Python 2.7.18 正则表达式 HOWTO

**《Python 2.7.18 正则表达式 HOWTO》总结** 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，提供了比标准库更平和的介绍。以下是核心内容： ### 1. **概述** - **正则表达式**（RE）是一种嵌入 Python 的微型编程语言，用于匹配、修改或拆分字符串。 - `re` 模块提供 Perl 风格的正则表达式，早期的 `regex` 模块已在 Python 2.5 中移除。 - 正则表达式模式被编译为字节码，由 C 编写的匹配引擎执行。复杂的正则表达式可能需要优化，但本文档未涉及。 ### 2. **简单模式** - **匹配字符**：大多数字符匹配自身，但元字符（如 `.`, `^`, `$` 等）有特殊功能。 - **字符类**：使用 `[]` 定义字符类，如 `[abc]` 匹配 `a`、`b` 或 `c`，`[a-z]` 匹配所有小写字母。 ### 3. **正则表达式的基本使用** - **编译正则表达式**：使用 `re.compile()` 编译正则表达式，可传入 `flags` 参数（如 `re.IGNORECASE`）启用特殊功能。 - **反斜杠问题**：正则表达式中的反斜杠需要转义，建议使用原始字符串（如 `r"\n"`）避免转义混乱。 - **匹配方法**：`match()` 从字符串开头匹配，`search()` 扫描整个字符串，`findall()` 返回所有匹配，`finditer()` 返回迭代器。 ### 4. **高级模式功能** - **更多元字符**：如 `|` 表示“或”，`^` 匹配行首，`$` 匹配行尾。 - **分组与捕获**：使用 `()` 进行分组，捕获组可用于提取匹配的子字符串。 - **非捕获组与命名组**：`(?:...)` 为非捕获组，`(?P...)` 为命名组，可通过名称引用组。 ### 5. **字符串修改** - **拆分字符串**：使用 `split()` 方法按正则表达式匹配拆分字符串。 - **替换字符串**：使用 `sub()` 和 `subn()` 方法替换匹配的子字符串，`sub()` 返回新字符串，`subn()` 还返回替换次数。 ### 6. **常见问题** - **贪婪与非贪婪匹配**：默认情况下，重复操作符（如 `*`）是贪婪的，尽可能多地匹配。使用 `*?` 或 `+?` 实现非贪婪匹配。 - **正则表达式的局限性**：正则表达式不适合处理复杂的 HTML 或 XML，建议使用专门的解析器。 ### 7. **使用 `re.VERBOSE`** - **提高可读性**：`re.VERBOSE` 标志允许在正则表达式中添加空格和注释，使复杂的正则表达式更易读。 ### 8. **反馈** - 本文档旨在帮助理解正则表达式，作者欢迎反馈和改进建议。更深入的学习可参考 Jeffrey Friedl 的《Mastering Regular Expressions》。 ### 总结 本文档详细介绍了 Python 中正则表达式的基本和高级用法，涵盖了字符匹配、分组、字符串修改等核心功能，并提供了常见问题的解决方案。通过 `re.VERBOSE` 标志，复杂的正则表达式可以更易读。正则表达式虽然强大，但在处理复杂文本时，使用专门的解析器可能更为合适。