Python 2.7.18 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模块处理正则表达式的入门教程。它详细介绍了正则表达式的语法、使用方法以及相关功能，包括编译正则表达式、处理元字符、匹配策略和字符串操作。文档还讨论了正则表达式的常见问题，如反斜杠灾难、贪婪与非贪婪匹配、多行模式等，提供了实用的解决方案和最佳实践。

AI总结

# Python 正则表达式 HOWTO 总结

## 概述
- 正则表达式（RE）是嵌入在 Python 中的一种小型、高度专业化的编程语言，可通过 `re` 模块使用。
- 正则表达式可用于匹配字符串、搜索和替换特定模式，以及修改字符串。
- 正则表达式模式会被编译成字节码，由 C 编写的引擎执行。

## 简单模式
### 2.1 匹配字符
- 大多数字符会匹配自己，但某些字符是元字符（如 `.`, `^`, `$`, `*`, `+`, `?`, `{}`, `[]`, `\`, `|`, `()`），它们具有特殊功能。
- 字符类（如 `[a-z]`）可以匹配指定范围内的任意字符。

### 2.2 重复
- `*`：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。

## 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，以提高性能。
- 例如：`p = re.compile('ab*')`。

### 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，使用原始字符串（`r''`）简化处理。
- 例如：`r'\\section'` 表示 `\section`。

### 3.3 应用匹配
- 模式对象提供 `match()`, `search()`, `findall()`, `finditer()` 等方法。
- `match()` 检查正则是否从字符串开头匹配。
- `search()` 扫描字符串以查找任意位置的匹配。

### 3.5 编译标志
- 标志可修改正则表达式的行为，例如：
- `IGNORECASE`：忽略大小写。
- `VERBOSE`：忽略正则字符串中的空格，便于阅读。
- `MULTILINE`：使 `^` 和 `$` 匹配每行的开头和结尾。

## 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，除非启用 `DOTALL` 标志）。
- `^` 匹配字符串开头，`$` 匹配字符串结尾。

### 4.2 分组
- 使用 `()` 捕获分组，例如 `(abc)` 匹配 `abc` 并捕获。
- 非捕获组 `?: ...` 和命名组 `(?P...)` 提供更灵活的分组方式。

### 4.3 前向断言
- 零宽度断言（如 `a(?=b)`）匹配特定位置，但不消耗字符。

## 修改字符串
### 5.1 分割字符串
- 使用 `re.split()` 或 `split()` 方法分割字符串。

### 5.2 搜索和替换
- `re.sub()` 可用于替换匹配的子字符串，支持替换函数以实现复杂逻辑。

## 常见问题
### 6.1 使用字符串方法
- 对于简单的字符串操作（如替换），优先使用字符串方法（如 `replace()`），因为它们更快且更简单。

### 6.2 match() 和 search()
- `match()` 只检查正则是否从字符串开头匹配。
- `search()` 会扫描整个字符串以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，会尽可能多地匹配字符。
- 使用 `*?`, `+?`, `??` 等非贪婪限定符，使正则匹配尽可能少的字符。

### 6.4 使用 re.VERBOSE
- `re.VERBOSE` 标志允许在正则中添加注释和空格，便于阅读和维护。

## 反馈
- 如果发现文档有误或需要改进，请通过 `[e-mail]` 提供反馈。

---

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、关键元字符、编译标志以及常见问题。