正则表达式需理解底层匹配机制：回溯是nfa引擎正常行为，贪婪/惰性决定尝试顺序，锚点依赖上下文，分组本质是结构控制与捕获。
正则表达式不是“写出来就能用”，而是“理解匹配逻辑才能写对”。 第49讲的重点，不在于堆砌语法符号，而在于打通底层匹配机制——回溯、贪婪/惰性、锚点作用域、分组捕获的本质。这些原理一旦模糊，遇到复杂文本就只能靠试错和查文档。
回溯不是bug，是NFA引擎的正常工作方式
Python的re模块基于NFA（非确定性有限自动机），遇到量词（如*、+、{2,5}）会先尽可能多地匹配（贪婪），再根据后续模式是否满足，决定是否“退回一步”重试——这就是回溯。
- 回溯次数爆炸会导致性能骤降，比如
a+b+.*c匹配"a" * 100 + "b" * 100 + "d"可能卡住 - 用
re.compile(..., re.DEBUG)可查看编译后的匹配步骤，直观看到回溯过程 - 优化方向：避免嵌套量词、用原子组
(?>...)（需regex模块）、或改写为更明确的结构
贪婪与惰性，本质是“尝试顺序”的差异
所谓“贪婪”（.*）不是它想多拿，而是引擎默认从最长可能开始试；“惰性”（.*?）则是从最短（甚至零宽）开始试。两者都依赖回溯来达成目标，只是起点不同。
- 别迷信
.*?万能：在href="(.*?)".*?title="(.*?)"中，如果引号不配对，仍可能跨标签错误捕获 - 更稳的做法是排除特定字符：
href="([^"]*)"比href="(.*?)"更可靠 - 惰性修饰符只影响它左边的量词，
a+?匹配"aaa"仍得三个a，因为+至少要一次
锚点和边界，决定“在哪里开始/结束匹配”
^、$、\b、\B不消耗字符，只断言位置。它们的效果高度依赖re.MULTILINE和字符串上下文。
立即学习“Python免费学习笔记（深入）”；
-
^在MULTILINE下匹配每行开头，否则只匹配整个字符串开头 -
\b是单词边界（\w与\W或字符串边缘之间），cat\b能匹配"cat"和"cats"中的"cat"，但不匹配"scatter" - 想匹配完整单词？优先用
r'\bcat\b'，而不是'cat'加空格——空格不一定存在，而边界更鲁棒
分组不只是提取，更是控制结构和复用单元
圆括号()创建捕获组，编号按左括号出现顺序；(?:...)是非捕获组，仅用于逻辑分组；(?P<name>...)</name>是命名组，提升可读性。
- 捕获组会影响
re.match().groups()结果顺序，也影响反向引用\1、\2 - 命名组让代码更清晰：
re.search(r'(?P<year>\d{4})-(?P<month>\d{2})', s)</month></year>→m.group('year') - 避免过度嵌套分组：一个正则里超过3层嵌套，建议拆成多个步骤处理
