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。它详细介绍了正则表达式的功能，包括匹配字符、重复、编译正则表达式、处理字符串、使用组和断言等内容。文档还提供了如何处理反斜杠灾难、字符串方法与正则表达式的区别、以及如何使用正则表达式进行搜索和替换的指导。此外，还涵盖了正则表达式的高级功能，如命名组和前视断言。

AI总结

# Python 正则表达式指南总结

本文是《Python 3.8.20 正则表达式 HOWTO》的中文总结，涵盖正则表达式的使用方法、核心功能及常见问题。

---

## 1. 概述

- **正则表达式**是一种嵌入 Python 的微小编程语言，用于匹配特定字符串或执行字符串操作。
- 正则表达式会被编译为字节码，由 C 语言引擎执行。
- 由于其局限性，某些复杂任务可能更适合用 Python 代码实现。

---

## 2. 简单正则

### 2.1 匹配字符
- **元字符**：如 `.`, `^`, `$`, `*`, `+`, `?`, `{}`, `[]`, `\`, `|`, `()`。
- **字符类**：`[abc]` 匹配 `a`、`b`、`c` 中的任意一个字符；`[a-z]` 匹配任意小写字母。
- 特殊字符在字符类中失去特殊含义（如 `s` 在字符类中表示字母 `s`）。

### 2.2 重复
- `*`：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 `m` 到 `n` 次。

---

## 3. 使用正则表达式

### 3.1 编译正则表达式
- 使用 `re.compile()` 将正则表达式编译为模式对象。
- 示例：

  import re
  p = re.compile(r'ab*')  # 匹配 'a' 后跟零个或多个 'b'

### 3.2 反斜杠灾难
- 正则表达式中的反斜杠在 Python 字符串中需要转义，导致字符串难以阅读。
- 解决方法：使用原始字符串（`r''`），避免重复转义。

### 3.3 应用匹配
- 模式对象方法：
- `match()`：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。
- `finditer()`：返回匹配的迭代器。

### 3.4 模块级函数
- `re.sub()`：用于字符串替换。
- `re.split()`：用于字符串分割。

### 3.5 编译标志
- 使用标志（如 `re.IGNORECASE`）可以修改正则表达式行为。

---

## 4. 更多模式能力

### 4.1 更多元字符
- **零宽度断言**：如 `\b`（单词边界）、`^`（行开头）、`$`（行末尾）。
- **分组**：`()` 用于捕获子串，支持嵌套和重复。
- **非捕获组**：`(?:...)` 用于分组但不捕获内容。
- **命名组**：`(?P...)` 通过名称引用组，便于后续处理。

### 4.2 前视断言
- 前视断言用于检查当前位置是否满足条件，但不消耗字符。
- 示例：`(?=abc)` 表示当前位置后有 `abc`。

---

## 5. 修改字符串

### 5.1 分割字符串
- 使用 `re.split()` 分割字符串，支持正则表达式作为分隔符。

### 5.2 搜索和替换
- `re.sub()` 可以用字符串替换匹配内容，支持使用函数生成替换字符串。

---

## 6. 常见问题

### 6.1 使用字符串方法
- 对于简单的任务（如替换固定字符串），优先使用字符串方法（如 `replace()`）而非正则表达式。

### 6.2 match() 和 search()
- `match()` 只匹配字符串开头，`search()` 会扫描整个字符串。

### 6.3 贪婪与非贪婪
- 贪婪匹配会尽可能多地匹配字符，而非贪婪匹配会尽可能少地匹配字符。
- 示例：`a+` 匹配所有连续的 `a`，而 `a+?` 只匹配最少的 `a`。

### 6.4 使用 re.VERBOSE
- `re.VERBOSE` 允许在正则表达式中添加注释，使代码更易读。

---

## 7. 反馈
- 文档鼓励用户参与改进和提供反馈。

---

以上为《Python 3.8.20 正则表达式 HOWTO》的核心内容总结，涵盖正则表达式的语法、功能及使用技巧。