此內容為個人學習用，且大多為轉載，特此說明。如果原作者介意的話，請留言，我會盡快刪除。
原文（[廖雪峰的官方網站]
(http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386832260566c26442c671fa489ebc6fe85badda25cd000)）
入門
用
\d可以匹配一個數字，\w可以匹配一個字母或數字
例：
'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'；
.可以匹配任意字符
例：
'py.'可以匹配'pyc'、'pyo'、'py!'等等。
用
*表示任意個字符（包括0個），用+表示至少一個字符，用?表示0個或1個字符，用{n}表示n個字符，用{n,m}表示n-m個字符
例：
\d{3}\s+\d{3,8}。
我們來從左到右解讀一下：
\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'。
綜合起來，上面的正則表達式可以匹配以任意個空格隔開的帶區號的電話號碼。
如果要匹配'010-12345'這樣的號碼呢？由于-是特殊字符，在正則表達式中，要用'\'轉義，所以，上面的正則是\d{3}\-\d{3,8}。
但是，仍然無法匹配'010 - 12345'，因為帶有空格。所以我們需要更復雜的匹配方式。
進階
要做更精確地匹配，可以用[]表示范圍
比如：
[0-9a-zA-Z\_]可以匹配一個數字、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符串，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，后接任意個由一個數字、字母或者下劃線組成的字符串，也就是Python合法的變量；
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）。
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$就變成了整行匹配，就只能匹配'py'了。
re模塊
有了準備知識，我們就可以在Python中使用正則表達式了。Python提供re模塊，包含所有正則表達式的功能。由于Python的字符串本身也用\\轉義，所以要特別注意：
s = 'ABC\\-001'
# Python的字符串
# 對應的正則表達式字符串變成：
# 'ABC\-001'
因此我們強烈建議使用Python的r前綴，就不用考慮轉義的問題了：
s = r'ABC\-001'
# Python的字符串
# 對應的正則表達式字符串不變：
# 'ABC\-001'
先看看如何判斷正則表達式是否匹配：
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8
>>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。常見的判斷方法就是：
import re
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print 'ok'
else:
print 'failed'
分字符串
用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼：
>>> 'a b c'.split(' ')['a', 'b', '', '', 'c']
嗯，無法識別連續的空格，用正則表達式試試：
>>> re.split(r'\s+', 'a b c')['a', 'b', 'c']
無論多少個空格都可以正常分割。加入,試試：
>>> re.split(r'[\s\,]+', 'a,b, c d')['a', 'b', 'c', 'd']
再加入;試試：
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')['a', 'b', 'c', 'd']
如果用戶輸入了一組標簽，下次記得用正則表達式來把不規范的輸入轉化成正確的數組。
分組
除了簡單地判斷是否匹配之外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）比如：
^(\d{3})-(\d{3,8})$分別定義了兩個組，可以直接從匹配的字符串中提取出區號和本地號碼：
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8
>>> m.group(0)'010-12345'
>>> m.group(1)'010'
>>> m.group(2)'12345'
如果正則表達式中定義了組，就可以在Match對象上用group()方法提取出子串來。注意到group(0)永遠是原始字符串，group(1)、group(2)表示第1、2個子串。
提取子串非常有用。來看一個更兇殘的例子：
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
這個正則表達式可以直接識別合法的時間。但是有些時候，用正則表達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])$'對于'2-30'，'4-31'這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程序配合識別了。
貪婪匹配
最后需要特別指出的是，正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符。舉例如下，匹配出數字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()('102300', '')
由于\d+采用貪婪匹配，直接把后面的0全部匹配了，結果0*只能匹配空字符串了。必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來，加個?就可以讓\d+采用非貪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()('1023', '00')
編譯
當我們在Python中使用正則表達式時，re模塊內部會干兩件事情：
編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯；
用編譯后的正則表達式去匹配字符串。
如果一個正則表達式要重復使用幾千次，出于效率的考慮，我們可以預編譯該正則表達式，接下來重復使用時就不需要編譯這個步驟了，直接匹配：
>>> import re
# 編譯:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
編譯后生成Regular Expression對象，由于該對象自己包含了正則表達式，所以調用對應的方法時不用給出正則字符串。
