正則表達式（regular expression）是一種工具，一種廣泛用於匹配字符串的工具。它用一個“字符串”來描述一個特征，然后去驗證另一個“字符串”是否符合這個特征。比如 表達式“ab+”描述的特征是“一個'a'和任意個'b'”，那么'ab','abb','abbbbbbbbbb'都符合這個特征。
在正式學習正則之前，你要牢記下面幾個事項：
1.正則表達式本質上是一門語言，它不從屬與 Python！Python 只是將他人寫好的正則引擎集成到了語言內部，大多數編程語言都是這么干的！
2.正則表達式誕生的時間很長，應用非常廣泛，是業界公認的字符串匹配工具。雖然有不同版本的內部引擎，但基本通用，也就是說，你在 Python 內寫的正則表達式，可以移植到 Linux 的 shell，Java 語言等任何支持正則的場景中去。
3.正則表達式默認從左往右匹配。
4.正則表達式默認是貪婪模式。
5.正則表達式默認在匹配到了內容后，則終止匹配，不繼續匹配。
6.對同一個問題，編寫的正則表達式不是唯一的
一、普通字符
字母、數字、漢字、下划線、以及沒有特殊定義的符號，都是"普通字符"。正則表達式中的普通字符，在匹配的時候，只匹配與自身相同的一個字符。
例如：表達式 c，在匹配字符串 abcde 時，匹配結果是：成功；匹配到的內容是 c；匹配到的位置開始於 2，結束於 3。（注：下標從 0 開始還是從 1 開始，因當前編程語言的不同而可能不同）
二、元字符
正則表達式中使用了很多元字符，用來表示一些特殊的含義或功能。
| 表達式 | 匹配 |
| . | 小數點可以匹配除了換行符\n 以外的任意一個字符 |
| | | 邏輯或操作符 |
| [] | 匹配字符集中的一個字符 |
| [^] | 對字符集求反，也就是上面的反操作。尖號必須在方括號里的最前面 |
| - | 定義[]里的一個字符區間，例如[a-z] |
| \ | 對緊跟其后的一個字符進行轉義 |
| () | 對表達式進行分組，將圓括號內的內容當做一個整體，並獲得匹配的值 |
例如：
a.c 匹配 abc
(a|b)c 匹配 ac 與 bc
[abc]1 匹配 a1 或者 b1 或者 c1
使用方括號[]包含一系列字符，能夠匹配其中任意一個字符。用[^]包含一系列字符，則能夠匹配其中字符之外的任意一個字符。
[ab5@]匹配 a 或 b 或 5 或@
[^abc]匹配 a,b,c 之外的任意一個字符
[f-k]匹配 f~k 之間的任意一個字母
[^A-F0-3]匹配 A~F 以及 0~3 之外的任意一個字符
三、轉義字符
一些無法書寫或者具有特殊功能的字符，采用在前面加斜杠"\"進行轉義的方法。例如下表所示：
| 表達式 | 匹配 |
| \r, \n | 匹配回車和換行符 |
| \t | 匹配制表符 |
| \\ | 匹配斜杠\ |
| \^ | 匹配^符號 |
| \$ | 匹配$符號 |
| \. | 匹配小數點. |
尚未列出的還有問號？、星號*和括號等其他的符號。所有正則表達式中具有特殊含義的字符在匹配自身的時候，都要使用斜杠進行轉義。這些轉義字符的匹配方法與普通字符類似，也是匹配與之相同的一個字符。
例如表達式\$d，在匹配字符串"abc$de"時，匹配結果是：成功；匹配到的內容是$d；匹配到的位置開始於 3，結束於 5。
四、預定義匹配字符集
正則表達式中的一些表示方法，可以同時匹配某個預定義字符集中的任意一個字符。比如，表達式\d 可以匹配任意一個數字。雖然可以匹配其中任意字符，但是只能是一個，不是多個。如下表所示，注意大小寫：
| 表達式 | 匹配 |
| \d | 任意一個數字，0~9 中的任意一個 |
| \w | 任意一個字母或數字或下划線，也就是 A~Z,a~z,0~9,_ 中的任意一個 |
| \s | 空格、制表符、換頁符等空白字符的其中任意一個 |
| \D | \d 的反集，也就是非數字的任意一個字符，等同於[^\d] |
| \W | \w 的反集，也就是[^\w] |
| \S | \s 的反集，也就是[^\s] |
例如表達式\d\d，在匹配 abc123 時，匹配的結果是：成功；匹配到的內容是 12；匹配到的位置開始於 3，結束於 5。
五、重復匹配
前面的表達式，無論是只能匹配一種字符的表達式，還是可以匹配多種字符其中任意一個的表達式，都只能匹配一次。但是有時候我們需要對某個片段進行重復匹配，例如手機號碼 13666666666，一般的新手可能會寫成\d\d\d\d\d\d\d\d\d\d\d（注意，這不是一個恰當的表達式），不但寫着費勁，看着也累，還不一定准確恰當。這種情況可以使用表達式再加上修飾匹配次數的特殊符號{}，不用重復書寫表達式就可以重復匹配。比如[abcd][abcd]可以寫成[abcd]{2}。
| 表達式 | 匹配 |
| {n} | 表達式重復 n 次，比如\d{2}相當於\d\d,a{3}相當於 aaa |
| {m,n} | 表達式至少重復 m 次，最多重復 n 次。比如 ab{1,3}可以匹配 ab 或 abb 或abbb |
| {m,} | 表達式至少重復 m 次，比如\w\d{2,}可以匹配 a12,_1111,M123 等等 |
| ? | 匹配表達式 0 次或者 1 次，相當於{0,1}，比如 a[cd]?可以匹配 a,ac,ad |
| + | 表達式至少出現 1 次，相當於{1,}，比如 a+b 可以匹配 ab,aab,aaab 等等 |
| * | 表達式出現 0 次到任意次，相當於{0,}，比如\^*b 可以匹配 b,^^^b 等等 |
其中有些例子一定要注意！比如 ab{1,3}中重復的是 b 而不是 ab，(ab){1,3}這樣重復的才是 ab。表達式\^*b 中重復的是\^而不是^，要從左往右讀正則表達式，轉義符號有更高的優先級，需要和后面的字符整體認讀。表達式\d+\.?\d*在匹配 It costs $12.5 時，匹配的結果是：成功；匹配到的內容是12.5；匹配到的位置開始於 10，結束於 14。表達式 go{2,8}gle 在匹配 Ads by goooooogle 時，匹配的結果是：成功；匹配到的內容是 goooooogle；匹配到的位置開始於 7，結束於 17。
六、位置匹配
有時候，我們對匹配出現的位置有要求，比如開頭、結尾、單詞之間等等。
| 表達式 | 匹配 |
| ^ | 在字符串開始的地方匹配，符號本身不匹配任何字符 |
| $ | 在字符串結束的地方匹配，符號本身不匹配任何字符 |
| \b | 匹配一個單詞邊界，也就是單詞和空格之間的位置，符號本身不匹配任何字符 |
| \B | 匹配非單詞邊界，即左右兩邊都是\w 范圍或者左右兩邊都不是\w 范圍時的字符縫隙 |
例如表達式^aaa 在匹配 xxx aaa xxx 時，匹配結果是：失敗。因為^要求在字符串開始的地方匹配。
表達式 aaa$在匹配 xxx aaa xxx 時，匹配結果是：失敗。因為$要求在字符串結束的地方匹配。
表達式.\b.在匹配@@@abc 時，匹配結果是：成功；匹配到的內容是@a；匹配到的位置開始於 2，結束於 4。
表達式\bend\b 在匹配 weekend,endfor,end 時，匹配結果是：成功；匹配到的內容是end；匹配到的位置開始於 15，結束於 18。
七、常用正則表達式
下面是網絡上收集的一些常用正則表達式，請參考使用。 PS:各位在復制粘貼的時候務必要小心前后多余的空格！
校驗數字的相關表達式：
| 功能 | 表達式 |
| 數字 | ^[0-9]*$ |
| n 位的數字 | ^\d{n}$ |
| 至少 n 位的數字 | ^\d{n,}$ |
| m-n 位的數字 | ^\d{m,n}$ |
| 零和非零開頭的數字 | ^(0|[1-9][0-9]*)$ |
| 非零開頭的最多帶兩位小數的數字 | ^([1-9][0-9]*)+(.[0-9]{1,2})?$ |
| 帶 1-2 位小數的正數或負數 | ^(\-)?\d+(\.\d{1,2})?$ |
| 正數、負數、和小數 | ^(\-|\+)?\d+(\.\d+)?$ |
| 有兩位小數的正實數 | ^[0-9]+(.[0-9]{2})?$ |
| 有 1~3 位小數的正實數 | ^[0-9]+(.[0-9]{1,3})?$ |
| 非零的正整數 | ^[1-9]\d*$ |
| 非零的負整數 | ^-[1-9]\d*$ |
| 非負整數 | ^\d+$ |
| 非正整數 | ^-[1-9]\d*|0$ |
| 非負浮點數 | ^\d+(\.\d+)?$ |
| 非正浮點數 | ^((-\d+(\.\d+)?)|(0+(\.0+)?))$ |
| 正浮點數 | ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ |
| 負浮點數 | ^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ |
| 浮點數 | ^(-?\d+)(\.\d+)?$ |
校驗字符的相關表達式：
| 功能 | 表達式 |
| 漢字 | ^[\u4e00-\u9fa5]{0,}$ |
| 英文和數字 | ^[A-Za-z0-9]+$ |
| 長度為 3-20 的所有字符 | ^.{3,20}$ |
| 由 26 個英文字母組成的字符串 | ^[A-Za-z]+$ |
| 由 26 個大寫英文字母組成的字符串 | ^[A-Z]+$ |
| 由 26 個小寫英文字母組成的字符串 | ^[a-z]+$ |
| 由數字和 26 個英文字母組成的字符串 | ^[A-Za-z0-9]+$ |
| 由數字、26 個英文字母或者下划線組成的字符串 | ^\w+$ |
| 中文、英文、數字包括下划線 | ^[\u4E00-\u9FA5A-Za-z0-9_]+$ |
| 中文、英文、數字但不包括下划線等符號 | ^[\u4E00-\u9FA5A-Za-z0-9]+$ |
| 可以輸入含有^%&’,;=?$\”等字符 | [^%&’,;=?$\x22]+ |
| 禁止輸入含有~的字符 | [^~\x22]+ |
特殊場景的表達式:
| 功能 | 表達式 |
| Email 地址 | ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ |
| 域名 | [a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? |
| InternetUR | [a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ |
| 手機號碼 | ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$ |
| 國內電話號碼 | \d{3}-\d{8}|\d{4}-\d{7}(0511-4405222、021-87888822) |
| 身份證號 | ^\d{15}|\d{18}$(15 位、18 位數字) |
| 短身份證號碼 | ^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$(數字、字母 x 結尾) |
| 帳號是否合法 | ^[a-zA-Z][a-zA-Z0-9_]{4,15}$(字母開頭，允許 5-16 字節，允許字母數字下划線) |
| 密碼 | ^[a-zA-Z]\w{5,17}$(以字母開頭，長度在 6~18 之間，只能包含字母、數字和下划線) |
| 強密碼 | ^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$(必須包含大小寫字母和數字的組合，不能使用特殊字符，長度在 8-10 之間) |
| 日期格式 | ^\d{4}-\d{1,2}-\d{1,2} |
| 一年的 12 個月(01～09和 1～12 | ^(0?[1-9]|1[0-2])$ |
| 一個月的 31 天(01～09和 1～31) | ^((0?[1-9])|((1|2)[0-9])|30|31)$ |
| xml 文件 | ^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$ |
| 雙字節字符 | [^\x00-\xff](包括漢字在內，可以用來計算字符串的長度(一個雙字節字符長度計 2，ASCII 字符計 1)) |
| 空白行的正則表達式 | \n\s*\r (可以用來刪除空白行) |
| HTML 標記的正則表達式 | <(\S*?)[^>]*>.*?</\1>|<.*? />(對於復雜的嵌套標記依舊無能為力) |
| 首尾空白字符的正則表達式 | ^\s*|\s*$或(^\s*)|(\s*$)(可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)) |
| 騰訊 QQ 號 | [1-9][0-9]{4,} (騰訊 QQ 號從 10000 開始) |
| 中國郵政編碼 | [1-9]\d{5}(?!\d) (中國郵政編碼為 6 位數字) |
| IP 地址提取 | \d+\.\d+\.\d+\.\d+ (提取 IP 地址時有用) |
| IP 地址合法性判斷 | ((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)) |