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

本文档是关于在Python中使用re模块进行正则表达式操作的入门教程。文档详细介绍了正则表达式的定义、基本语法、元字符的作用、正则表达式的编译与应用、字符串操作方法，以及常见问题的处理技巧。内容涵盖从简单匹配到复杂模式的使用，包括分组、断言、重复匹配等高级功能，并提供了实际应用中的注意事项和优化建议。

AI总结

# Python 正则表达式 HOWTO 总结

## 1. 概述
正则表达式（Regular Expression，简称 regex）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解决以下问题：
- 检查字符串是否匹配特定模式
- 在字符串中查找与模式匹配的部分
- 修改字符串或将其拆分

正则表达式会被编译为字节码，由 C 语言实现的匹配引擎执行。尽管正则表达式功能强大，但并非所有字符串处理任务都适用，某些复杂任务可能需要使用 Python 代码。

---

## 2. 简单正则
### 2.1 匹配字符
- 大多数字符会匹配自身，但部分字符是元字符（如 `[`、`]`、`*`、`+`、`?` 等），需要特殊处理。
- 元字符 `[` 和 `]` 用于定义字符类，例如 `[a-z]` 匹配任意一个小写字母。

### 2.2 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}`：匹配至少 `m` 次，最多 `n` 次。`m` 和 `n` 可以省略，分别默认为 0 和无限。

---

## 3. 使用正则表达式
### 3.1 编译正则表达式
正则表达式可以被编译为 `pattern` 对象，以便重复使用。例如：

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

### 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，导致重复转义。
- 解决方法：使用原始字符串（`r''`）来避免重复转义。

### 3.3 应用匹配
- `search()`：扫描字符串，找到第一个匹配项。
- `match()`：仅检查字符串开头是否匹配。

### 3.4 模块级函数
`re` 模块提供了顶层函数（如 `re.match()`、`re.sub()`），这些函数会在内部缓存正则表达式以提高效率。

### 3.5 编译标志
通过标志（如 `re.IGNORECASE`、`re.MULTILINE`），可以调整正则表达式的匹配行为。

---

## 4. 更多模式能力
### 4.1 更多元字符
- `.`：匹配任意字符（默认不包括换行符，`re.DOTALL` 可使其匹配所有字符）。
- `\b`：匹配单词边界。

### 4.2 分组
使用 `()` 捕获子组，例如 `(ab)*` 匹配 `ab` 的零次或多次重复。

### 4.3 非捕获和命名组
- 非捕获组 `?:`：不捕获匹配内容。
- 命名组 `?P`：为组指定名称，便于后续引用。

### 4.4 前视断言
- `^`：匹配字符串开头。
- `$`：匹配字符串结尾。

---

## 5. 修改字符串
### 5.1 分割字符串
使用 `re.split()` 或 `re.findall()` 来分割字符串。

### 5.2 搜索和替换
- `re.sub()`：用正则表达式匹配的内容进行替换。
- `re.sub()` 支持使用函数作为替换参数。

---

## 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 `str.replace()`），因为它们更快。

### 6.2 `match()` 和 `search()` 的区别
- `match()`：仅匹配字符串开头。
- `search()`：扫描整个字符串，找到第一个匹配项。

### 6.3 贪婪与非贪婪匹配
- 贪婪匹配：尽可能多地匹配字符。
- 非贪婪匹配：尽可能少地匹配字符，使用 `?` 修饰符。

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

---

## 7. 反馈
如需反馈或报告错误，请联系 `[e-mail]`。

---

以上总结涵盖了文档的核心内容，重点突出了正则表达式的使用方法和常见技巧。