目录
一、概述
正则表达式是一种强大的字符串匹配工具，通过定义搜索模式，可以在文本中搜索、替换符合条件的字符串。在 Python 中，正则表达式模块由 re 提供支持。本文将详细介绍正则表达式的语法、常用函数和高级用法。
二、基本概念
模式字符串
正则表达式由模式字符串定义，它包含了正则表达式的语法和符号。
原始字符串
建议使用原始字符串（前面带有r的字符串）来表示模式字符串，这样可以避免转义字符带来的混淆。
pattern = r'\bfoo\b'
编译正则表达式
虽然可以直接使用正则表达式，但编译正则表达式可以提高效率，尤其是在多次使用同一表达式时。
compiled_pattern = re.compile(r'\bfoo\b')
三、正则表达式的基本模式匹配
字符匹配
锚点
量词
四、常用函数
re.match()
re.match()函数从字符串的开始处匹配正则表达式。如果匹配成功，返回一个匹配对象；否则返回None。
match = re.match(r'\d+', '123abc')
if match:
print('Found:', match.group(0))
re.search()
re.search()函数在整个字符串中搜索匹配的正则表达式，返回第一个匹配对象。
search = re.search(r'\d+', 'abc123def')
if search:
print('Found:', search.group(0))
re.findall()
re.findall()函数返回字符串中所有匹配正则表达式的部分的列表。
findall = re.findall(r'\d+', '123abc456def')
print('All matches:', findall)
re.finditer()
re.finditer()函数返回一个迭代器，其中包含字符串中所有匹配正则表达式的部分。
for match in re.finditer(r'\d+', '123abc456def'):
print('Found:', match.group(0))
re.sub()
re.sub()函数用于替换字符串中匹配正则表达式的部分。
replaced = re.sub(r'\d+', 'number', '123abc456def')
print('Replaced:', replaced)
五、高级主题
分组和捕获
使用圆括号进行分组，可以在后面引用这些分组。
grouped = re.search(r'(\d+).+(\d+)', '123abc456def')
if grouped:
print('First group:', grouped.group(1))
print('Second group:', grouped.group(2))
非贪婪匹配
在Python的re模块中，正则表达式默认是贪婪匹配。这意味着在进行匹配时，正则表达式会尽可能地匹配更多的字符。
在量词(*, +, ?, {n,m})后面加上?，可以进行非贪婪匹配，即尽可能少地匹配字符。
nongreedy = re.search(r'\d+?', '123abc')
if nongreedy:
print('Non-greedy match:', nongreedy.group(0))
前瞻和后顾（零宽断言）
使用前瞻和后顾可以在不包含在匹配中的情况下，断言此位置前后是否能匹配模式。
- 正前瞻
(?=...)：匹配...前面的位置。 - 负前瞻
(?!...)：匹配不在...前面的位置。 - 正后顾
(?<=...)：匹配...后面的位置。 - 负后顾
(?<!...)：匹配不在...后面的位置。
lookahead = re.search(r'\d(?=\D)', '123abc')
if lookahead:
print('Lookahead match:', lookahead.group(0))
六、编译正则表达式
re.compile()
re.compile() 函数是 re 模块中的一个重要函数，它用于将正则表达式的字符串形式编译成一个 Pattern 对象。预编译可以让你在后续的查找或匹配中重复使用该正则表达式，而无需每次使用时都重新编译，这样可以提高效率。
import re
# 将正则表达式编译成Pattern对象
pattern = re.compile(r'\d+') # 匹配一个或多个数字
# 使用Pattern对象进行匹配
match_result = pattern.match('123abc')
if match_result:
print(match_result.group()) # 输出：123
search_result = pattern.search('abc123def')
if search_result:
print(search_result.group()) # 输出：123
# 使用Pattern对象查找所有匹配项
findall_result = pattern.findall('123abc456def')
print(findall_result) # 输出：['123', '456']
# 使用Pattern对象进行迭代查找
for match in pattern.finditer('123abc456def'):
print(match.group()) # 输出：123 然后 456
# 使用Pattern对象替换字符串中的模式
sub_result = pattern.sub("#", '123abc456def')
print(sub_result) # 输出：#abc#def
re.compile() 函数接受一个额外的标志参数 flags，这些标志可以改变正则表达式的工作方式。例如：
re.IGNORECASE或re.I：忽略大小写。re.MULTILINE或re.M：多行模式，改变^和$的行为。re.DOTALL或re.S：使.匹配任何字符，包括换行符。
例如，如果我们想让正则表达式忽略大小写，可以这样编译它：
pattern = re.compile(r'[a-z]+', re.I)
这个编译后的 Pattern 对象可以用来匹配任意字母序列，不论大小写。
七、错误处理
使用re模块时，可能会遇到re.error异常，通常是因为正则表达式的语法错误。
try:
re.search(r'(\d', '123abc') # 缺少闭合的圆括号
except re.error as e:
print('Regex error:', e)
这个简介涵盖了Python中re模块的基本使用和主要功能。要精通正则表达式，需要大量的练习和对复杂文本模式的理解。正则表达式是一个强大的工具，但也需要谨慎使用，因为复杂的表达式可能难以维护和理解。