捕获分割点。

#### 5.2 搜索和替换
`re.search()` 和 `re.sub()` 分别用于查找和替换匹配项，支持使用函数实现复杂替换逻辑。

### 6. 常见问题
- **字符串方法替代**：固定字符串操作优先使用字符串方法，如 `replace()`。
- **match() 和 search()**：`match()` 只匹配字符串开头，`search()` 扫描整个字符串。
- **贪婪与非贪婪**：使用非贪婪模式（如 `*?`）避免过度匹配。
- **re.VERBOSE**：使用 `re.VERBOSE` 标志提高代码可读性。

### 总结
本文详细介绍了 Python 中正则表达式的语法、用法及常见问题，强调了其在字符串匹配和操作中的强大功能，同时也提醒用户注意使用场景和优化技巧。