正则表达式(Regular Expression)是一种强劲的文本处理工具，Python通过re模块提供正则表达式支持。下面详细介绍正则表达式模式字符串的各个组成部分。

1. 基本匹配

普通字符

大多数普通字符（字母、数字）会直接匹配它们自身：

re.search(r'abc', 'abcdef')  # 匹配 'abc'

特殊字符

这些字符在正则表达式中有特殊含义，需要转义：

. ^ $ * + ? { } [ ]  | ( )

要匹配这些字符本身，需要在前面加反斜杠：

re.search(r'.', 'a.b')  # 匹配 '.'

2. 字符类

方括号表达式[]

匹配方括号中的任意一个字符：

re.search(r'[aeiou]', 'hello')  # 匹配 'e'

• [abc]：匹配a、b或c
• [a-z]：匹配任意小写字母
• [0-9]：匹配任意数字
• [^abc]：匹配不是a、b或c的字符

预定义字符类

3. 量词

量词指定前面元素出现的次数：

贪婪与非贪婪

默认是贪婪匹配（尽可能多匹配），在量词后加?变为非贪婪（尽可能少匹配）：

re.search(r'a.*b', 'axbxb')   # 匹配 'axbxb'（贪婪）
re.search(r'a.*?b', 'axbxb')  # 匹配 'axb'（非贪婪）

4. 位置锚点

示例：

re.search(r'^hello', 'hello world')  # 匹配
re.search(r'world$', 'hello world')  # 匹配
re.search(r'Python', 'I love Python!')  # 匹配

5. 分组与捕获

基本分组()

re.search(r'(ab)+', 'ababab')  # 匹配 'ababab'

非捕获分组(?:…)

分组但不捕获：

re.search(r'(?:ab)+', 'ababab')  # 匹配但不捕获分组

命名分组(?P<name>…)

m = re.search(r'(?P<year>d{4})-(?P<month>d{2})', '2023-05')
print(m.group('year'))   # '2023'
print(m.group('month'))  # '05'

6. 特殊构造

示例：

# 正向预查 - 匹配后面跟着.com的www
re.search(r'www(?=.com)', 'www.google.com')  # 匹配 'www'

# 反向预查 - 匹配前面有$的数字
re.search(r'(?<=$)d+', '价格: $100')  # 匹配 '100'

7. 标志修饰符

可以通过flags参数或内联标志使用：

内联标志示例：

re.search(r'(?i)python', 'PYTHON')  # 匹配，忽略大小写

8. 常用模式示例

邮箱地址

r'[w.-]+@[w.-]+.w+'

URL

r'https?://(?:[-w.]|(?:%[da-fA-F]{2}))+'

IP地址

r'(?:d{1,3}.){3}d{1,3}'

HTML标签

r'<[^>]+>'

中文匹配

r'[u4e00-u9fa5]+'

9. 性能优化提议

1. 预编译正则表达式：

pattern = re.compile(r'd+')
pattern.search('abc123')

2. 使用非捕获分组：当不需要捕获分组内容时
3. 避免过度使用.：尽量使用更具体的字符类
4. 避免回溯过多：如.*后面接具体匹配时思考使用非贪婪模式
5. 使用原子组（Python 3.11+）：

r'(?>ab|a)c'  # 原子组，一旦匹配不会回溯

掌握这些正则表达式模式将极大提升你的文本处理能力，适用于数据清洗、日志分析、表单验证等多种场景。