來自廖雪峰
正則表達式是一種用來匹配字符串的強有力的武器
判斷一個字符串是否是合法的Email的方法是：
- 創建一個匹配Email的正則表達式；
- 用該正則表達式去匹配用戶的輸入來判斷是否合法。
在正則表達式中，如果直接給出字符，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'；
. （點）可以匹配任意字符
匹配變長字符串：
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
舉一個例子： \d{3}\s+\d{3,8}
1.\d{3}表示匹配3個數字，例如'010'；
2.\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；
3.\d{3,8}表示3-8個數字，例如'1234567'
再舉例：匹配 '010-12345'
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，例如：
- [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：(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
re模塊
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}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。常見的判斷方法就是：
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print('ok')
else:
print('failed')
切分字符串
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']
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']
總結：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。例如：^(\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})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
如果正則表達式中定義了組，就可以在Match對象上用group()方法提取出子串來。
注意到group(0)永遠是原始字符串，group(1)、group(2)……表示第1、2、……個子串。
一個兇殘的例子不寫了，反正沒有看懂
這個正則表達式可以直接識別合法的時間。但是有些時候，用正則表達式也無法做到完全驗證，比如識別日期：
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
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。
小結：正則表達式非常強大，要在短短的一節里講完是不可能的。要講清楚正則的所有內容，可以寫一本厚厚的書了。如果你經常遇到正則表達式的問題，你可能需要一本正則表達式的參考書。
