正則表示式是一種用來匹配字串的強有力的武器。它的設計思想是用一種描述性的語言來給字串定義一個規則，凡是符合規則的字串，我們就認為它“匹配”了，否則，該字串就是不合法的。
首先了解如何用字元來描述字元。
在正則表示式中，如果直接給出字元，就是精確匹配。
用\d可以匹配一個數字，\w可以匹配一個字母或數字
，所以：
‘00\d’
可以匹配
‘007’
，但無法匹配
‘00A’
；
‘\d\d\d’
可以匹配
‘010’
；
‘\w\w\d’
可以匹配
‘py3’
；
2。
.可以匹配任意字元
，所以：
‘py。’
可以匹配
‘pyc’
、
‘pyo’
、
‘py！’
等等。
3。
要匹配變長的字元，在正則表示式中，用*表示任意個字元（包括0個），用+表示至少一個字元，用{n}表示n個字元，用{n,m}表示n-m個字元。
4。 大多數字符 （例如 abc123） 可以直接使用在正則表示式中。
然而，\.*?+[{|()^$ 這些字元則必須在其前面加上反斜線來進行匹配。
例如\。 表示一個原義的句點而 \\ 表示一個原義的反斜線，\， 表示一個逗號
?匹配前面的子表示式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”，?等價於{0,1}。
來看一個複雜的例子：
\d{3}\s+\d{3，8}
：
\d{3}
表示匹配3個數字，例如
‘010’
；
\s
可以匹配一個空格（也包括Tab等空白符），所以
\s+
表示至少有一個空格，例如匹配
‘ ’
，
‘ ’
等；
\d{3，8}
表示3-8個數字，例如
‘1234567’
。
用
［］
限定包含的字元種類和範圍
［0-9a-zA-Z\_］
可以匹配
一個
數字、大小寫字母或者下劃線；
［0-9a-zA-Z\_］+
可以匹配至少由一個數字、字母或者下劃線組成的字串，比如
‘a100’
，
‘0_Z’
，
‘Py3000’
等等；
［a-zA-Z\_］［0-9a-zA-Z\_］*
可以匹配由字母或下劃線開頭，後接任意個由一個數字、字母或者下劃線組成的字串，也就是Python合法的變數；
［a-zA-Z\_］［0-9a-zA-Z\_］{0， 19}
更精確地限制了變數的長度是1-20個字元
（前面1個字元+後面最多19個字元）
。
A|B可以匹配A或B
，所以
（P|p）ython
可以匹配
‘Python’
或者
‘python’
。
^表示行的開頭，^\d表示必須以數字開頭。
$表示行的結束，\d$表示必須以數字結束。
py
也可以匹配
‘python’
，但是加上
^py$
就變成了整行匹配，就只能匹配
‘py’
了。
re模組
有了準備知識就可以在Python中使用正則表示式了。Python提供
re
模組，包含所有正則表示式的功能。由於Python的字串本身也用
\
轉義，所以要特別注意：
s = ‘ABC\\-001’ # Python的字串
# 對應的正則表示式字串變成：
# ‘ABC\-001’#注意這要作為正則表示式使用而不是一般字串
因此要求使用Python的r字首，就不用考慮轉義的問題了
：
s
=
r
‘ABC\-001’
# Python的字串
# 對應的正則表示式字串不變：
# ‘ABC\-001’#注意這要作為正則表示式使用而不是一般字串
先看看如何判斷正則表示式是否匹配：
>>>
import
re
>>>
re
。
match
（
r
‘^\d{3}\-\d{3，8}$’
，
‘010-12345’
）
<
_sre
。
SRE_Match
object
；
span
=
（
0
，
9
），
match
=
‘010-12345’
>
>>>
re
。
match
（
r
‘^\d{3}\-\d{3，8}$’
，
‘010 12345’
）
match（）
方法判斷是否匹配，
如果匹配成功，返回一個Match物件，否則返回None
。常見的判斷方法就是：
test
=
‘使用者輸入的字串’
if
re
。
match
（
r
‘正則表示式’
，
test
）：
（
‘ok’
）
else
：
（
‘failed’
）
切分字串
用正則表示式切分字串比用固定的字元更靈活，請看正常的切分程式碼：
>>>
‘a b c’
。
split
（
‘ ’
）
［
‘a’
，
‘b’
，
‘’
，
‘’
，
‘c’
］
無法識別連續的空格，用正則表示式：
>>>
re
。
split
（
r
‘\s+’
，
‘a b c’
）
［
‘a’
，
‘b’
，
‘c’
］
無論多少個空格都可以正常分割。加入
，
試試：
>>>
re
。
split
（
r
‘［\s\，］+’
，
‘a，b， c d’
）
［
‘a’
，
‘b’
，
‘c’
，
‘d’
］
再加入
；
試試：
>>>
re
。
split
（
r
‘［\s\，\；］+’
，
‘a，b；； c d’
）
#特殊符號都需要用\轉義，［］前面雖然有r，但是這是對判斷物件中
#的\作用！不是對［］這個表示識別範圍的括號內部的內容作用！切記！
［
‘a’
，
‘b’
，
‘c’
，
‘d’
］
特殊符號都需要用\轉義，[]前面雖然有r，但是這是對判斷物件中的\作用！不是對[]這個表示識別範圍的括號內部的內容作用！切記！
分組
除了簡單地判斷是否匹配之外，正則表示式還有提取子串的強大功能。用
（）
表示的就是要提取的分組（Group）。比如：
^（\d{3}）-（\d{3，8}）$
分別定義了兩個組，可以直接從匹配的字串中提取出區號和本地號碼：
>>>
m
=
re
。
match
（
r
‘^（\d{3}）-（\d{3，8}）$’
，
‘010-12345’
）
>>>
m
<
_sre
。
SRE_Match
object
；
span
=
（
0
，
9
），
match
=
‘010-12345’
>
>>>
m
。
group
（
0
）
‘010-12345’
>>>
m
。
group
（
1
）
‘010’
>>>
m
。
group
（
2
）
‘12345’
如果正則表示式中定義了組，就可以在
Match
物件上用
group（）
方法提取出子串來。
注意到
group（0）
永遠是原始字串，
group（1）
、
group（2）
……表示第1、2、……個子串。
提取子串非常有用：
>>>
t
=
‘19：05：30’
>>>
m
=
re
。
match
（
r
‘^（0［0-9］|1［0-9］|2［0-3］|［0-9］）\：（0［0-9］|1［0-9］|2［0-9］|3［0-9］|4［0-9］|5［0-9］|［0-9］）\：（0［0-9］|1［0-9］|2［0-9］|3［0-9］|4［0-9］|5［0-9］|［0-9］）$’
，
t
）
>>>
m
。
groups
（）
（
‘19’
，
‘05’
，
‘30’
）
這個正則表示式可以直接識別合法的時間。但是有些時候，用正則表示式也無法做到完全驗證，比如識別日期：
‘^（0［1-9］|1［0-2］|［0-9］）-（0［1-9］|1［0-9］|2［0-9］|3［0-1］|［0-9］）$’
對於
‘2-30’
，
‘4-31’
這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程式配合識別了。
貪婪匹配
最後需要特別指出的是，正則匹配預設是貪婪匹配，也就是匹配儘可能多的字元。舉例如下，匹配出數字後面的
0
：
>>>
re
。
match
（
r
‘^（\d+）（0*）$’
，
‘102300’
）
。
groups
（）
（
‘102300’
，
‘’
）
由於
\d+
採用貪婪匹配，直接把後面的
0
全部匹配了，結果
0*
只能匹配空字串了。
必須讓
\d+
採用非貪婪匹配（也就是儘可能少匹配），才能把後面的
0
匹配出來，加個
？
就可以讓
\d+
採用非貪婪匹配：（？等價於{0，1}）
>>>
re
。
match
（
r
‘^（\d+？）（0*）$’
，
‘102300’
）
。
groups
（）
（
‘1023’
，
‘00’
）
在已知字串會以若干個0結尾的情況下使用了？這個字元，否則如果結尾是另外若干數字，這裡使用？是不會得到想要的結果的。
編譯
當我們在Python中使用正則表示式時，re模組內部會幹兩件事情：
編譯正則表示式，如果正則表示式的字串本身不合法，會報錯；
用編譯後的正則表示式去匹配字串。
如果一個正則表示式要重複使用幾千次，出於效率的考慮，我們可以預編譯該正則表示式，接下來重複使用時就不需要編譯這個步驟了，直接匹配：
>>>
import
re
# 編譯：
>>>
re_telephone
=
re
。
compile
（
r
‘^（\d{3}）-（\d{3，8}）$’
）
# 使用：
>>>
re_telephone
。
match
（
‘010-12345’
）
。
groups
（）
（
‘010’
，
‘12345’
）
>>>
re_telephone
。
match
（
‘010-8086’
）
。
groups
（）
（
‘010’
，
‘8086’
）
編譯後生成Regular Expression物件，由於該物件自己包含了正則表示式，所以呼叫對應的方法時不用給出正則字串。
如果經常遇到正則表示式的問題，可能需要一本正則表示式的參考書。
正則表示式小結 - 菜問 - 部落格園
練習可以提取出帶名字的Email地址：正則表示式版本二可以提取出帶名字的Email地址：
bob@example。com => bob
# -*- coding： utf-8 -*-
import re
def name_of_email（addr）：
re1 = re。compile（r‘^<？（［\w\s。］+）>？\s？\w*@\w+。\w+$’）
m = re1。match（addr）
if m：
return m。group（1）
else：
return False
# 測試：
assert name_of_email（‘
assert name_of_email（‘tom@voyager。org’） == ‘tom’
print（‘ok’）
注意：
？
當該字元緊跟在任何一個其他限制符（*，+，？，{
n
}，{
n
，}，{
n
，
m
}）後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜尋的字串，而預設的貪婪模式則儘可能多的匹配所搜尋的字串。例如，對於字串“
oooo
”，“
o+？
”將匹配單個“
o
”，而“
o+
”將匹配所有“
o
”。
