Python 中一类主要的处理对象就是字符串，如何从字符串中筛选特定模式的子字符串就需要正则表达式。使用正则表达式的模式和字符串既可以是 Unicode 字符串（str），也可以是 8 为字节串（bytes）。本节介绍如何在 Python 中使用正则表达式。

正则表达式调用格式

import re

re_exp = re.compile(r'xxx', flags=flag)
re_exp.match(str_instance)
re_exp.findall(str_instance)
re_exp.search(str_instance)
re_exp.split(str_instance)

# or (除了上面编译后在匹配，还可以采用下面的合成形式，实际上内部是采用上面的步骤)
re.match(r'xxx', str_instance, flags=flag)
re.findall(r'xxx', str_instance, flags=flag)
...

其中，re 是 python 内置的正则表达式模块，r’xxx’ 为匹配模式，flags 为一个可选参数，称为标记，可配置为是否忽略大小写（re.I）、采用多行模式（re.M）等。re.compile 为将匹配模式编译为正则表达式，会被缓存。match, findall 等编译后的正则表达式对象支持的方法和属性（如 re_exp.flags, re_exp.groups, re_exp.pattern等）。

正则表达式语法-匹配模式

正则表达式中有一些特殊语法，具体的如下：

1. 绝大部分普通字符（如 ‘A’, ‘a’, ‘0’ 等）是最简单的表达式，匹配自身；除此之外，还有一些特殊字符。
2. . 默认模式下匹配除了换行以外的任意字符；如 py. 可匹配 ‘pyc’, ‘pyo’, ‘py!’
3. ^ 匹配字符串的开头；
4. $ 匹配字符串的结尾；
5. * 对它前面的正则式匹配 0 到任意次重复，尽量多的匹配字符串，即贪婪匹配；
6. + 对它前面的正则式匹配 1 到任意次重复；
7. ? 对它前面的正则式匹配 0 到 1 次重复；
8. *?, +?, ?? 因为 *, +, ? 都是贪婪匹配，它们会进行尽可能多的匹配。但有时不需要这种行为，在它们末尾再增加 ? 则转变为非贪婪方式，会尽量少的进行字符匹配；
9. {m} 对其前面的正则式指定匹配 m 个重复，如果少于 m 个则会导致匹配失败；
10. {m,n} 对其前面的正则式进行 m 到 n 次匹配，属于贪婪式，会在 m 和 n 之间取尽量多。忽略 m 意指 m=0，忽略 n 意指 n 取无穷大。特别注意逗号不能省略，否则无法辨识修饰符应该忽略哪个边界；
11. {m,n}? 采用非贪婪模式，只匹配 m 和 n 之间尽量少的字符次数；
12. \ 转义字符（允许你匹配上面出现的特殊字符）；
13. [] 表示在中括号里的字符为字符串中出现的可选字符。只匹配中括号中出现的字符。如 [a-f0-9A-F] 匹配十六进制位、[0-5][0-9]匹配 00 到 59 时间数。如果特殊字符出现在中括号中，则将使特殊字符失去特殊含义，功能同转义字符。[^5] 匹配除了5以外的字符；如果要匹配 ]，可以采用：1）前面增加转义字符 [()\]] ；2）放在首位 []()]，其中 () 为其他需要匹配的字符；
14. | 或符号，如 A|B 则正则式 A 或 B ；
15. () 表示将匹配完成的内容截取除小括号中的内容；
16. \A 只匹配字符串开始；
17. \b 匹配空字符串，但只能在单词开始或结尾的位置；
18. \B 匹配空字符串，但不能在单词的开始或结尾的位置，如 r'py\B' 匹配 ‘python’, ‘py3’，但不匹配 ‘py’；
19. \d 匹配十进制数；如 00\d 可匹配 ‘007’，但无法匹配 ‘00A’
20. \D 匹配非十进制数；
21. \s 匹配空白字符；
22. \S 匹配非空白字符；
23. \w 匹配词语字符，包含构成词语的绝对部分字符，也包括数字和下划线；如 \w\w\d 可匹配 ‘py3’
24. \W 匹配非单词字符的字符；
25. \Z 只匹配字符串尾；

正则表达式 flags 标记

1. re.A 或 re.ASCII 让 \w, \W, \b, \B, \d, \D, \s, \S 只匹配 ASCII，而不是 Unicode；
2. re.DEBUG 显示编译时的 debug 信息；
3. re.I 或 re.IGNORECASE 忽略大小写匹配；如模式 [A-Z] 也只会匹配小写字符;
4. re.L 或 re.LOCALE 由当前语言区域决定 \w, \W, \b, \B 和大小写敏感匹配；
5. re.M 或 re.MULTILINE 样式字符 ^ 匹配字符串的开始，和每一行的开始（换行符后面紧跟的符号）、样式字符 $ 匹配字符串尾，和每一行的结尾（换行符前面那个符号）。注意，默认情况下 ^ 只匹配字符串开头，$ 只匹配字符串结尾；
6. re.S 或 re.DOTALL 让 . 匹配换行符，默认情况下，. 只匹配除了换行符以外的其他任意字符；
7. re.X 或 re.VERBOSE 这个标记允许你编写更具可读性更友好的正则表达式。通过分段和添加注释。

正则表达式函数

1. re.search(pattern, string, flags=0) 扫描整个 字符串 string 找到匹配样式的第一个位置，并返回一个相应的匹配对象。如果没有匹配，就返回一个 None ； 注意这和找到一个零长度匹配是不同的；
2. re.match(pattern, string, flags=0) 只从 string 的开始匹配到了正则表达式样式，就返回一个相应的匹配对象 。 如果没有匹配，就返回 None ；注意它跟零长度匹配是不同的。注意即便是 MULTILINE多行模式， re.match()也只匹配字符串的开始位置，而不匹配每行开始。如果你想定位 string 的任何位置，使用 search() 来替代；
3. re.fullmatch(pattern, string, flags=0) 如果整个 string 匹配到正则表达式样式，就返回一个相应的 匹配对象 。 否则就返回一个 None ；注意这跟零长度匹配是不同的；
4. re.split(pattern, string, maxsplit=0, flags=0) 用 pattern 分开 string。如果在 pattern 中捕获到括号，那么所有的组里的文字也会包含在列表里。如果 maxsplit 非零， 最多进行 maxsplit 次分隔， 剩下的字符全部返回到列表的最后一个元素；
5. re.findall(pattern, string, flags=0) 以列表形式返回所有匹配到的子字符串；
6. re.finditer(pattern, string, flags=0) pattern 在 string 里所有的非重复匹配，返回为一个迭代器 iterator 保存了匹配对象。 string 从左到右扫描，匹配按顺序排列。空匹配也包含在结果里；
7. re.sub(pattern, repl, string, count=0, flags=0) 返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串。 如果样式没有找到，则不加改变地返回 string。 repl 可以是字符串或函数；如为字符串，则其中任何反斜杠转义序列都会被处理；
8. re.subn(pattern, repl, string, count=0, flags=0) 行为与 sub() 相同，但是返回一个元组 (字符串, 替换次数);
9. re.escape(pattern) 转义 pattern 中的特殊字符。如果你想对任意可能包含正则表达式元字符的文本字符串进行匹配，它就是有用的；
10. re.purge() 清除正则表达式的缓存。

• [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是 Python 合法的变量；

• A|B 可以匹配 A 或 B，所以 (P|p)ython 可以匹配 ‘Python’ 或者 ‘python’；

• ^\d表示必须以数字开头；

• \d$表示必须以数字结束；

re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

re.split(r'[\s\,]+', 'a,b, c  d')
['a', 'b', 'c', 'd']

re.split(r'[\s\,\;]+', 'a,b;; c  d')
['a', 'b', 'c', 'd']

re.findall(r"(\w+)=(\d+)", "set width=20 and height=10")
[('width', '20'), ('height', '10')]