python使用正則表達式之前需要先倒入re模塊
import re
可選標志位
| re.A |
ASCII，使得 \w，\W，\b，\B，\s 和 \S 只匹配 ASCII 字符，而不匹配完整的 Unicode 字符。這個標志僅對 Unicode 模式有意義，並忽略字節模式。 |
| re.I |
IGNORECASE，字符類和文本字符串在匹配的時候不區分大小寫 |
| re.L |
LOCALE，使得 \w，\W，\b 和 \B 依賴當前的語言（區域）環境，而不是 Unicode 數據庫 |
| re.M |
MULTILINE，通常 ^ 只匹配字符串的開頭，而 $ 則匹配字符串的結尾。當這個標志被設置的時候，^ 不僅匹配字符串的開頭，還匹配每一行的行首；& 不僅匹配字符串的結尾，還匹配每一行的行尾。 |
| re.S |
DOTALL，使 . 匹配包括換行符在內的所有字符 |
| re.X |
VERBOSE，這個標志使你的正則表達式可以寫得更好看和更有條理，因為使用了這個標志，空格會被忽略（除了出現在字符類中和使用反斜杠轉義的空格）；這個標志同時允許你在正則表達式字符串中使用注釋，# 符號后邊的內容是注釋，不會遞交給匹配引擎（除了出現在字符類中和使用反斜杠轉義的 #）。 |
可以同時使用多個標志位，方法：re.search( r'正則表達式', '字符串', re.M|re.I)
特殊字符
| \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 [ \t\n\r\f\v] |
| \S |
匹配任何非空白字符；相當於類 [^\t\n\r\f\v] |
| \w |
匹配字母數字及下划線 |
| \W |
匹配非字母數字及下划線 |
| \b |
匹配單詞的開始或結束 |
| \B |
匹配非單詞邊界 |
元字符
| | |
或操作符,a | b匹配a或b |
| ^ |
匹配字符串的開頭，如果設置了 MULTILINE 標志，就會變成匹配每一行的起始位置。 |
| $ |
匹配字符串的末尾。如果設置了 MULTILINE 標志，就會變成匹配每一行的結束位置。 |
| . |
匹配任意字符，除了換行符，如果設置了DOTALL標志，則可以匹配包括換行符的任意字符。 |
| [abc] |
匹配括號中的a,b,c任意單個字符，而不是abc字符串 |
| [^abc] |
匹配除了a,b,c之外的任意字符 |
| * |
匹配前一個字符0次或多次 |
| + |
匹配前一個字符1次或多次 |
| ? |
匹配前一個字符0次或1次 |
| {n} |
精確匹配前一個字符 n次，例如a{3}b，可以匹配aaab |
| {,n} |
匹配前一個字符0次到n次 |
| {n,} |
匹配前一個字符 n次到無限次 |
| {m,n} |
匹配前一個字符 m 到 n 次 |
| \1...\9 |
匹配第n個分組的內容。(abc)小括號括起來的為一組\1匹配第一個小括號的組... |
1.compile函數：用於編譯正則表達式，生成一個正則表達式對象
p = re.compile(r'正則表達式'[, 可選標志位])
p.search('待匹配內容').group()
2.match函數：從字符串的起始位置開始匹配，如果起始位置匹配不成功返回none
re.match(r'正則表達式','字符串'[,可選標志位])
匹配對象包含了很多方法和屬性，以下幾個是最重要的
| group() | 返回匹配的字符串 |
| start() | 返回匹配的開始位置 |
| end() | 返回匹配的結束位置 |
| span() | 返回一個元組表示匹配位置（開始，結束） |
3.search函數：掃描整個字符串並返回第一個成功匹配的子串
re.search(r'正則表達式','字符串'[,可選標志位])
匹配對象同樣包含了很多方法和屬性
| group() | 返回匹配的字符串 |
| start() | 返回匹配的開始位置 |
| end() | 返回匹配的結束位置 |
| span() | 返回一個元組表示匹配位置（開始，結束） |
4.findall函數：掃描整個字符串，並返回一個列表，所有成功匹配的子串，如果沒有匹配成功返回none
r = re.findall('\d+','111aaa222bbb333ccc')
print(r)
['111', '222', '333']
#當正則表達式加上括號時，返回結果會優先顯示括號內匹配到的內容
#如果不想要優先顯示括號內匹配到的內容，可以在括號內頂格加上?:
#(?:正則表達式)
5.finditer函數：和findall類似，成功匹配時返回一個迭代器
p = re.compile('\d+')
iterator = p.finditer('3只小甲魚，15條腿，還有3條去了哪里？')
for match in iterator:
print (match.group())
6.sub函數：替換，類似字符串的replace
>>> r = re.sub('\d+', 'b', 'aaa111aaa222aaa333')
>>> print(r)
aaabaaabaaab
7.split函數：切割
>>> r = re.split('\d+','111aaa222bbb333ccc')
>>> print(r)
['', 'aaa', 'bbb', 'ccc']
#可以加上切割次數
>>> r = re.split('\d+','111aaa222bbb333ccc',1)
>>> print(r)
['', 'aaa222bbb333ccc']
#當需要顯示切割的內容時，可以在正則表達式兩邊加上括號
#打印時會把切割的內容一並顯示
>>> r = re.split('(\d+)','111aaa222bbb333ccc')
>>> print(r)
['', '111', 'aaa', '222', 'bbb', '333', 'ccc']
8.分組命名
定義分組：(?P<name>正則表達式)
分組引用：(?P=name)
>>> r = re.search('(?P<tag><\w+>)(?P<t>\w+)(?P=tag)','<h1>haha<h1>')
>>> print(r.group("t"))
haha
>>> print(r.group("tag"))
<h1>
貪婪 VS 非貪婪
當重復一個正則表達式時，如果使用 a*，那么結果是盡可能多地去匹配。當你嘗試匹配一對對稱的定界符，例如 HTML 標志中的尖括號，默認的貪婪模式會使得你很困擾。
我們來看下例子：
>>> s = '<html><head><title>Title</title>'
>>> len(s)
32
>>> print(re.match('<.*>', s).span())
(0, 32)
>>> print(re.match('<.*>', s).group())
<html><head><title>Title</title>
RE 匹配在 <html> 的 < 后，.* 消耗掉字符串的剩余部分。由於正則表達式默認是貪婪的原因，RE 必須從字符串的尾部一個字符一個字符地回溯，直到找到匹配的 >。大家看到，按照這種方法，最后找到匹配內容竟是 <html> 的 < 開始，到</title> 的 > 結束。顯然這不是你想要的結果。
在這種情況下，解決方案是使用非貪婪的限定符 *?、+?、?? 或 {m, n}?，盡可能地匹配小的文本。
>>> print(re.match('<.*?>', s).group())
<html>