正则表达式并不是python的一部分，正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

下图展示了使用正则表达式进行匹配的流程： 

正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解的，看下图中的示例以及自己多使用几次就能明白。

python通过re模块提供对正则表达式的支持，在python中使用‘r’解决转义字符带来的困扰，例如r"\n"是由‘\’和‘n‘两个字符组成。正则表达式可以包含特殊和普通字符，对于普通字符很好处理，只需匹配他们，但是对于特殊字符，例如‘|’或‘(‘这样的字符，就要特殊处理了。

1. 特殊字符：

• ‘.’
  

.是默认模式，它能匹配任意字符除了换行符，如果DOTALL标识被指定，将会匹配包括换行符在内的任意字符。

例如

字符串：abcdfgh

正则表达式：a.cdf

匹配结果：abcdf

• ‘*‘

匹配前一个字符0或无限次。例如ab*将能匹配‘a‘,‘ab‘,‘abbb‘,‘abbbbbbbb‘...

• ‘?‘

匹配前一个字符0或1次，例如ab?将能匹配‘a‘,‘ab‘

• ‘*?, +?, ??‘

‘*‘,‘+‘,‘?‘这些限定符是贪婪的，他们尽可能匹配多的字符，但有时并不希望是这样的，例如<.*>匹配‘<H1>title</H1>’将匹配整个字符串，而我们只希望匹配<H1>。这时我们可以通过在限定符后添加‘?‘使它变为非贪婪的，这样它将匹配尽可能少的字符。使用<.*？>将只匹配‘<H1>‘。

• ‘\’

转义字符，使用‘\‘之后的特殊字符将成为一个普通的字符，例如字符串中有*号需要匹配，使用‘\*‘或[*]

• ‘\w‘
  

匹配Unicode（str)单词字符，包括单词中的大部分字符，同时还包括数字和下划线，如果使用ASCII标识，只有[a-zA-Z0-9]被匹配，这种情况下，最好明确写出需要匹配的字符。例如：

字符串：abcde

表达式：a\wcd

匹配结果：abcd

• ‘(...)‘
  

被括起来的表达式将作为分组，从表达式的左边开始每遇到一个分组的左括号‘(’，编号+1.另外分组表达式作为一个整体，可以后接数量词，表达式中的‘|‘仅在该组中有效。例如：（abc){2}匹配 的字符：abcabc;a(123|456)c 匹配的字符：a123c、a456c.

(待积累...）

2. re方法：

re.sub(pattern, repl, string, count=0, flags=0)

使用repl根据pattern替换string中的字符并返回字符串。如果没有pattern，返回的string没有改变；repl可以是一个字符串或者函数，如果是字符串，转义字符可以被处理；如果repl是一个函数，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。 

re.match

（待积累。。。）

3、match对象

match对象是一次匹配的结果，通常是一个布尔值。它有如下方法和属性：

match方法：

match.group([group1, ...])

返回一个或多个匹配的子组，若只有一个参数，返回一个值，如果有多个参数，则以元组形式返回，如果没有参数。group1默认为0，返回整个匹配，如果groupN参数为0，仍然返回整个匹配字符串，如果返回字符返回超过匹配范围，抛出IndexError异常。

>>> m=re.match(r‘(\w+)(\w+)‘,‘isaac newton,physicists‘)
>>> m.group(0)
‘isaac‘
>>> m.group(1)
‘isaa‘
>>> m.group(2)
‘c‘
>>> m.group(3)
Traceback (most recent call last):
  File "<pyshell#10>", line 1, in <module>
    m.group(3)
IndexError: no such group
>>> m.group(1,2)
(‘isaa‘, ‘c‘)