注：本文翻譯自 Regular Expression HOWTO，小甲魚童鞋對此做了一些注釋和修改。
正則表達式介紹
正則表達式（Regular expressions 也稱為 REs，或 regexes 或 regex patterns）本質上是一個微小的且高度專業化的編程語言。它被嵌入到 Python 中，並通過 re 模塊提供給程序猿使用。使用正則表達式，你需要指定一些規則來描述那些你希望匹配的字符串集合。這些字符串集合可能包含英語句子、 e-mail 地址、TeX 命令，或任何你想要的東東。
正則表達式模式被編譯成一系列的字節碼，然后由一個 C 語言寫的匹配引擎所執行。對於高級的使用，你可能需要更關注匹配引擎是如何執行給定的 RE，並通過一定的方式來編寫 RE，以便產生一個可以運行得更快的字節碼。本文暫不講解優化的細節，因為這需要你對匹配引擎的內部機制有一個很好的理解。但本文的例子均是符合標准的正則表達式語法。
小甲魚注釋：Python 的正則表達式引擎是用 C 語言寫的，所以效率是極高的。另，所謂的正則表達式，這里說的 RE，就是上文我們提到的“一些規則”。
正則表達式語言相對較小，並且受到限制，所以不是所有可能的字符串處理任務都可以使用正則表達式來完成。還有一些特殊的任務，可以使用正則表達式來完成，但是表達式會因此而變得非常復雜。在這種情況下，你可能通過自己編寫 Python 代碼來處理會更好些；盡管 Python 代碼比一個精巧的正則表達式執行起來會慢一些，但可能會更容易理解。
小甲魚注釋：這可能是大家常說的“丑話說在前”吧，大家別管他，正則表達式非常優秀，她可以處理你 98.3% 的文本任務，一定要好好學哦~~~~~
簡單的模式
我們將從最簡單的正則表達式學習開始。由於正則表達式常用於操作字符串的，因此我們從最常見的任務下手：字符匹配。
字符匹配
大多數字母和字符會匹配它們自身。舉個例子，正則表達式 FishC 將完全匹配字符串 "FishC"。（你可以啟用不區分大小寫模式，這將使得 FishC 可以匹配 "FISHC" 或 "fishc"，我們會在后邊討論這個話題。）
當然這個規則也有例外。有少數特殊的字符我們稱之為元字符（metacharacter），它們並不能匹配自身，它們定義了字符類、子組匹配和模式重復次數等。本文用很大的篇幅專門討論了各種元字符及其作用。
下邊是元字符的完整列表（我們將在后邊逐一講解）：
. ^ $ * + ? { } [ ] \ | ( )
小甲魚注釋：如果沒有這些元字符，正則表達式就變得跟字符串的 find() 方法一樣平庸了......
我們先來看下方括號 [ ]，它們指定一個字符類用於存放你需要匹配的字符集合。可以單獨列出需要匹配的字符，也可以通過兩個字符和一個橫桿 - 指定匹配的范圍。例如 [abc] 會匹配字符 a，b 或 c；[a-c] 可以實現相同的功能。后者使用范圍來表示與前者相同的字符集合。如果你想只匹配小寫字母，你的 RE 可以寫成 [a-z]。
需要注意的一點是：元字符在方括號中不會觸發“特殊功能”，在字符類中，它們只匹配自身。例如 [akm$] 會匹配任何字符 'a'，'k'，'m' 或 '$'，'$' 是一個元字符，但在方括號中它不表示特殊含義，它只匹配 '$' 字符本身。
你還可以匹配方括號中未列出的所有其他字符。做法是在類的開頭添加一個脫字符號 ^ ，例如 [^5] 會匹配除了 '5' 之外的任何字符。
或許最重要的元字符當屬反斜杠 \ 了。跟 Python 的字符串規則一樣，如果在反斜杠后邊緊跟着一個元字符，那么元字符的“特殊功能”也不會被觸發。例如你需要匹配符號 [ 或 \，你可以在它們前面加上一個反斜杠，以消除它們的特殊功能：\[，\\。
反斜杠后邊跟一些字符還可以表示特殊的意義，例如表示十進制數字，表示所有的字母或者表示非空白的字符集合。
小甲魚解釋：反斜杠真牛逼，反斜杠后邊跟元字符去除特殊功能，反斜杠后邊跟普通字符實現特殊功能。
讓我們來舉個例子：\w 匹配任何字符。如果正則表達式以字節的形式表示，這相當於字符類 [a-zA-Z0-9_]；如果正則表達式是一個字符串，\w 會匹配所有 Unicode 數據庫（unicodedata 模塊提供）中標記為字母的字符。你可以在編譯正則表達式的時候，通過提供 re.ASCII 表示進一步限制 \w 的定義。
小甲魚解釋：re.ASCII 標志使得 \w 只能匹配 ASCII 字符，不要忘了，Python3 是 Unicode 的。
下邊列舉一些反斜杠加字符構成的特殊含義：
| 特殊字符 | 含義 |
| \d | 匹配任何十進制數字；相當於類 [0-9] |
| \D | 與 \d 相反，匹配任何非十進制數字的字符；相當於類 [^0-9] |
| \s | 匹配任何空白字符（包含空格、換行符、制表符等）；相當於類 [ \t\n\r\f\v] |
| \S | 與 \s 相反，匹配任何非空白字符；相當於類 [^ \t\n\r\f\v] |
| \w | 匹配任何字符，見上方解釋 |
| \W | 於 \w 相反 |
| \b | 匹配單詞的開始或結束 |
| \B | 與 \b 相反 |
它們可以包含在一個字符類中，並且一樣擁有特殊含義。例如 [\s,.] 是一個字符類，它將匹配任何空白字符（/s 的特殊含義），',' 或 '.'。
最后我們要講的一個元字符是 .，它匹配除了換行符以外的任何字符。如果設置了 re.DOTALL 標志，. 將匹配包括換行符在內的任何字符。
重復的事情
使用正則表達式能夠輕松的匹配不同的字符集合，但 Python 字符串現有的方法卻無法實現。然而，如果你認為這是正則表達式的唯一優勢，那你就 too young too native 了。正則表達式有另一個強大的功能，就是你可以指定 RE 部分被重復的次數。
我們來看看 * 這個元字符，當然它不是匹配 '*' 字符本身（我們說過元字符都是有特殊能力的），它用於指定前一個字符匹配零次或者多次。
例如 ca*t 將匹配 ct（0 個字符 a），cat（1 個字符 a），caaat（3 個字符 a），等等。需要注意的是，由於受到 C 語言的 int 類型大小的內部限制，正則表達式引擎會限制字符 'a' 的重復個數不超過 20 億個；不過，通常我們工作中也用不到那么大的數據。
正則表達式默認的重復規則是貪婪的，當你重復匹配一個 RE 時，匹配引擎會嘗試盡可能多的去匹配。直到 RE 不匹配或者到了結尾，匹配引擎就會回退一個字符，然后再繼續嘗試匹配。
我們通過例子一步步的給大家講解什么叫“貪婪”：先考慮一下表達式 a[bcd]*b，首先需要匹配字符 'a'，然后是零個到多個 [bcd]，最后以 'b' 結尾。那現在想象一下，這個 RE 匹配字符串 abcbd 會怎樣？
| 步驟 | 匹配 | 說明 |
| 1 | a | 匹配 RE 的第一個字符 'a' |
| 2 | abcbd | 引擎在符合規則的情況下盡可能地匹配 [bcd]*，直到該字符串的結尾 |
| 3 | 失敗 | 引擎嘗試匹配 RE 最后一個字符 'b'，但當前位置已經是字符串的結尾，所以失敗告終 |
| 4 | abcb | 回退，所以 [bcd]* 匹配少一個字符 |
| 5 | 失敗 | 再一次嘗試匹配 RE 最后一個字符 'b'，但字符串最后一個字符是 'd'，所以失敗告終 |
| 6 | abc | 再次回退，所以 [bcd]* 這次只匹配 'bc' |
| 7 | abcb | 再一次嘗試匹配字符 'b'，這一次字符串當前位置指向的字符正好是 'b'，匹配成功 |
最終，RE 匹配的結果是 abcb。
小甲魚解釋：正則表達式默認的匹配規則是貪婪的，后邊有教你如何使用非貪婪的方法匹配。
另一個實現重復的元字符是 +，用於指定前一個字符匹配一次或者多次。
要特別注意 * 和 + 的區別：* 匹配的是零次或者多次，所以被重復的內容可能壓根兒不會出現；+ 至少需要出現一次。例如 ca+t 會匹配 cat 和 caaat，但不會匹配 ct。
還有兩個表示重復的元字符，其中一個是問號 ?，用於指定前一個字符匹配零次或者一次。你可以這么想，它的作用就是把某種東西標志位可選的。例如 小?甲魚 可以匹配 小甲魚，也可以匹配 甲魚。
最靈活的應該是元字符 {m, n}（m 和 n 都是十進制整數），上邊講到的幾個元字符都可以使用它來表達，它的含義是前一個字符必須匹配 m 次到 n 次之間。例如 a/{1, 3}b 會匹配 a/b，a//b 和 a///b。但不會匹配 ab（沒有斜杠）；也不會匹配a////b（斜杠超過三個）。
你可以省略 m 或者 n，這樣的話，引擎會假定一個合理的值代替。省略 m，將被解釋為下限 0；省略 n 則會被解釋為無窮大（事實上是上邊我們提到的 20 億）。
小甲魚解釋：如果是 {, n} 相當於 {0, n}；如果是 {m, } 相當於 {m, +無窮}；如果是 {n}，則是重復前一個字符 n 次。
聰明的魚油應該已經發現了，其實 *、+ 和 ? 都可以使用 {m, n} 來代替。{0,} 跟 * 是一樣的；{1, } 跟 + 是一樣的；{0, 1}跟 ? 是一樣的。不過還是鼓勵大家記住並使用 *、+ 和 ?，因為這些字符更短並且更容易閱讀。
小甲魚解釋：還有一個原因是匹配引擎對 * + ? 做了優化，效率要更高些。