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Python中使用re模块进行正则表达式操作的入门教程，详细介绍了正则表达式的基本概念、语法和用法。文档首先概述了正则表达式的定义及其在Python中的应用，接着介绍了简单模式、元字符的功能以及如何使用re.compile()编译正则表达式。文档还讨论了正则表达式的匹配过程、贪婪与非贪婪匹配的区别，以及如何使用re模块进行字符串的搜索、替换和分割操作。最后，文档提供了一些常见问题的解决方案，并建议在某些情况下使用字符串方法而非正则表达式以提高效率。

AI总结

本文档《Python 2.7.18 正则表达式 HOWTO》是使用 Python `re` 模块进行正则表达式操作的入门教程，提供了比标准库更平和的介绍。以下是核心内容的总结：

### 1. **概述**
- **正则表达式**（RE）是一种嵌入在 Python 中的小型编程语言，用于匹配和处理字符串。
- 正则表达式通过 `re` 模块提供，支持 Perl 风格的正则表达式模式。
- 正则表达式被编译为字节码并由 C 编写的匹配引擎执行，适合处理字符串匹配、修改和拆分等任务。

### 2. **简单模式**
- **字符匹配**：大多数字符匹配自身，但一些特殊字符（元字符）具有特殊含义，如 `. ^ $ * + ? { } [ ] \ | ( )`。
- **字符类**：使用 `[ ]` 定义字符类，匹配其中的任意字符。例如，`[abc]` 匹配 `a`、`b` 或 `c`。

### 3. **重复匹配**
- **重复限定符**：`*` 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。
- **贪婪与非贪婪**：默认情况下，重复匹配是贪婪的（尽可能匹配更多字符），可以通过 `*?`、`+?` 等实现非贪婪匹配。

### 4. **使用正则表达式**
- **编译正则表达式**：使用 `re.compile()` 将正则表达式编译为模式对象，支持可选的 `flags` 参数（如 `re.IGNORECASE`）。
- **反斜杠灾难**：正则表达式中的反斜杠需要转义，建议使用原始字符串（`r""`）来避免重复转义。

### 5. **匹配方法**
- **match()**：从字符串开头匹配正则表达式。
- **search()**：扫描整个字符串，查找第一个匹配的位置。
- **findall()** 和 **finditer()**：查找所有匹配的子字符串，分别返回列表或迭代器。

### 6. **分组和捕获**
- **分组**：使用 `( )` 对正则表达式进行分组，并可以通过组号或命名组引用匹配的内容。
- **零宽度断言**：如 `\b`（字边界）、`^`（行开头）、`$`（行结尾）等，不消耗字符，仅用于断言。

### 7. **修改字符串**
- **split()**：根据正则表达式匹配的位置拆分字符串。
- **sub()** 和 **subn()**：替换匹配的子字符串，`subn()` 还返回替换次数。

### 8. **常见问题**
- **字符串方法 vs 正则表达式**：对于简单的字符串操作（如固定字符串匹配或替换），使用字符串方法（如 `replace()`）通常比正则表达式更快。

### 9. **高级功能**
- **re.VERBOSE**：允许在正则表达式中添加空格和注释，提高可读性。
- **负向前瞻**：使用 `(?!...)` 排除特定模式，例如排除某些文件扩展名。

### 10. **总结**
- 正则表达式功能强大，但对于复杂任务（如 HTML/XML 解析），建议使用专用解析器。
- 在编写正则表达式时，应优先考虑可读性和效率，避免过度复杂化。

本文档通过丰富的示例和详细解释，帮助读者掌握 Python 中正则表达式的基本和高级用法。