字符串是編程時涉及到的最多的一種數據結構，對字符串進行操作的需求幾乎無處不在。比如判斷一個字符串是否是一個合法的Email地址，雖然可以編程提取@前后的子串，再分別判斷是否是單詞和域名，但這樣做不但麻煩，而且代碼難以復用。
正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，我們juice認為它“匹配”了，否則，該字符串就是不合法的。
所以我們判斷一個字符串是否是合法的Email的方法是：
1.創建一個匹配Email的正則表達式；
2.用該正則表達式去匹配用戶的輸入來判斷是否合法。
由于正則表達式也是用字符串表示的，所以，我們要首先了解如何用字符來表述字符。
### 一、匹配單個字符
在正則表達式中，如果直接給出字符，就是精確匹配。
\d可以匹配一個數字
\w可以匹配一個字母或數字
. 可以匹配任意一個字符
如，‘00\d'?可以匹配'007'，但無法匹配'00A';
### 二、匹配邊長的字符
要匹配變長的字符，在正則表達式中，用 * 表示任意個字符（包括０個），用 ＋ 表示至少一個字符，用 ？ 表示０個或１個字符，用? {n}?表示n個字符，用
{n,m} 表示n-m個字符：
如，\d{3}\s+\d{3,8}表示，三個數字，至少一個空格，3-8個數字
### 三、進階
要做更精確地匹配，可以用 [ ] 表示范圍，
比如：
-
`[0-9a-zA-Z\_]`可以匹配一個數字、字母或者下劃線；
-
`[0-9a-zA-Z\_]+`可以匹配至少由一個數字、字母或者下劃線組成的字符串，比如`'a100'`，`'0_Z'`，`'Py3000'`等等；
-
`[a-zA-Z\_][a-zA-Z\_]*`可以匹配由字母或下劃線開頭，后接任意個由一個數字、字母或者下劃線組成的字符串，也就是Python合法的變量；
-
`[a-zA-Z\_][a-zA-Z\_]{0, 19}`更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）。
`A|B`可以匹配A或B，所以`[P|p]ython`可以匹配`'Python'`或者`'python'`。
`^`表示行的開頭，`^\d`表示必須以數字開頭。
`$`表示行的結束，`\d$`表示必須以數字結束。
你可能注意到了，`py`也可以匹配`'python'`，但是加上`^py$`就變成了整行匹配，就只能匹配`'py'`了。
### 四、re模塊
python提供re模塊，包含所有正則表達式的功能。
### 先來看看如何判斷正則表達式是否匹配：
~~~
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
~~~
`match()`方法判斷是否匹配，如果匹配成功，返回一個`Match`對象，否則返回`None`。常見的判斷方法就是：
~~~
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print 'ok'
else:
print 'failed'
~~~
### 搜索子字符串
`search()`方法判斷是包含子字符串，如果包含可用group()來查看結果，如果不包含返回None。
~~~
>>> m = re.search('[0-9]','abcd3ef')
>>> print m.group(0)
3
>>> m = re.search('[0-9]','abcdef')
>>> m.group()
~~~
### 替換子串
~~~
str = re.sub(pattern, replacement, string)
# 在string中利用正則變換pattern進行搜索，對于搜索到的字符串，用另一字符串replacement替換。返回替換后的字符串。
~~~
~~~
>>> str=re.sub('[0-9]','u','ab2c1def')
>>> str
'abucudef'
~~~
### 切分字符串
用正則表達式**切分字符串**比用固定的字符更靈活，請看正常的切分代碼：
~~~
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
~~~
結果發現，無法識別連續的空格，用正則表達式試試：
~~~
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
~~~
無論多少個空格都可以正常進行分割。加入，試試：
~~~
>>> re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']
~~~
### 分組(提取子串)
除了簡單地判斷是否匹配之外，正則表達式還有**提取子串的強大功能**。用`()`表示的就是要提取的分組（Group）。
比如：`^(\d{3})-(\d{3,8})$`分別定義了兩個組，可以直接從匹配的字符串中提取出區號和本地號碼：
~~~
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
~~~
如果正則表達式中定義了組，就可以在`Match`對象上用`group()`方法提取出子串來。
注意到`group(0)`永遠是原始字符串，`group(1)`、`group(2)`……表示第1、2、……個子串。
### 五、編譯
當我們在Python中使用正則表達式時，re模塊內部會干兩件事情：
1.編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯；
2.用編譯后的正則表達式去匹配字符串。
如果一個正則表達式要重復使用幾千次，出于效率的考慮，我們**可以預編譯該正則表達式**，接下來重復使用時就不需要編譯這個步驟了，直接匹配：
~~~
>>> import re
# 編譯:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
~~~
編譯后生成Regular Expression對象，由于該對象自己包含了正則表達式，所以調用對應的方法時不用給出正則字符串。
