python-正则re模块详解.doc

Python自1.5版本起增加了re模块，它提供 Perl 风格的正则表达式模式。Python 1.5 之前版本则是通过regex模块提供 Emecs 风格的模式。 就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在 Python 中）它内嵌在 Python 中，并通过 re 模块实现。 Python的正则表达式是通过内置的`re`模块实现的，从1.5版本开始引入，提供了Perl风格的正则表达式模式。在之前的版本中，Python使用`regex`模块提供Emacs风格的模式，但因其可读性和功能限制，现在推荐使用`re`模块。正则表达式是一种高度专业化的、小型的编程语言，它内嵌在Python中，允许用户定义规则以匹配特定的字符串集，比如英语句子、电子邮件地址或任何其他格式的文本。 在Python中，正则表达式模式被编译成字节码，由C语言编写的匹配引擎执行。虽然正则表达式非常强大，但并非所有字符串处理任务都适合使用正则表达式，有时候使用Python代码进行处理会更加清晰和易于理解，尤其是在处理复杂的逻辑时。 简单模式是正则表达式的入门基础，主要涉及字符匹配。大部分字符匹配自身，但有一些特殊字符，称为元字符，具有特殊含义，例如`.`, `^`, `$`, `*`, `+`, `?`, `{`, `[`, `]`, `\`, `|`, `(`, `)`。其中，`[`和`]`用于创建字符类别，匹配指定字符集。例如，`[abc]`匹配'a', 'b', 或 'c'，`[a-z]`匹配所有小写字母。元字符在字符类别中失去其特殊性，如`[akm$]`匹配'a', 'k', 'm'或'$'。 元字符`\`在正则表达式中起到取消特殊字符含义的作用，如`\[`匹配'[', `\\`匹配'\'。预定义的字符集如`\d`匹配任何数字，`\D`匹配非数字，`\s`匹配空白字符，`\S`匹配非空白字符，`\w`匹配字母数字字符，`\W`匹配非字母数字字符。这些预定义字符集可以帮助简化模式。 `.`是另一个重要的元字符，它匹配任何非换行符的字符，在`re.DOTALL`模式下，`.`甚至可以匹配换行符。 正则表达式还支持重复，允许匹配不定数量的字符。例如，`*`表示零个或多个前一个字符，`+`表示一个或多个，`?`表示零个或一个，`{n}`表示恰好n次，`{n,}`表示至少n次，`{n,m}`表示n到m次。 这只是正则表达式的基本概念，实际应用中还有更复杂的构造，如分组、选择、位置匹配等，这些允许更精细的字符串匹配和提取。正则表达式虽然功能强大，但也可能导致代码难以理解和维护，因此在使用时需权衡其复杂度与实用性。