Python 正则表达式：核心元字符、预定义字符集与对象方法详解

Python 正则表达式核心语法与对象方法详解

1. 元字符基础 点号（.）用于匹配除换行符以外的任意字符；若启用 alternate 模式（即 re.DOTALL 标志），它也能匹配换行符。 脱字符（^）用于匹配字符串的起始位置；除非设置 MULTILINE 标志，否则它仅匹配整个字符串的开始处。 美元符号（$）用于匹配字符串的结束位置，或者换行符之后的位置。 星号（*）表示前面的元素可以重复 0 次或多次。 加号（+）表示前面的元素可以重复 1 次或多次。 问号（?）表示前面的元素可以重复 0 次或 1 次。 花括号（{}）作为限定符，指定前面的元素至少重复 m 次，最多重复 n 次。 方括号（[]）用于指定一个字符集合，即匹配集合中的任意一个字符。 反斜杠（\）后接不同字符可表示特殊含义，也可用于转义所有元字符，使其在模式中匹配自身。 竖线（|）表示“或”操作，即匹配左侧或右侧的模式。 圆括号（()）用于定义分组。 2. 字符类别示例 例如 [akm$] 将匹配字符 "a"、"k"、"m" 或 "$" 中的任意一个；虽然 "$" 通常作为元字符使用，但在字符类别内部，其特殊含义被移除，恢复为普通字符。 3. 预定义字符集与边界符 以反斜杠开头的特殊字符表示预定义的字符集合： \d 匹配任何十进制数字，等价于类 [0-9]。 \D 匹配任何非数字字符，等价于类 [^0-9]。 \s 匹配任何空白字符，等价于类 [ \t\n\r\f\v]。 \S 匹配任何非空白字符，等价于类 [^\t\n\r\f\v]。 \w 匹配任何字母数字字符及下划线，等价于类 [a-zA-Z0-9_]。 \W 匹配任何非字母数字字符及非下划线字符，等价于类 [^a-zA-Z0-9_]。 \A 仅匹配字符串的绝对起始位置；在 MULTILINE 模式之外，\A 与 ^ 效果相同；但在 MULTILINE 模式下，\A 只匹配字符串开头，而 ^ 还可以匹配换行符后的位置。 \Z 仅匹配字符串的绝对结束位置。 \b 表示单词边界，这是一个零宽断言，用于匹配单词的词首和词尾。单词被定义为字母数字序列，因此词尾由空白符或非字母数字字符标识。 \B 是另一个零宽断言，与 \b 相反，仅在当前位置不在单词边界时匹配。 4. 重复元字符总结 * 表示重复 0 次或多次。 + 表示重复 1 次或多次。 ? 表示重复 0 次或 1 次。 {m,n} 其中 m 和 n 为十进制整数，表示前面的元素至少重复 m 次，最多重复 n 次。 5. RegexObject 对象常用方法 match()：判断正则表达式是否在字符串的起始位置匹配。 search()：扫描整个字符串，找到第一个匹配正则表达式的位置。 findall()：查找正则表达式匹配的所有子串，并以列表形式返回。 finditer()：查找正则表达式匹配的所有子串，并以迭代器形式返回。 6. MatchObject 对象常用方法 group()：返回被正则表达式匹配的字符串部分。 start()：返回匹配开始的位置索引。 end()：返回匹配结束的位置索引。 span()：返回一个元组，包含匹配的起始和结束位置 (start, end)。 7. 编译标志说明 DOTALL (S)：使点号（.）能够匹配包括换行符在内的所有字符。 IGNORECASE (I)：使匹配过程忽略大小写。 LOCALE (L)：执行本地化识别（locale-aware）匹配。 MULTILINE (M)：启用多行匹配，影响 ^ 和 $ 的行为。 VERBOSE (X)：允许使用 verbose 模式编写正则表达式，使表达式结构更清晰、易读。