本文算是python正则表达式操作指南的读书笔记。

简单模式

1.字符匹配
元字符：.^*+?{[]|()
[]:常用来指定一个字符类别，或称字符集。
例如[abc][a-c]匹配a,b,c中的任意一个字符。注意，在[]中$也是作为普通字符存在。

此外，可以用补集的方式来匹配不在范围内的字符，其做法是把””作为类别的首个字符；其他地方，^只会匹配^字符自身。例如[^5]就是匹配除5之外的任意字符。

最重要的元字符应该是””.在””后面加上不同的字符，可以表示不同的含义。比如说，可以用于取消元字符，以便在模式中对其进行匹配。还有一些预定义字符集也是很有用的，例如：

d 匹配任何十进制数；它相当于类 [0-9]。
D 匹配任何非数字字符；它相当于类 [^0-9]。
s 匹配任何空白字符；它相当于类 [ tnrfv]。
S 匹配任何非空白字符；它相当于类 [^ tnrfv]。
w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]。

最后一个元字符是”.”。它可以匹配除了换行符之外的任何字符！牛逼与坑爹并存的结合体。

2.重复
在匹配的过程中难免重复，这就体现出重复的作用了。
首先讨论一下”*”.它并不匹配字符”*”；相反，它指定前一个字符可以被匹配零次或更多次，而不是只有一次。
来，举个栗子：ca*t就可以匹配ct,cat,caat,caaat……（传说可以匹配超过20亿个”a”字符，当然，一般没人这么干）

另外一个中啊哟的元字符是”+”,表示匹配一次或更多次。
来，举个栗子：ca*t就可以匹配cat,caat,caaat……（传说可以匹配超过20亿个”a”字符，当然，一般没人这么干）
+与*的区别就是a这个字符必须得出现一次才能匹配。

还有个”?”,表示匹配一次或零次。

最复杂的重复限定符是{m, n},表示至少有m个重复，最多重复n个。忽略m的时候，会认为下边界是0.

3.其他

剩下来要讨论的一部分元字符是零宽界定符（zero-width assertions）。它们并不会使引擎在处理字符串时更快;相反，它们根本就没有对应任何字符，只是简单的成功或失败。举个例子， b 是一个在单词边界定位当前位置的界定符（assertions），这个位置根本就不会被 b 改变。这意味着零宽界定符（zero-width assertions）将永远不会被重复，因为如果它们在给定位置匹配一次，那么它们很明显可以被匹配无数次。

|

可选项，或者 “or” 操作符。如果 A 和 B 是正则表达式，A|B 将匹配任何匹配了 “A” 或 “B” 的字符串。| 的优先级非常低，是为了当你有多字符串要选择时能适当地运行。Crow|Servo 将匹配”Crow” 或 “Servo”, 而不是 “Cro”, 一个 “w” 或 一个 “S”, 和 “ervo”。

为了匹配字母 “|”，可以用 |，或将其包含在字符类中，如[|]。

^

匹配行首。除非设置 MULTILINE 标志，它只是匹配字符串的开始。在 MULTILINE 模式里，它也可以直接匹配字符串中的每个换行。

例如，如果你只希望匹配在行首单词 “From”，那么 RE 将用 ^From。

#!python
>>> print re.search(‘^From’, ‘From Here to Eternity’)

>>> print re.search(‘^From’, ‘Reciting From Memory’)
None
$

匹配行尾，行尾被定义为要么是字符串尾，要么是一个换行字符后面的任何位置。

#!python
>>> print re.search(‘}$’, ‘{block}’)

>>> print re.search(‘}$’, ‘{block} ‘)
None
>>> print re.search(‘}$’, ‘{block}n’)

匹配一个 “$”，使用 $ 或将其包含在字符类中，如[$]。

A

只匹配字符串首。当不在 MULTILINE 模式，A 和 ^ 实际上是一样的。然而，在 MULTILINE 模式里它们是不同的；A 只是匹配字符串首，而 ^ 还可以匹配在换行符之后字符串的任何位置。

Z

Matches only at the end of the string.
只匹配字符串尾。

b

单词边界。这是个零宽界定符（zero-width assertions）只用以匹配单词的词首和词尾。单词被定义为一个字母数字序列，因此词尾就是用空白符或非字母数字符来标示的。

下面的例子只匹配 “class” 整个单词；而当它被包含在其他单词中时不匹配。

#!python
>>> p = re.compile(r’bclassb’)
>>> print p.search(‘no class at all’)

>>> print p.search(‘the declassified algorithm’)
None
>>> print p.search(‘one subclass is’)
None
当用这个特殊序列时你应该记住这里有两个微妙之处。第一个是 Python 字符串和正则表达式之间最糟的冲突。在 Python 字符串里，”b” 是反斜杠字符，ASCII值是8。如果你没有使用 raw 字符串时，那么 Python 将会把 “b” 转换成一个回退符，你的 RE 将无法象你希望的那样匹配它了。下面的例子看起来和我们前面的 RE 一样，但在 RE 字符串前少了一个 “r” 。

#!python
>>> p = re.compile(‘bclassb’)
>>> print p.search(‘no class at all’)
None
>>> print p.search(‘b’ + ‘class’ + ‘b’)

第二个在字符类中，这个限定符（assertion）不起作用，b 表示回退符，以便与 Python 字符串兼容。

B

另一个零宽界定符（zero-width assertions），它正好同 b 相反，只在当前位置不在单词边界时匹配。

4.分组

在匹配过程中，需要将结果进行分组的时候就需要利用到”(” 和 “)”元字符来标识的。例如(ab)*就将匹配零或更多个重复的”ab”.

引用：
python正则表达式操作指南