正則表示式(可以稱為REs，regex，regex pattens)是一個小巧的，高度專業化的程式語言，它內嵌於python開發語言中，可通過re模組使用。正則表示式的pattern可以被編譯成一系列的位元組碼，然後用C編寫的引擎執行。下面簡單介紹下正則表示式的語法。

正則表示式包含一個元字元(metacharacter)的列表。

正則表示式的元字元有. ^ $ * ? +{ [ ] | ( )

． 表示任意字元

[  ] 用來匹配一個指定的字元類別，所謂的字元類別就是你想匹配的一個字符集，對於字符集中的字元可以理解成或的關係。字元可以單個列出，也可以用“-”號分隔的兩個給定字元來表示一個字元區 間。例如，[abc] 將匹配"a", "b", 或 "c"中的任意一個字元；也可以用區間[a-c]來表示同一字符集，和前者效果一致。如果你只想匹配小寫字母，那么 RE 應寫成 [a-z].

^ 你可以用補集來匹配不在區間範圍內的字元。其做法是把"^"作為類別的首個字元；其它地方的"^"只會簡單匹配 "^"字元本身。例如，[^5] 將匹配除 "5" 之外的任意字元。

具有重複功能的元字元：
* 對於前一個字元重複0到無窮次
   對於前一個字元重複1到無窮次
？對於前一個字元重複0到1次

+ 對於前一個字元匹配一個或者多個

|  表示"或"，如A|B，其中A，B為正則表示式，表示匹配A或者B
{m,n} 對於前一個字元重複次數在為m到n次，其中，{0,} = *,{1,} = , {0,1} = ?
{m} 對於前一個字元重複m次

下列是可用的預設特殊字元：

\d 匹配任何十進位制數；它相當於類 [0-9]。
\D 匹配任何非數字字元；它相當於類 [^0-9]。
\s 匹配任何空白字元；它相當於類 [ fv]。
\S 匹配任何非空白字元；它相當於類 [^ fv]。
\w 匹配任何字母數字字元；它相當於類 [a-zA-Z0-9_]。
\W 匹配任何非字母數字字元；它相當於類 [^a-zA-Z0-9_]。

舉個例子，ca*t 將匹配 "ct" (0 個 "a" 字元), "cat" (1 個 "a"), "caaat" (3 個 "a" 字元)等等。RE 引擎有各種來自 C 的整數型別大小的內部限制，以防止它匹配超過2億個 "a" 字元；你也許沒有足夠的記憶體去建造那麼大的字串，所以將不會累計到那個限制。

象 * 這樣地重複是“貪婪的”；當重複一個 RE 時，匹配引擎會試著重複儘可能多的次數。如果模式的後面部分沒有被匹配，匹配引擎將退回並再次嘗試更小的重複。

一步步的示例可以使它更加清晰。讓我們考慮表示式 a[bcd]*b。它匹配字母 "a"，零個或更多個來自類 [bcd]中的字母，最後以 "b" 結尾。現在想一想該 RE 對字串 "abcbd" 的匹配。

最複雜的重複限定符是 {m,n}，其中 m 和 n 是十進位制整數。該限定符的意思是至少有 m 個重複，至多到 n 個重複。舉個例子，a/{1,3}b 將匹配 "a/b"，"a//b" 和 "a///b"。它不能匹配 "ab" 因為沒有斜槓，也不能匹配 "a////b" ，因為有四個。

re的方法：

match()決定 RE 是否在字串剛開始的位置匹配

search()掃描字串，找到這個 RE 匹配的位置

findall()找到 RE 匹配的所有子串，並把它們作為一個列表返回

finditer()找到 RE 匹配的所有子串，並把它們作為一個迭代器返回

split()將字串在 RE 匹配的地方分片並生成一個列表，

sub()找到 RE 匹配的所有子串，並將其用一個不同的字串替換

subn()與 sub() 相同，但返回新的字串和替換次數

group()返回被 RE 匹配的字串

start()返回匹配開始的位置

end()返回匹配結束的位置

span()返回一個元組包含匹配 (開始,結束) 的位置

編譯標誌

編譯標誌讓你可以修改正則表示式的一些執行方式。在 re 模組中標誌可以使用兩個名字，一個是全名如 IGNORECASE，一個是縮寫，一字母形式如 I。這有個可用標誌表，對每個標誌後面都有詳細的說明。

標誌含義

DOTALL, S使 . 匹配包括換行在內的所有字元

IGNORECASE, I使匹配對大小寫不敏感

LOCALE, L做本地化識別（locale-aware）匹配

MULTILINE, M多行匹配，影響 ^ 和 $

VERBOSE, X能夠使用 REs 的 verbose 狀態，使之被組織得更清晰易懂

I，IGNORECASE，使匹配對大小寫不敏感；字元類和字串匹配字母時忽略大小寫。舉個例子，[A-Z]也可以匹配小寫字母，Spam 可以匹配 "Spam", "spam", 或 "spAM"。這個小寫字母並不考慮當前位置。

二、re.search
re.search函式會在字串內查詢模式匹配,只到找到第一個匹配然後返回，如果字串沒有匹配，則返回None。

三、re.sub
re.sub用於替換字串中的匹配項。下面一個例子將字串中的空格 ' ' 替換成 '-' :

import re  
text = "JGood is a handsome boy, he is cool, clever, and so on..."
print re.sub(r's+', '-', text)
re.sub的函式原型為：re.sub(pattern, repl, string, count)

其中第二個函式是替換後的字串；本例中為'-'

第四個引數指替換個數。預設為0，表示每個匹配項都替換。

re.sub還允許使用函式對匹配項的替換進行復雜的處理。如：re.sub(r's', lambda m: '[' + m.group(0) + ']', text, 0)；將字串中的空格' '替換為'[ ]'。

四、re.split
可以使用re.split來分割字串，如：re.split(r's+', text)；將字串按空格分割成一個單詞列表。

五、re.findall
re.findall可以獲取字串中所有匹配的字串。如：re.findall(r'w*oow*', text)；獲取字串中，包含'oo'的所有單詞。

七、group()

  1.group([group1,…])

　 返回匹配到的一個或者多個子組。如果是一個引數，那麼結果就是一個字串，如果是多個引數，那麼結果就是一個引數一個item的元組。group1的預設值為0(將返回所有的匹配值).如果groupN引數為0，相對應的返回值就是全部匹配的字串，如果group1的值是[1…99]範圍之內的,那麼將匹配對應括號組的字串。如果組號是負的或者比pattern中定義的組號大，那麼將丟擲IndexError異常。如果pattern沒有匹配到， 但是group匹配到了，那麼group的值也為None。如果一個pattern可以匹配多個，那麼組對應的是樣式匹配的最後一個。另外，子組是根據括號從左向右來進行區分的。

　>>> m=re.match("(w+) (w+)","abcd efgh, chaj")

　>>> m.group()            # 匹配全部

　'abcd efgh'

　>>> m.group(1)     # 第一個括號的子組.

　'abcd'

　>>> m.group(2)

　'efgh'

　>>> m.group(1,2)           # 多個引數返回一個元組

　('abcd', 'efgh')

　>>> m=re.match("(?P<first_name>w+) (?P<last_name>w+)","sam lee")
>>> m.group("first_name")  #使用group獲取含有name的子組
'sam'
>>> m.group("last_name")
'lee'

  2.groups([default])

　返回一個包含所有子組的元組。Default是用來設定沒有匹配到組的預設值的。Default預設是"None”,

　>>> m=re.match("(d+).(d+)","23.123")

　>>> m.groups()

　('23', '123')

　>>> m=re.match("(d+).?(d+)?","24") #這裡的第二個d沒有匹配到，使用預設值"None"

　>>> m.groups()

　('24', None)

　>>> m.groups("0")

　('24', '0')

　3.groupdict([default])

　返回匹配到的所有命名子組的字典。Key是name值，value是匹配到的值。引數default是沒有匹配到的子組的預設值。這裡與groups()方法的引數是一樣的。預設值為None

　>>> m=re.match("(w+) (w+)","hello world")

　>>> m.groupdict()

　{}

　>>> m=re.match("(?P<first>w+) (?P<secode>w+)","hello world")

　>>> m.groupdict()

　{'secode': 'world', 'first': 'hello'}

　通過上例可以看出，groupdict()對沒有name的子組不起作用