Python 3.12 正则表达式 HOWTO

《Python 3.12 正则表达式 HOWTO》文档详细介绍了正则表达式的基本语法及其在 Python 中的应用。以下是核心内容的总结： ### 1. **正则表达式基础** - **元字符**：正则表达式中的特殊字符如 `*`, `+`, `?`, `{m,n}` 等用于匹配重复模式。 - `*` 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，至多 `n` 次。 - **贪婪与非贪婪匹配**：默认情况下，重复元字符是贪婪的，会尽可能多地匹配。使用 `?` 可以使其变为非贪婪匹配，尽可能少地匹配。 - **字符类**：使用 `[]` 定义字符类，匹配其中的任意一个字符。`\d`, `\w`, `\s` 等特殊序列分别匹配数字、字母数字字符和空白字符。 ### 2. **正则表达式在 Python 中的使用** - **`re` 模块**：Python 通过 `re` 模块提供正则表达式功能。正则表达式需先编译为模式对象，然后进行匹配、搜索、替换等操作。 - **编译正则表达式**：使用 `re.compile()` 将正则表达式编译为模式对象，并可指定标志如 `re.IGNORECASE` 来启用特殊功能。 - **反斜杠问题**：由于 Python 字符串中的反斜杠有特殊含义，正则表达式中的反斜杠需双重转义，或使用原始字符串 `r""` 来避免转义问题。 ### 3. **匹配与搜索** - **`match()` 与 `search()`**：`match()` 只在字符串开头匹配，而 `search()` 会扫描整个字符串寻找匹配。 - **分组与命名分组**：使用 `()` 捕获分组，`(?P...)` 创建命名分组，便于后续引用。 - **前视断言**：`(?=...)` 和 `(?!...)` 分别表示肯定型和否定型前视断言，用于匹配符合或不符合条件的文本，但不消耗字符。 ### 4. **字符串操作** - **`split()`**：根据正则表达式匹配的位置拆分字符串。 - **`sub()` 与 `subn()`**：替换匹配的子字符串，`subn()` 还返回替换次数。 - **替换函数**：`sub()` 可以接受一个函数作为替换参数，函数根据匹配对象返回替换字符串。 ### 5. **常见问题与优化** - **字符串方法替代**：对于简单的固定字符串操作，使用字符串方法如 `replace()` 通常比正则表达式更快。 - **贪婪与非贪婪匹配**：在处理 HTML/XML 等复杂文本时，非贪婪匹配可以避免匹配过多内容。 - **`re.VERBOSE` 标志**：使用该标志可以使正则表达式更易读，允许添加注释和忽略非字符类中的空格。 ### 6. **编译标志** - **常用标志**：如 `re.IGNORECASE`（忽略大小写）、`re.MULTILINE`（多行匹配）、`re.DOTALL`（`.` 匹配换行符）等，可修改正则表达式的行为。 ### 7. **总结** 正则表达式是处理文本的强大工具，但在使用时需注意其复杂性和性能问题。对于简单任务，优先考虑字符串方法；对于复杂匹配，合理使用正则表达式，并注意贪婪与非贪婪匹配的区别。通过 `re.VERBOSE` 标志可以提高正则表达式的可读性，便于维护和调试。 这篇文档为 Python 开发者提供了从基础到高级的正则表达式使用指南，帮助开发者高效处理文本匹配与操作。