轉自：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

1. 正則表示式基礎

1.1. 簡單介紹

正則表示式並不是Python的一部分。正則表示式是用於處理字串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益於這一點，在提供了正則表示式的語言裡，正則表示式的語法都是一樣的，區別只在於不同的程式語言實現支援的語法數量不同；但不用擔心，不被支援的語法通常是不常用的部分。如果已經在其他語言裡使用過正則表示式，只需要簡單看一看就可以上手了。

下圖展示了使用正則表示式進行匹配的流程： 

正則表示式的大致匹配過程是：依次拿出表示式和文字中的字元比較，如果每一個字元都能匹配，則匹配成功；一旦有匹配不成功的字元則匹配失敗。如果表示式中有量詞或邊界，這個過程會稍微有一些不同，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白。

下圖列出了Python支援的正則表示式元字元和語法：   

1.2. 數量詞的貪婪模式與非貪婪模式

正則表示式通常用於在文字中查詢匹配的字串。Python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配儘可能多的字元；非貪婪的則相反，總是嘗試匹配儘可能少的字元。例如：正則表示式"ab*"如果用於查詢"abbbc"，將找到"abbb"。而如果使用非貪婪的數量詞"ab*?"，將找到"a"。

1.3. 反斜槓的困擾

與大多數程式語言相同，正則表示式裡使用"\"作為轉義字元，這就可能造成反斜槓困擾。假如你需要匹配文字中的字元"\"，那麼使用程式語言表示的正則表示式裡將需要4個反斜槓"\\\\"：前兩個和後兩個分別用於在程式語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正則表示式裡轉義成一個反斜槓。Python裡的原生字串很好地解決了這個問題，這個例子中的正則表示式可以使用r"\\"表示。同樣，匹配一個數字的"\\d"可以寫成r"\d"。有了原生字串，你再也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀。

1.4. 匹配模式

正則表示式提供了一些可用的匹配模式，比如忽略大小寫、多行匹配等，這部分內容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。

2. re模組

2.1. 開始使用re

Python通過re模組提供對正則表示式的支援。使用re的一般步驟是先將正則表示式的字串形式編譯為Pattern例項，然後使用Pattern例項處理文字並獲得匹配結果（一個Match例項），最後使用Match例項獲得資訊，進行其他的操作。

re.compile(strPattern[, flag]):

這個方法是Pattern類的工廠方法，用於將字串形式的正則表示式編譯為Pattern物件。 第二個引數flag是匹配模式，取值可以使用按位或運算子'|'表示同時生效，比如re.I | re.M。另外，你也可以在regex字串中指定模式，比如re.compile('pattern', re.I | re.M)與re.compile('(?im)pattern')是等價的。 
可選值有：

• re.I(re.IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
• M(MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）
• S(DOTALL): 點任意匹配模式，改變'.'的行為
• L(LOCALE): 使預定字元類 \w \W \b \B \s \S 取決於當前區域設定
• U(UNICODE): 使預定字元類 \w \W \b \B \s \S \d \D 取決於unicode定義的字元屬性
• X(VERBOSE): 詳細模式。這個模式下正則表示式可以是多行，忽略空白字元，並可以加入註釋。以下兩個正則表示式是等價的：

re提供了眾多模組方法用於完成正則表示式的功能。這些方法可以使用Pattern例項的相應方法替代，唯一的好處是少寫一行re.compile()程式碼，但同時也無法複用編譯後的Pattern物件。這些方法將在Pattern類的例項方法部分一起介紹。如上面這個例子可以簡寫為：

re模組還提供了一個方法escape(string)，用於將string中的正則表示式元字元如*/+/?等之前加上轉義符再返回，在需要大量匹配元字元時有那麼一點用。

2.2. Match

Match物件是一次匹配的結果，包含了很多關於此次匹配的資訊，可以使用Match提供的可讀屬性或方法來獲取這些資訊。

屬性：

1. string: 匹配時使用的文字。
2. re: 匹配時使用的Pattern物件。
3. pos: 文字中正則表示式開始搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名引數相同。
4. endpos: 文字中正則表示式結束搜尋的索引。值與Pattern.match()和Pattern.seach()方法的同名引數相同。
5. lastindex: 最後一個被捕獲的分組在文字中的索引。如果沒有被捕獲的分組，將為None。
6. lastgroup: 最後一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。

方法：

1. group([group1, …]): 
   獲得一個或多個分組截獲的字串；指定多個引數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫引數時，返回group(0)；沒有截獲字串的組返回None；截獲了多次的組返回最後一次截獲的子串。
2. groups([default]): 
   以元組形式返回全部分組截獲的字串。相當於呼叫group(1,2,…last)。default表示沒有截獲字串的組以這個值替代，預設為None。
3. groupdict([default]): 
   返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內。default含義同上。
4. start([group]): 
   返回指定的組截獲的子串在string中的起始索引（子串第一個字元的索引）。group預設值為0。
5. end([group]): 
   返回指定的組截獲的子串在string中的結束索引（子串最後一個字元的索引+1）。group預設值為0。
6. span([group]): 
   返回(start(group), end(group))。
7. expand(template): 
   將匹配到的分組代入template中然後返回。template中可以使用\id或\g<id>、\g<name>引用分組，但不能使用編號0。\id與\g<id>是等價的；但\10將被認為是第10個分組，如果你想表達\1之後是字元'0'，只能使用\g<1>0。