本文来源，感谢分享
http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
正则表达式当然不是python仅有，以下语法部分各语言适用，下文将针对python中re模块讲解适用方法

语法

贪婪模式

贪婪模式：总是尝试匹配尽可能多的字符，python默认模式
非贪婪模式：总是尝试匹配尽可能少的字符
若使用正则表达式ab*（非贪婪模式为ab*?），用于查找"abbbc"，结果如下:
贪婪："abbb"（*尝试匹配了3次）
非贪婪："a"（*尝试匹配了0次）

反斜杠的困扰

大多数编程语言和正则表达式都使用"\"作为转义字符。假如需要匹配文中的字符"\"，那么使用编程语言表示的正则表达式将需要4个反斜杠"\\"，先由编程语言翻译成"\"，再由正则表达式翻译成"\"
python中原生字符串应运而生，"\\"可以使用r"\"来表示（python将不对其进行反斜杠转义，而正则中仍需要转义），"\d"可写成r"\d"

re模块

通常的使用步骤

首先创建pattern对象，再使用pattern对象的实例方法

import re
pattern = re.compile(r'hello')
match = pattern.match('hello world!')
if match:
    print match.group()
### 输出 ### 
#hello

也可以使用模块方法用于完成正则表达式的功能，上面的例子可以简写为：

match = re.match(r'hello', 'hello world!')
if match:
    print match.group()
### 输出 ### 
#hello

re.compile(strPattern[, flag])方法

第一个参数为字符串
第二个参数flag是匹配模式，可省略
可选值有：

• re.I: 忽略大小写
• re.M: 多行模式，改变^和$的行为
• re.S: 点任意匹配模式，改变.的行为
• re.L: 使预定字符类\w \W \b \B \s \S取决于当前区域设定
• re.U: 使预定字符类\w \W \b \B \s \S \d \D取决于unicode定义的字符属性
• re.X: 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

  a = re.compile(r"""\d +  # the integral part
                     \.    # the decimal point
                     \d *  # some fractional digits""", re.X)
  b = re.compile(r"\d+\.\d*")

取值可以使用按位或运算符|表示同时生效，比如re.I | re.M
也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。

Pattern

Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找
Pattern不能直接实例化，必须使用re.compile()进行构造
Pattern提供了几个可读属性用于获取表达式的相关信息：

• pattern: 编译时用的表达式字符串。
• flags: 编译时用的匹配模式。数字形式。
• groups: 表达式中分组的数量。
• groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

import re
p = re.compile(r'(\w+)(\w+)(?P<sign>.*)', re.DOTALL)

print "p.pattern:", p.pattern
print "p.flags:", p.flags
print "p.groups:", p.groups
print "p.groupindex:", p.groupindex

### 输出 ### 
# p.pattern: (\w+)(\w+)(?P<sign>.*)
# p.flags: 16
# p.groups: 3
# p.groupindex: {'sign': 3}

match()，字符串开始部分相同即可成功

• match()将从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；
• 如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。
• pos和endpos的默认值分别为0和len(string)
• 模块方法re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。
• 当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符$

search()，字符串中存在相同即可成功

• 从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象
• 若无法匹配，则将pos加1后重新尝试匹配，直到pos=endpos时仍无法匹配则返回None。
• pos和endpos的默认值分别为0和len(string))
• re.search()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

import re
pattern = re.compile(r'world') 
match = pattern.search('hello world!') 
if match:
        print match.group() 
### 输出 ### 
# world

spilt()

• 按照能够匹配的子串将string分割后返回列表
• maxsplit用于指定最大分割次数，不指定将全部分割。

import re 
p = re.compile(r'\d+')
print p.split('one1two2three3four4') 
### output ###
# ['one', 'two', 'three', 'four', '']

findall()

• 搜索string，以列表形式返回全部能匹配的子串。

import re 
p = re.compile(r'\d+')
print p.findall('one1two2three3four4') 
### output ###
# ['1', '2', '3', '4']

finditer()

• 搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。

import re 
p = re.compile(r'\d+')
for m in p.finditer('one1two2three3four4'):
    print m.group()
### output ###
# 1 2 3 4

sub()

• 使用repl替换string中每一个匹配的子串后，返回替换后的字符串
• 当repl是一个字符串时，可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0
• 当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
• count用于指定最多替换次数，不指定时全部替换。

import re 
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!' 
print p.sub(r'\2 \1', s) 
### output ###
# say i, world hello!

subn()

• 返回 (sub(repl, string[, count]), 替换次数)。

import re 
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!' 
print p.subn(r'\2 \1', s)
### output ###
# ('say i, world hello!', 2)

Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息

属性：

• string: 匹配时使用的文本
• re: 匹配时使用的Pattern对象
• pos: 文本中正则表达式开始搜索的索引
• endpos: 文本中正则表达式结束搜索的索引
• lastindex: 最后一个被捕获的分组在文本中的索引
• lastgroup*: 最后一个被捕获的分组的别名

方法：

• group([group1, …]):
  • 获得一个或多个分组截获的字符串，指定多个参数时将以元组形式返回
  • group1可以使用编号也可以使用别名
  • 编号0代表整个匹配的子串；不填写参数时，返回group(0)
  • 没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串
• groups([default]):
  • 以元组形式返回全部分组截获的字符串
  • 相当于调用group(1,2,…last)
  • default表示没有截获字符串的组以这个值替代，默认为None。
• groupdict([default]):
  • 返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内
  • default含义同上。
• start([group]):
  • 返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）
  • group默认值为0
• end([group]):
  • 返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）
  • group默认值为0
• span([group]): 返回(start(group), end(group))
• expand(template):
  • 将匹配到的分组代入template中然后返回
  • template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0
  • \id与\g<id>是等价的，但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

import re
m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')

print "m.string:", m.string
print "m.re:", m.re
print "m.pos:", m.pos
print "m.endpos:", m.endpos
print "m.lastindex:", m.lastindex
print "m.lastgroup:", m.lastgroup

print "m.group(1,2):", m.group(1, 2)
print "m.groups():", m.groups()
print "m.groupdict():", m.groupdict()
print "m.start(2):", m.start(2)
print "m.end(2):", m.end(2)
print "m.span(2):", m.span(2)
print r"m.expand(r'\2 \1\3'):", m.expand(r'\2 \1\3')

### output ###
# m.string: hello world!
# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello', 'world')
# m.groups(): ('hello', 'world', '!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r'\2 \1\3'): world hello!