Python re模块如何进行高效的正则表达式匹配？

本文共计13324个文字，预计阅读时间需要54分钟。

这个模块提供了与Perl语言类似的正则表达式匹配操作。模式可以是Unicode字符串（如str）或8位字节串（如bytes）。但Unicode字符串与8位字节串不能直接匹配。

这个模块提供了与 Perl 语言类似的正则表达式匹配操作。

模式和被搜索的字符串既可以是 Unicode 字符串 (​​str​​​) ，也可以是8位字节串 (​​bytes​​)。 但是，Unicode 字符串与8位字节串不能混用：也就是说，你不能用一个字节串模式去匹配 Unicode 字符串，反之亦然；类似地，当进行替换操作时，替换字符串的类型也必须与所用的模式和搜索字符串的类型一致。

正则表达式使用反斜杠（​​'\'​​​）来表示特殊形式，或者把特殊字符转义成普通字符。 而反斜杠在普通的 Python 字符串里也有相同的作用，所以就产生了冲突。比如说，要匹配一个字面上的反斜杠，正则表达式模式不得不写成​​'\\\\'​​​，因为正则表达式里匹配一个反斜杠必须是​​\\​​​，而每个反斜杠在普通的 Python 字符串里都要写成​​\\​​。

解决办法是对于正则表达式样式使用 Python 的原始字符串表示法；在带有​​'r'​​​前缀的字符串字面值中，反斜杠不必做任何特殊处理。 因此​​r"\n"​​​表示包含​​'\'​​​和​​'n'​​​两个字符的字符串，而​​"\n"​​则表示只包含一个换行符的字符串。 样式在 Python 代码中通常都会使用这种原始字符串表示法来表示。

绝大部分正则表达式操作都提供为模块函数和方法，在​​编译正则表达式​​. 这些函数是一个捷径，不需要先编译一个正则对象，但是损失了一些优化参数。