Python 正则表达式操作指南概要1.doc

Python 正则表达式操作指南 本文是通过Python的 re 模块来使用正则表达式的一个入门教程，和库参考手册的对应章节相比，更为浅显易懂、循序渐进。 原文作者：A.M. Kuchling （amk@amk.ca） 授权许可：创作共享协议 翻译人员：FireHare 校对人员：Leal 适用版本：Python 1.5 及后续版本 Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%93%8D%E4%BD%9C%E6%8C%87%E5%8D%97#.E7.BC.96.E8.AF.91.E6.AD.A3.E5.88.99.E8.A1.A8.E8.BE.BE.E5.BC.8F [隐藏] 1.1 简介 2.2 简单模式 1.2.1 字符匹配 2.2.2 重复 3.3 使用正则表达式 1.3.1 编译正则表达式 2.3.2 反斜杠的麻烦 3.3.3 执行匹配 4.3.4 模块级函数 5.3.5 编译标志 4.4 更多模式功能 1.4.1 更多的元字符 2.4.2 分组 3.4.3 无捕获组和命名组 4.4.4 前向界定符 5.5 修改字符串 1.5.1 将字符串分片 2.5.2 搜索和替换 6.6 常见问题 1.6.1 使用字符串方式 2.6.2 match() vs search() 3.6.3 贪婪 vs 不贪婪 4.6.4 不用 re.VERBOSE 7.7 反馈 8.8 关于本文档 [编辑] 简介 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 Emacs 风格的模式。Emacs 风格模式可读性稍差些，而且功能也不强，因此编写新代码时尽量不要再使用 regex 模块，当然偶尔你还是可能在老代码里发现其踪影。 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。使用这个小型语言，你可以为想要匹配的相应字符串集指定规则；该字符串集可能包含英文语句、e-mail地址、TeX命令或任何你想搞定的东西。然后你可以问诸如“这个字符串匹配该模式吗？”或“在这个字符串中是否有部分匹配该模式呢？”。你也可以使用 RE 以各种方式来修改或分割字符串。 正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。在高级用法中，也许还要仔细留意引擎是如何执行给定 RE ，如何以特定方式编写 RE 以令生产的字节码运行速度更快。本文并不涉及优化，因为那要求你已充分掌握了匹配引擎的内部机制。哈哈 正则表达式语言相对小型和受限（功能有限），因此并非所有字符串处理都能用正则表达式完成。当然也有些任务可以用正则表达式完成，不过最终表达式会变得异常复杂。碰到这些情形时，编写 Python 代码进行处理可能反而更好；尽管 Python 代码比一个精巧的正则表达式要慢些，但它更易理解。 [编辑] 简单模式 我们将从最简单的正则表达式学习开始。由于正则表达式常用于字符串操作，那我们就从最常见的任务：字符匹配 下手。 有关正则表达式底层的计算机科学上的详细解释（确定性和非确定性有限自动机），你可以查阅编写编译器相关的任何教科书。 字符匹配 大多数字母和字符一般都会和自身匹配。例如，正则表达式 test 会和字符串“test”完全匹配。（你也可以使用大小写不敏感模式，它还能让这个 RE 匹配“Test”或“TEST”；稍后会有更多解释。） 这个规则当然会有例外；有些字符比较特殊，它们和自身并不匹配，而是会表明应和一些特殊的东西匹配，或者它们会影响到 RE 其它部分的重复次数。本文很大篇幅专门讨论了各种元字符及其作用。 这里有一个元字符的完整列表；其含义会在本指南馀下部分进行讨论。 . ^ $ * + ? { [ ] \ | ( ) 我们首先考察的元字符是[ 和 ]。它们常用来指定一个字符类别，所谓字符类别就是你想匹配的一个字符集。字符可以单个列出，也可以用“-”号分隔的两个给定字符来表示一个字符区间。例如，[abc] 将匹配a, b, 或 c中的任意一个字符；也可以用区间[a-c]来表示同一字符集，和前者效果一致。如果你只想匹配小写字母，那么 RE 应写成 [a-z]. 元字符在类别里并不起作用。例如，[akm$]将匹配字符a, k, m, 或 $ 中的任意一个；$通常用作元字符，但在字符类别里，其特性被除去，恢复成普通字符。 你可以用补集来匹配不在区间范围内的字符。其做法是把^作为类别的首个字符；其它地方的^只会简单匹配 ^字符本身。例如，[^5] 将匹配除