正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串
正则表达式的作用
- 给定的字符串是否符合指定正则表达式的过滤逻辑，即匹配（例如Email地址检测，电话号码合法性判断等）
- 根据正则表达式从指定字符串中捕获特定的信息（例如从文章中获取所有含有a字母的单词）
- …
正则表达式的特点
- 灵活性、逻辑性、功能性非常强大
- 以极简的方式控制复杂的字符串
- 可读性差，对初学者晦涩难懂
- …
正则表达式语法（包括Python的专用扩展）
正则表达式由普通字符和元字符两大部分组成，而元字符相当于正则表达式的游戏规则，是其灵魂所在.因此，要掌握正则表达式在表达什么，最关键的就是要弄懂它的元字符的作用规则.
一般字符
.(点号)
匹配除了换行符之外的任意字符，在DOTALL模式下可以匹配换行符
例如：a.cd 匹配 abcd
\(反斜杠)
转义字符，它可能是最重要的元字符，一来它可以给后面的字符赋予特殊的意义，二来又能把元字符恢复原意
例如：\\匹配 \自身，\* 匹配 星号
[ ]（方括号）
字符集合，匹配字符集包含的任意字符，字符集可以逐个列出（[abcdefg]），也可以用区间表示([a-g])，如果第一个字符是^则表示一个负值字符集，意思就是匹配不包含本字符集的其他字符
例如：b[aiu]g 匹配 bag 、big 、 bug
预定义字符集
\d
匹配一个数字，等价于[0-9]
例如：a\db 匹配 a1b、a2b等
\D
匹配一个非数字字符，等价于[^0-9]
\s
匹配任何不可见字符，包括空格、制表符、换页符等等. 等价于[ \f\n\r\t\v]
例如：a\sc 匹配 a c
\S
匹配任何可见字符.等价于[^ \f\n\r\t\v]
\w
匹配单词字符和下划线. 等价于[a-zA-Z0-9_]
例如：a\wc 匹配 a1c , abc , aac , a9c, azc …
\W
匹配非单词字符.等价于[^a-zA-Z0-9_]
数量词
{n}
n为非负整数，匹配前面一个表达式n次
例如：a{2}c 匹配 aac 但不匹配 ac
{n,m}
n,m为非负整数，n<=m，匹配前面的一个表达式n至m次，其中n或m可以省略其中一个，n省略则匹配0~m次，m省略则匹配0~无限次
例如：a{1,3}c 匹配 ac、aac、aaac
*
匹配前面一个表达式0次或多次.等价于{0,}
例如：a*c 匹配 c、ac、aac、aaac、….
+
匹配前面一个表达式1次或无限次.等价于{1,}
例如：a+c 匹配 ac、aac…..
?
匹配前面一个表达式0次或1次.等价于{0,1}
例如：a?c 匹配 c 和 ac
*、+、？、{n,m}在Python中默认是贪婪的，即总是尝试匹配尽可能多，例如用 a\d+ 查找字符串 a1234abcd 则匹配到 a1234，而 ？可以使其变为非贪婪，即尽可能少匹配，例如用 a\d+? 查找字符串 a1234abcd 则匹配到 a1
边界匹配
^
匹配字符串的开头，或多行模式下匹配每一行的开头
例如：用 ^abc\d+ 查找 abc123abc456 将匹配到 abc123
$
匹配字符串的结尾，或多行模式下匹配每一行的结尾
例如：用 abc\d+$ 查找 abc123abc456 将匹配到 abc456
\A
匹配字符串的开头，在非多行模式下其实和^是一样的，在多行模式下它只会匹配全文的开头
\Z
匹配字符串的结尾，在非多行模式下其实和$是一样的，在多行模式下它只会匹配全文的结尾
\b
这是一个零宽界定符，不占任何位置，用于表示单词边界即词首或词尾
例如：用 \w+e\b 查找 english apple years 的结果是 apple
\B
这是一个零宽界定符，不占任何位置，用于表示非单词边界
例如：用 \w+e\w* 查找 english apple years 的结果是 apple 和 years
例如：用 \w+e\B\w* 查找 english apple years 的结果是 years
例如：用 \w+e\B 查找 english apple years 的结果是 ye
逻辑分组
|
将两个匹配条件进行逻辑“或”（Or）运算
例如：\w*b|\w*c 将匹配 字符串 “ abd acd ” 中的 ab 和 ac
(表达式)
括号内的表达式作为一个分组，一个正则表达式可以包含多个分组，从左至右分别用编号1,2,3…9表示各个分组，分组后可以接数量词*、+、?、{n}…等，另外表达式中的 | 只对分组内有效
例如：(abcd){3} 匹配 abcdabcdabcd
(?P<name>表达式)
命名分组，这是一个python扩展语法，它为分组指定了一个name的分组名
例如：(?P<id>abcd)
(?P=name)
对命名分组的逆向引用，即引用名为name的这个分组的匹配结果，这是一个python扩展语法
例如：(?P<age>\d+)Jack(?P=age) 匹配 19Jack19
\<number>
引用指定编号的分组匹配结果
例如：(\d+)abcd\1 匹配 10abcd10
特殊构造(不作为分组)
(?:表达式)
括号内的表达式不作为分组，没有分组编号，但可以后接数量词，表达式中可以有“或逻辑”
(?iLmsux)
iLmsux每个字符代表一种匹配模式，只能写在正则表达式的开头，可以同时选择多种匹配模式
例如：(?i)abc 忽略大小写，匹配 ABC 、aBC …
(?#…)
#后面…是注释内容
例如：\d+(?#number)abc 匹配 123abc
(?=表达式)
正向肯定预查，之后的字符必须要匹配表达式才能匹配成功，它不会消耗匹配的字符串，只作为肯定.
例如：windows(?=98|2000|xp|7) 可以匹配 windows2000 的 windows 并且2000这个字符串不会被消耗，但是不会匹配 windows8 的 windows.
(?!表达式)
正向否定预查，之后的字符必须要不匹配表达式才视为有效，它不会消耗匹配的字符串，只作为否定.
例如：windows(?!98|2000|xp|7) 可以匹配 windows8 的 windows 并且8这个字符串不会被消耗，但是不会匹配 windows2000 的 windows.
(?<=表达式)
反向肯定预查，与正向类似只是方向相反（我仿佛在逗你!）
例如：(?<=\d+)abc 匹配 前面是数字的abc
(?<!\d+)
反向否定预查，与正向类似只是方向相反
例如：(?<!\d+)abc 匹配 前面不是数字的abc
Python如何使用正则表达式
请参考我的另一篇文章 Python正则表达式的使用（re模块）