1 正则表达式到底是什么东西？
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard)，也就是 * 和 ? 。如果你想查找某个目录下的所有的Word文档的话，你会搜索 *.doc。在这里，* 会被解释成任意的字符串。
和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号 "-"，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。
2 从几个例子开始
学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验。
例一：在一篇英文小说里查找 hi，你可以使用正则表达式 hi。
这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h，后一个是 i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配 hi,HI,Hi,hI这四种情况中的任意一种。
不幸的是，很多单词里包含 hi 这两个连续的字符，比如him,history,high等等。用 hi 来查找的话，这里边的 hi 也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用 \bhi\b。
\b 是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符，metacharacter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格、标点符号或者换行来分隔的，但是 \b 并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。
例二：假如你要找的是 hi 后面不远处跟着的一个Lucy，你应该用 \bhi\b.*\bLucy\b。
这里，' . '是另一个元字符，匹配除了换行符以外的任意字符。' * '同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定' * '前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，' .* '连在一起就意味着任意数量的不包含换行的字符。现在 \bhi\b.*\bLucy\b 的意思就很明显了：先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。
如果同时使用其它元字符，我们就能构造出功能更强大的正则表达式。
例三：0\d\d\d-\d\d\d\d\d\d\d 匹配这样的字符串
import re
r = r'0\d\d\d-\d\d\d\d\d\d\d'
m = re.search(r,'秦栏小学的电话号码是：0550-7811354，请联系。')
print(m)
# 结果：<re.Match object; span=(11, 23), match='0550-7811354'>以0开头，然后是三个数字，然后是一个连字号"-"，最后是7个数字(也就是中国的电话号码。当然，这个例子只能匹配区号为4位的情形)。
这里的 \d 是个新的元字符，匹配一位数字(0~9)。- 不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。
为了避免那么多烦人的重复，我们也可以这样写这个表达式：0\d{3}-\d{7}。这里\d后面的{3}({7})的意思是前面\d必须连续重复匹配3次(7次)。
3 测试正则表达式
正则表达式的语法很令人头疼，即使对经常使用它的人来说也是如此。由于难于读写，容易出错，所以找一种工具对正则表达式进行测试是很有必要的。
不同的环境下正则表达式的一些细节是不相同的，这里介绍两种可用的测试工具：
4 元字符
现在你已经知道几个很有用的元字符了，如 ' \b'， ' . '，' * ' 还有 ' \d '。正则表达式里还有更多的元字符，比如 ' \s '匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。' \w ' 匹配字母或数字或下划线或汉字等。
例一：\ba\w*\b 匹配以字母a开头的单词
先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。
例二：\d+ 匹配1个或更多连续的数字
这里的 + 是和 * 类似的元字符，不同的是 * 匹配重复任意次(可能是0次)，而 + 则匹配重复1次或更多次。
例三：\b\w{6}\b 匹配刚好6个字符的单词。
5 字符转义
如果你想查找元字符本身的话，比如你查找' . '，或者' * '，就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用 \ 来取消这些字符的特殊意义。因此，你应该使用 \.和 \*。当然，要查找 \ 本身，你也得用 \\ 。
例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。
6 重复
你已经看过了前面的 * , + , {2} , {5,12} 这几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码)：
模式字符串使用特殊的语法来表示一个正则表达式。
字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
多数字母和数字前加一个反斜杠时会拥有不同的含义。
标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
反斜杠本身需要使用反斜杠转义。
由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 \\t )匹配相应的特殊字符。
下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。