最近在看js，看到表单验证，里面正好有一项是邮箱的验证。书中提到了可以大幅度提高效率和减少代码的正则匹配的方法，突然想到前段时间写爬虫用到的python中的正则表达式，两者相关性甚大。前面写的时候也没有整理过关于正则的一些学习笔记，这次正好又碰上，借此机会复习整理一番。
　　文中的大部分内容是参看的AstralWind，巨人的肩膀还是要站的。谢谢他的整理和分享。

基础知识

　　正则表达式并不是Python所专有的，正如上面我提到的，js里也有其应用。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。所以如果已经在其他语言里使用过正则表达式，或者了解过正则表达式的基础知识，只需要简单看一看就可以快速上手了。
　　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。下面是匹配过程的示意图：
　　　　　　　　　　　　

Python支持的正则表达式元字符和语法

　　下面的图片较为完整的展示了正则表达式的语法。

几点说明

1.匹配的贪婪与非贪婪模式
　　Python里的匹配模式默认是贪婪的（在少数语言里也可能是默认非贪婪）。贪婪的意思就是：总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。如何来控制呢？方法就是使用“非贪婪”操作符?，其可以使用在"*","+","?"后面来终止贪婪模式。举例来说：正则表达式ab*如果用于查找abbbc，将找到abbb。而如果使用非贪婪的数量词ab*?，将找到a。

2.符号的转义
　　与大多数编程语言相同，正则表达式里使用\作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符“\”，那么使用编程语言表示的正则表达式里将需要4个反斜杠\\\\：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的raw字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了raw字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

3.匹配模式
　　正则表达式提供了一些简单实用的匹配模式，比如忽略大小写、多行匹配等，这部分内容将在后续一起介绍。
　　
版权：本文采用以下协议进行授权，自由转载 - 非商用 - 非衍生 - 保持署名 | Creative Commons BY-NC-ND 3.0，转载请注明作者及出处。