代码示例：

def find_all_indexes(text, char):
    indexes = []
    index = 0
    while index < len(text):
        if text[index] == char:
            indexes.append(index)
        index += 1
    return indexes

# 使用示例
sample_text = "Python programming is powerful and Pythonic."
char_to_find = 'P'
result = find_all_indexes(sample_text, char_to_find)
print(f"字符 '{char_to_find}' 的索引位置: {result}")
# 输出: 字符 'P' 的索引位置: [0, 18]

方法特点：

• 易于理解和实现
• 适用于初学者
• 可以轻松修改以查找子字符串

代码示例：

def find_indexes_comprehension(text, char):
    return [index for index, c in enumerate(text) if c == char]

# 使用示例
sample_text = "List comprehensions are concise and Pythonic."
char_to_find = 'c'
result = find_indexes_comprehension(sample_text, char_to_find)
print(f"字符 '{char_to_find}' 的索引位置: {result}")
# 输出: 字符 'c' 的索引位置: [5, 11, 14, 22, 33]

方法特点：

• 代码简洁，一行实现
• 使用enumerate()函数同时获取索引和字符
• Pythonic风格，推荐使用

代码示例：

import re

def find_indexes_regex(text, char):
    return [match.start() for match in re.finditer(char, text)]

# 使用示例
sample_text = "Regular expressions are powerful for pattern matching."
char_to_find = 'e'
result = find_indexes_regex(sample_text, char_to_find)
print(f"字符 '{char_to_find}' 的索引位置: {result}")
# 输出: 字符 'e' 的索引位置: [1, 8, 12, 18, 24, 35, 41]

方法特点：

• 支持复杂模式匹配（不只是单个字符）
• 高效处理大文本
• 提供更多匹配信息（如匹配对象）

代码示例：

def find_indexes_recursive(text, char, start=0):
    index = text.find(char, start)
    if index == -1:
        return []
    return [index] + find_indexes_recursive(text, char, index + 1)

# 使用示例
sample_text = "Recursive solutions can be elegant."
char_to_find = 'e'
result = find_indexes_recursive(sample_text, char_to_find)
print(f"字符 '{char_to_find}' 的索引位置: {result}")
# 输出: 字符 'e' 的索引位置: [1, 3, 15, 20, 29]

方法特点：

• 函数式编程风格
• 避免显式循环
• 适用于学习递归概念

方法	优点	缺点	适用场景
循环遍历	简单直观，易理解	代码较长，效率较低	初学者学习，小字符串
列表推导式	简洁高效，Pythonic	对初学者可能不够直观	大多数情况，中等长度字符串
正则表达式	支持复杂模式，功能强大	学习曲线较陡，可能过度	复杂模式匹配，大文本处理
递归函数	概念优雅，函数式风格	可能栈溢出，效率问题	学习递归，小规模数据

最佳实践建议：

• 对于大多数情况，列表推导式是最佳选择，简洁高效
• 处理复杂模式或大文本时，考虑使用正则表达式
• 教学场景可以使用循环遍历方法帮助理解
• 注意Python字符串是不可变的，所有方法返回新列表
• 考虑大小写敏感问题：Python默认区分大小写