为了使文章更具可读性，本文将正则表达式冗长的 语法介绍 放在了文章的末尾。
正则表达式（RegExp）是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（元字符）。
正则表达式运算符的优先级顺序由高到低依次为：
/()，(?:)，(?=)， []*，+，?，{n}，{n,}，{n,m}^，$，/元字符，字符|字符具有高于替换运算符的优先级，使得 m|food 匹配 m 或 food。若要匹配 mood 或 food，请使用括号创建子表达式，即 (m|f)ood。
匹配汉字：
[/u4e00-/u9fa5]
re 模块提供了 Perl 风格的正则表达式模式。Perl 5 对标准正则表达式增加了几个附加功能，re 模块也支持其中的大部分。
正则表达式使用反斜杠 / 来代表特殊形式或用作转义字符，这里跟 Python 的语法冲突，因此，Python 只好用 //// 匹配 /，因为正则表达式中如果要匹配 /，需要用 / 来转义，变成 //，而 Python 语法中又需要对字符串中每一个 / 进行转义，所以就变成了 ////。
为了使正则表达式具有更好的可读性，Python 特别设计了 Raw String。Raw String 以 r 作为字符串的前缀，如 r"/n" 表示字符 / 和 n。
compile(RegExp [, flags]) 可以把正则表达式编译成一个正则表达式对象。其中，RegExp 为正则表达式，flags 为编译标志。
import rehtml = re.compile(r"</s*(/S+)(/s[^>]*)?>[/s/S]*</s*//1/s*>") # 匹配 HTML 标记（1）编译标志控制表达式的匹配方式。多个标志可以通过 | 来指定，如 re.I | re.M 被设置成 I 和 M 标志。
| 标志 | 含义 |
|---|---|
| S 或 DOTALL | 使 . 匹配包括换行在内的所有字符 |
| I 或 IGNORECASE | 使匹配对大小写不敏感 |
| L 或 LOCALE | 做本地化识别匹配 |
| M 或 MULTILINE | 多行匹配，影响 ^ 和 $ |
| X 或 VERBOSE | 提高正则表达式的可读性 |
X 标志的作用：
dog | cat 和可读性差的 dog|cat 相同，但 [a b] 将匹配字符 a、b 或空格。# 开始到行末结束。Xhtml = re.compile(r'''# 匹配 HTML 标记（2）</s*(/S+)(/s[^>]*)?> # 开始标签[/s/S]* # 标签内的文本</s*//1/s*> # 同名结束标签 ''', re.X) # 同样匹配 HTML 标记，方法（2）的可读性比（1）高了很多。| 方法 | 用途 |
|---|---|
match(RegExp, string [, flags]) | 从字符串的开始匹配一个模式，成功则返回 MatchObject 实例，否则返回 None |
search(RegExp, string [, flags]) | 在整个字符串内查找模式匹配，成功则返回 MatchObject 实例，否则返回 None |
findall(RegExp, string [, flags]) | 获取所有匹配的子串，并把它们作为一个列表返回 |
finditer(RegExp, string [, flags]) | 获取所有匹配的子串，并把它们作为一个迭代器返回 |
若已将正则表达式 RegExp 编译成了正则表达式对象 RegPat，还可以使用 RegPat.match(string) 执行匹配。
string = '''Hello World!<ul class="nav"> <li class="inactive"> 云 </li> <li class="inactive"> 大数据 </li></ul>'''match_1 = re.match("/s/S*",string)match_2 = re.match("/S*",string)search_1 = re.search("/s/S*",string)search_2 = Xhtml.search(string)PRint(match_1, "/n", match_2, end = "/n-------------/n ")print(search_1, "/n", search_2)None <_sre.SRE_Match object; span=(0, 5), match='Hello'>------------- <_sre.SRE_Match object; span=(5, 12), match=' World!'> <_sre.SRE_Match object; span=(13, 99), match='<ul class="nav">/n/t<li class="inactive"> 云 </li>>| 方法 | 用途 |
|---|---|
group() | 返回匹配的字符串 |
start() | 返回匹配开始的位置 |
end() | 返回匹配结束的位置 |
span() | 返回一个二元元组： （开始位置，结束位置） |
print(search_2.group())<ul class="nav"> <li class="inactive"> 云 </li> <li class="inactive"> 大数据 </li></ul>| 方法 | 用途 |
|---|---|
split(RegExp, string [, maxsplit = 0]) | 将字符串在匹配的位置分片，并生成一个列表；若 maxsplit 非零，则只能得到 maxsplit 个分片 |
sub(RegExp, replace, string[, count = 0]) | 找到所有匹配的子串，并用其它的字符串替换；若 count 非零，则最多执行 count 次替换 |
subn(RegExp, replace, string) | 与 sub 类似，但返回二元元组：（新的字符串，执行替换的次数） |
print(re.split("/n",string)) # 用回车符分片print(re.sub("/t", lambda m: '[' + m.group() + ']', string)) # 将制表符用 [ ] 括起来['Hello World!', '<ul class="nav">', '/t<li class="inactive"> 云 </li>', '/t<li class="inactive"> 大数据 </li>', '</ul>', '']Hello World!<ul class="nav">[ ]<li class="inactive"> 云 </li>[ ]<li class="inactive"> 大数据 </li></ul>/：将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如， n 匹配字符 n， /n 匹配 /n。序列 // 匹配 / ， /( 匹配 ( 。
^：匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 /n 或 /r 之后的位置匹配。
$：匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 /n 或 /r 之前的位置匹配。
*：零次或多次匹配前面的字符或子表达式。例如，zo* 匹配 z 和 zoo 。* 等效于 {0,}。
+：一次或多次匹配前面的字符或子表达式。例如， zo+ 与 zo 和 zoo 匹配，但与 z 不匹配。+ 等效于 {1,}。
?：零次或一次匹配前面的字符或子表达式。例如， do(es)? 匹配 do 或 does 中的 do 。? 等效于 {0,1}。
当
?紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是非贪心的。非贪心的模式匹配搜索到的，尽可能短的字符串，而默认的贪心模式匹配搜索到的，尽可能长的字符串。例如，在字符串 oooo 中，o+?只匹配单个 o，而o+匹配所有 o。
.：匹配除 /n 之外的任何单个字符。若要匹配包括 /n 在内的任意字符，请使用诸如 [/s/S] 之类的模式。
x|y：匹配 x 或 y。例如，z|food 匹配 z 或 food 。(z|f)ood 匹配 zood 或 food 。
{n}：n 是非负整数。正好匹配 n 次。例如， o{2} 与 Bob 中的 o 不匹配，但与 food 中的两个 o 匹配。
{n,}：n 是非负整数。至少匹配 n 次。例如， o{2,} 不匹配 Bob 中的 o ，而匹配 food 中的所有 o。 o{1,}、o{0,} 分别等效于 o+、o* 。
{n,m}：M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如， o{1,3} 匹配 fooooood 中的头三个 o。o{0,1} 等效于 o?。
[xyz]：字符集。匹配包含的任一字符。例如， [abc] 匹配 plain 中的 a 。
[^xyz]：反向字符集。匹配未包含的任何字符。例如， [^abc] 匹配 plain 中的 p 。
[a-z]：字符范围。匹配指定范围内的任何字符。例如， [a-z] 匹配 a 到 z 范围内的任何小写字母。
[^a-z]：反向范围字符。匹配不在指定的范围内的任何字符。例如， [^a-z] 匹配任何不在 a 到 z 范围内的任何字符。
(pattern)：匹配 pattern 并捕获该匹配的子表达式。可以使用 /num 对捕获子表达式进行反向引用。括号 ( ) 使用 /( 或者 /) 匹配 。
(?:pattern)：匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用 | 组合模式部件的情况很有用。例如，industr(?:y|ies) 是比 industry|industries 更经济的表达式。
(?=pattern)：执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，Windows (?=95|98|NT|2000) 匹配 Windows 2000 中的 Windows ，但不匹配 Windows 3.1 中的 Windows 。
预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
(?!pattern)：执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，Windows (?!95|98|NT|2000) 匹配 Windows 3.1 中的 Windows ，但不匹配 Windows 2000 中的 Windows 。
/b：匹配一个字边界，即字与空格间的位置。例如， er/b 匹配 never 中的 er ，但不匹配 verb 中的 er 。
/B：非字边界匹配。 er/B 匹配 verb 中的 er ，但不匹配 never 中的 er 。
/cx：匹配 x 指示的控制字符。例如，/cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。否则假定 /c 就是 c 字符本身。
/d：数字字符匹配。等效于 [0-9]。
/D：非数字字符匹配。等效于 [^0-9]。
/f：换页符匹配。等效于 /x0c 和 /cL。
/n：换行符匹配。等效于 /x0a 和 /cJ。
/r：匹配一个回车符。等效于 /x0d 和 /cM。
/s：匹配任何空白字符，包括空格、制表符、换页符等。与 [ /f/n/r/t/v] 等效。
/S：匹配任何非空白字符。与 [^ /f/n/r/t/v] 等效。
/t：制表符匹配。与 /x09 和 /cI 等效。
/v：垂直制表符匹配。与 /x0b 和 /cK 等效。
/w：匹配任何字类字符，包括下划线。与 [A-Za-z0-9_] 等效。
/W：与任何非单词字符匹配。与 [^A-Za-z0-9_] 等效。
/xn：匹配一个十六进制转义码。十六进制转义码必须是两位数长。例如， /x41 匹配 A 。允许在正则表达式中使用 ASCII 代码。
/num：匹配第 num 个捕获子表达式的反向引用。例如， (.)/1 匹配两个连续的相同字符。
/n：如果 /n 前面至少有 n 个捕获子表达式，那么是反向引用。如果 n 是八进制数 0-7，那么是八进制转义码。
/nm：如果 /nm 前面至少有 nm 个捕获子表达式，那么是反向引用。如果 /nm 前面至少有 n 个捕获，则是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 /nm 匹配八进制值 nm，其中 n 和 m 是八进制数 0-7。
/nml：当 n 是八进制数 0-3，m 和 l 是八进制数 0-7 时，匹配八进制转义码 nml。
/un：匹配以四位十六进制数表示的 Unicode 字符。例如，/u00A9 匹配版权符号 ©。
新闻热点
疑难解答
