之前一直對正規表示式有點陌生，人對陌生的東西，自然有點恐懼。最近正在學習爬蟲，看ryan mitchell的web scraping with python， 裡面有比較好的關於正規表示式的介紹，所以把它翻譯下來，分享給大家。有一句計算機科學界的笑話「你有乙個問題，然後你決定用正規表示式去解決，好了，那麼你有兩個問題。」（看來大家對正規表示式的感受是一樣的）。
不幸的是，正規表示式(regex)通常是用有很多亂七八糟符號的**來教授的，看上去簡直和胡扯一樣，這容易令人生厭。然後當他們去工作的時候，本來可以用一行正規表示式搞定的東西，就會寫一大堆沒必要的搜尋和過濾函式。
你很幸運，看到這本書，因為正規表示式並沒有這麼難，而且確實很高效，而且用幾個例子就能很快的學會。
正規表示式之所以叫正規表示式(中文翻譯的總是這麼邪乎)，就是因為它是用來識別有規律的字串(regular strings)。也就是說，給定正規表示式，對於文字來說，要麼「滿足規律，我返回」，要麼「不滿足規律，我不返回」。這在大文字中尋找比如像**號碼或者郵件位址這樣的字串的時候讓人感覺異常方便。
注意到我說regular strings，那麼什麼樣的字串算是有規律的字串？它是指任何可以通過一系列線性規則生成的字串，比如:
至少有乙個「a」滿足這些條件的字串有「aaaabbbbbccccd」，「aabbbbbcc」等等（總共有無限種變體）。然後跟5個「b」
跟偶數個「c」
結尾可能以「d」結尾
正規表示式其實就是這些規則的縮寫。比如，下面這個就是上面4個規則的正規表示式。
aa*bbbbb(cc)*(d | )這個字串一看上去有點慌，但是當我們對它進行分解的時候，也就變得簡單了。
aa*
先寫乙個a，然後後面跟這a*，a*的意思是任意個數的a，包括0個從而保證至少有乙個a。
bbbbb
就是5個b。
(cc)*
任何偶數次的東西可以稱之為對，所以這裡要達到偶數次的c可以寫兩個c，然後用括號括起來，後面跟乙個星號，星號意味著可以有任何數量的c對，這裡同樣可以是0對。
(d | )
「|」這個的意思就是「或」，在這裡就是「d 」或「 」，這樣我們就可以保證最多乙個d結尾。
正規表示式的乙個經典的例子是識別乙個郵件位址。雖然對於不同的郵件伺服器來說，郵件位址的規則可能存在細微的不同，但我們還是可以發現一些通用的規則。對應的正規表示式出現在**的第二列。
規則正規表示式
[a-za-z0-9.+_]+：中括號的意思是可以是中括號中的任意乙個符號，加號的意思是這個符號或表示式可以出現任意次數，但至少要出現一次
規則2：有乙個「@」
@：在中間有且僅出現一次
規則3：必須跟至少乙個大寫或小寫字母
[a-za-z]+
規則4：必須有乙個英文句號
.
規則5：位址以org，com,edu,或者net結尾（現實中還有很多，這裡只舉例）
（org |com |edu |net）
連線所有的規則我們就得到乙個正規表示式：
[a-za-z0-9+_.]+@[a-za-z]+.(org |com |edu |net)當要的寫乙個正規表示式的時候，最好先列乙個正規表示式的大綱，列出表示式所暗含的字串規則。注意特例，比如你是用來識別**號碼，你考慮了國家**了嗎？
最後，下表列出了常見的正規表示式符號，以及簡要的介紹和相應的例子。這個**絕對不完整，而且隨著語言的不同可能也有輕微的差別。無論如何這12個符號在python中最常用，他們可以用來查詢和收集大部分的字串。
符號意義
例子實際例子
*匹配前面的字元，子表示式，或者中括號字元，0次或多次
a*b*
aaaaa,bbbbb,aabb
+匹配前面的字元，子表示式，或者中括號字元，1次或多次
a+b+
aaab,abbb,aaaabbbb
匹配中括號中的任意字元
[a-z]*
()子表示式（這在正規表示式檢查順序中是第一位的）
（a*b）*
aaabab,aaab,abab
匹配前面的字元，子表示式，或者中括號字元m-n次（閉區間）
abaabbb，aaabbb，aabb
[^]不匹配中括號中任意乙個字元
[^a-z]*
|匹配任何乙個由「|」分隔開的字元，字串，或者子表示式
b(a|i|e)d
bad,bid,bed
.匹配任意單個字元(包括字元，數字或空格等)
b.dbad,bed,b d,b$d
^表明乙個字元或者子字串出現在整個字串的開頭^a\
轉義字元（它使得你可以使用特殊字元的字面形式）
\.\|\\
.|\$
放在正規表示式末尾，表示這裡是表示式的末尾。如果沒有這個符號，任意乙個表示式在末尾都相當於有乙個預設的「.*」
[a-z]*[a-z]*$
abcabc,zzzyx,bob
？！不包含。這個奇怪的字元對出現在乙個字元或者子表示式前面，表明這個字元或者子表示式不能出現在該字串中的該位置上。這用起來要小心，因為它並不排除該字元或者子表示式出現在字串的其它位置上。如果要在字串中完全消除某個字元或者子表示式，需要在兩端用^和$配合使用。
^((?![a -z]).)*$
no-caps-here, joewjjige
正規表示式 正規表示式 總結
非負整數 d 正整數 0 9 1 9 0 9 非正整數 d 0 負整數 0 9 1 9 0 9 整數 d 非負浮點數 d d 正浮點數 0 9 0 9 1 9 0 9 0 9 1 9 0 9 0 9 0 9 1 9 0 9 非正浮點數 d d 0 0 負浮點數 正浮點數正則式 英文本串 a za z...
正規表示式 表示式
網域名稱 a za z0 9 a za z0 9 a za z0 9 a za z0 9 interneturl a za z s 或 http w w w 手機號碼 13 0 9 14 5 7 15 0 1 2 3 5 6 7 8 9 18 0 1 2 3 5 6 7 8 9 d 號碼 x x x...
Linux正規表示式 編寫正規表示式
為了所有實用化的用途，你可以通過使用程式產生正確的結果。然而，並不意味著程式總是如你所願的那樣正確地工作。多數情況下，如果程式不能產生想要的輸出，可以斷定真正的問題 排除輸入或語法錯誤 在於如何描述想要的東西。換句話說，應該考慮糾正問題的地方是描述想要的結果的表示式。表示式不完整或者公式表示得不正確...