Python自帶了正則表達式引擎（內置的re模塊），但是不支持一些高級特性，比如下面這幾個：
- 固化分組 Atomic grouping
- 占有優先量詞 Possessive quantifiers
- 可變長度的逆序環視 Variable-length lookbehind
- 遞歸匹配 Recursive patterns
- （起始/繼續）位置錨\G Search anchor
幸好，在2009年，Matthew Barnett寫了一個更強大正則表達式引擎——regex模塊，這是一個Python的第三方模塊。
除了上面這幾個高級特性，還有很多有趣、有用的東西，本文大致介紹一下，很多內容取自regex的文檔。
無論是編程還是文本處理，regex模塊都是一件利器。
用一個指標可以大致了解它的復雜性，re模塊有4270行C語言代碼，而regex模塊有24513行C語言代碼。
這個模塊以后可能被收進Python標准庫。目前（2015年）它還在不斷發展，經常發布bug修正版，不過感覺用在一般生產環境應該沒什么問題。
目錄
一、安裝regex
二、一些有趣的特性
三、模糊匹配
四、兩種工作模式
五、Version 0模式和re模塊不兼容之處
一、安裝regex
regex支持Python 2.5+和Python 3.1+，可以用pip命令安裝：
pip install regex
PyPy 2.6+也可以使用這個模塊。
regex基本兼容re模塊，現有的程序可以很容易切換到regex模塊：
import regex as re
二、一些有趣的特性
完整的Unicode支持
1，支持最新的Unicode標准，這一點經常比Python本身還及時。
2，支持Unicode代碼屬性，包括scripts和blocks。
如：\p{Cyrillic}表示西里爾字符（scripts），\p{InCyrillic}表示西里爾區塊（blocks）。
3，支持完整的Unicode字符大小寫匹配，詳見此文。
如：ss可匹配ß；cliff（這里的ff是一個字符）可匹配CLIFF（FF是兩個字符）。
不需要的話可以關閉此特性。不支持Unicode組合字符與單一字符的大小寫匹配，所以感覺這個特性不太實用。
4，regex.WORD標志開啟后：
作用1：\b、\B采用Unicode的分界規則，詳見此文。
如：開啟后\b.+?\b可搜索到3.4；關閉后小數點.成為分界符，於是只能搜到['3', '.', '4']。
作用2：采用Unicode的換行符。除了傳統的\r、\n，Unicode還有一些換行符，開啟后作用於.MULTILINE和.DOTALL模式。
5，\X匹配Unicode的單個字形（grapheme）。
Unicode有時用多個字符組合在一起表示一個字形，詳見此文。
\X匹配一個字形，如：^\X$可以匹配'\u0041\u0308'。
單詞起始位置、單詞結束位置
\b是單詞分界位置，但不能區分是起始還是結束位置。
regex用\m表示單詞起始位置，用\M表示單詞結束位置。
(?|...|...)
重置分支匹配中的捕獲組編號。
>>> regex.match(r"(?|(first)|(second))", "first").groups() ('first',) >>> regex.match(r"(?|(first)|(second))", "second").groups() ('second',)
兩次匹配都是把捕獲到的內容放到編號為1捕獲組中，在某些情況很方便。
(?flags-flags:...)
局部范圍的flag控制。在re模塊，flag只能作用於整個表達式，現在可以作用於局部范圍了：
>>> regex.search(r"<B>(?i:good)</B>", "<B>GOOD</B>") <regex.Match object; span=(0, 11), match='<B>GOOD</B>'>
在這個例子里，忽略大小寫模式只作用於標簽之間的單詞。
(?i:)是打開忽略大小寫，(?-i:)則是關閉忽略大小寫。
如果有多個flag挨着寫既可，如(?is-f:)，減號左邊的是打開，減號右邊的是關閉。
除了局部范圍的flag，還有全局范圍的flag控制，如 (?si-f)<B>good</B>
re模塊也支持這個，可以參見Python文檔。
把flags寫進表達式、而不是以函數參數的方式聲明，方便直觀且不易出錯。
(?(DEFINE)...)
定義可重復使用的子句
>>> regex.search(r'(?(DEFINE)(?P<quant>\d+)(?P<item>\w+))(?&quant) (?&item)', '5 elephants') <regex.Match object; span=(0, 11), match='5 elephants'>
此例中，定義之后，(?&quant)表示\d+，(?&item)表示\w+。如果子句很復雜，能省不少事。
partial matches
部分匹配。可用於驗證用戶輸入，當輸入不合法字符時，立刻給出提示。
可以pickle編譯后的正則表達式對象
如果正則表達式很復雜或數量很多，編譯需要較長時間。
這時可以把編譯好的正則式用pickle存儲到文件里，下次使用直接pickle.load()就不必再次編譯了。
除了以上這些，還有很多新特性（匹配控制、便利方法等等），這里就不介紹了，請自行查閱文檔。
三、模糊匹配
regex有模糊匹配（fuzzy matching）功能，能針對字符進行模糊匹配，提供了3種模糊匹配：
- i，模糊插入
- d，模糊刪除
- s，模糊替換
以及e，包括以上三種模糊
舉個例子：
>>> regex.findall('(?:hello){s<=2}', 'hallo') ['hallo']
(?:hello){s<=2}的意思是：匹配hello，其中最多容許有兩個字符的錯誤。
於是可以成功匹配hallo。
這里只簡單介紹一下模糊匹配，詳情還是參見文檔吧。
四、兩種工作模式
regex有Version 0和Version 1兩個工作模式，其中的Version 0基本兼容現有的re模塊，以下是區別：
| Version 0 （基本兼容re模塊） | Version 1 | |
| 啟用方法 | 設置.VERSION0或.V0標志，或者在表達式里寫上(?V0)。 |
設置.VERSION1或.V1標志，或者在表達式里寫上(?V1)。 |
| 零寬匹配 | 像re模塊那樣處理： .split 不能在零寬匹配處切割字符串。 .sub 在匹配零寬之后向前傳動一個位置。 |
.split 可以在零寬匹配處切割字符串。 .sub 采用正確的行為。 |
| 內聯flag | 內聯flag只能作用於整個表達式，不可關閉。 | 內聯flag可以作用於局部表達式，可以關閉。 |
| 字符組 | 只支持簡單的字符組。 | 字符組里可以有嵌套的集合，也可以做集合運算（並集、交集、差集、對稱差集）。 |
| 大小寫匹配 | 默認支持普通的Unicode字符大小寫，如Й可匹配й。 這與Python3里re模塊的默認行為相同。 |
默認支持完整的Unicode字符大小寫，如ss可匹配ß。 可惜不支持Unicode組合字符與單一字符的大小寫匹配，所以感覺這個特性不太實用。可以在表達式里寫上(?-f)關閉此特性。 |
如果什么設置都不做，會采用regex.DEFAULT_VERSION指定的模式。在目前，regex.DEFAULT_VERSION的默認值是regex.V0。
如果想默認使用V1模式，這樣就可以了：
import regex regex.DEFAULT_VERSION = regex.V1
V1模式默認開啟.FULLCASE（完整的忽略大小寫匹配）。通常用不上這個，所以在忽略大小寫匹配時用(?-f)關閉.FULLCASE即可，這樣速度更快一點，例如：(?i-f)tag
其中零寬匹配的替換操作差異比如明顯。絕大多數正則引擎采用的是Perl流派的作法，於是Version 1也朝着Perl的方向改過去了。
>>> # Version 0 behaviour (like re) >>> regex.sub('(?V0).*', 'x', 'test') 'x' >>> regex.sub('(?V0).*?', '|', 'test') '|t|e|s|t|' >>> # Version 1 behaviour (like Perl) >>> regex.sub('(?V1).*', 'x', 'test') 'xx' >>> regex.sub('(?V1).*?', '|', 'test') '|||||||||'
re模塊對零寬匹配的實現可能是有誤的（見issue1647489）；
而V0零寬匹配的搜索和替換會出現不一致的行為（搜索采用V1的方式，替換采用re模塊的方式）；
在Python 3.7+環境下，re和regex模塊的行為同時做了改變，據稱是采用了“正確”的方式處理零寬匹配：總是返回第一個匹配（字符串或零寬），但是如果是零寬並且之前匹配的還是零寬則忽略。這和3.6-的re模塊、regex的V0模式、V1模式都略有不同。
說着挺嚇人的，在實際使用中3.6- re、3.7+ re、V0、V1之間極少出現不兼容的現象。
五、Version 0模式和re模塊不兼容之處
上面說了“Version 0基本兼容re模塊”，說說不兼容的地方：
1、對零寬匹配的處理。
regex修復了re模塊的搜索bug（見issue1647489），但是也帶來了不兼容的問題。
在re中，用".*?"搜索"test"返回：['', '', '', '', '']，也就是：最前、字母之間的3個位置、最后，總共5個位置。
在regex中，則返回：['', 't', '', 'e', '', 's', '', 't', '']
在實際使用中，這個問題幾乎不會造成不兼容的情況，所以基本可以忽略此差異。
2、\s的范圍。
在re中，\s在這一帶的范圍是0x09 ~ 0x0D，0x1C ~ 0x1E。
在regex中，\s采用的是Unicode 6.3+標准的\p{Whitespace}，在這一帶的范圍有所縮小，只有：0x09 ~ 0x0D。
| 十六進制 | 十進制 | 英文說明 | 中文說明 |
| 0x09 | 9 | HT (horizontal tab) | 水平制表符 |
| 0x0A | 10 | LF (NL line feed, new line) | 換行鍵 |
| 0x0B | 11 | VT (vertical tab) | 垂直制表符 |
| 0x0C | 12 | FF (NP form feed, new page) | 換頁鍵 |
| 0x0D | 13 | CR (carriage return) | 回車鍵 |
| ... | ... | ... | ... |
| 0x1C | 28 | FS (file separator) | 文件分割符 |
| 0x1D | 29 | GS (group separator) | 分組符 |
| 0x1E | 30 | RS (record separator) | 記錄分離符 |
除此之外，可能還有未知的不兼容之處。