什么时候该用正则表达式
正则表达式是一种用来描述文本模式的小型语言。它很强大，也很容易被滥用。
在动用 re 之前，先想想普通的字符串方法能不能搞定。.split()、.replace()、.startswith()、"target" in text 比等价的正则表达式更快、更易读，也更不容易出错。把正则表达式留给那些确实有规律、但对固定的字符串操作来说又太灵活的模式：电子邮件地址、电话号码、格式已知的日志行、HTML 或 Markdown 片段，以及任何“找出这类东西”的搜索。
基本词汇
正则表达式模式是一个描述你要找什么的字符串。几个基本构件：
.：任意单个字符\d：任意数字（0 到 9）\w：任意“单词”字符（字母、数字、下划线）\s：任意空白字符^：字符串开头$：字符串结尾[abc]：a、b、c 中的任意一个[^abc]：除 a、b、c 之外的任意字符a|b：a 或 b*：前一个元素出现零次或多次+：一次或多次?：零次或一次{3}：正好 3 次{2,5}：2 到 5 次( ... )：分组（捕获其中匹配的内容）
这些足以应付大多数实际场景中的正则表达式。
主要函数
re.search(pattern, text) 在字符串的任意位置查找第一个匹配。返回一个匹配对象或 None：
正则表达式模式请始终使用原始字符串（r"..."）。否则 Python 会尝试把反斜杠解释为字符串转义，你得到的模式就和你输入的不一样了。
re.match(pattern, text) 和 search 类似，但只在开头匹配：
大多数时候你需要的是 search。
re.findall(pattern, text) 以列表形式返回所有不重叠的匹配：
注意，findall 返回的是字符串，而不是匹配对象。如果模式中有一个分组，你得到的是分组的内容。如果有多个分组，你得到的是一个元组列表。
捕获分组
模式中的圆括号会捕获其中匹配到的内容：
命名分组通常更清楚：
一旦正则表达式有不止一个分组，给它们命名会让提取数据的代码好懂得多。
用 re.sub 替换
re.sub(pattern, replacement, text) 会替换所有匹配：
这会去掉所有不是数字的字符。替换字符串可以用 \1、\2 等引用捕获的分组；在原始字符串中，\g<1> 的写法更清楚：
你也可以传入一个函数作为替换内容。对于不是简单交换的转换，这很有用：
编译模式以便复用
如果你要多次使用同一个模式（尤其是在循环中），就先编译一次：
编译后的模式提供同样的方法：search、match、findall、sub，只是不需要再把模式作为第一个参数。效率稍高一些，通常也更易读。
标志
常用的修饰符，可以通过 flags= 参数传入，或者用“或”运算组合在一起：
re.IGNORECASE（re.I）：不区分大小写的匹配。re.MULTILINE（re.M）：^和$在每一行都能匹配，而不只是字符串的边界。re.DOTALL（re.S）：.也能匹配换行符（默认不能）。re.VERBOSE（re.X）：允许在模式中使用空白和#注释，提高可读性。
re.VERBOSE 对复杂的模式尤其有用：
分多行写、带注释的正则表达式，比晦涩的单行写法好维护得多。
贪婪与非贪婪
量词（*、+、?、{n,}）默认是贪婪的：它们会尽可能多地匹配。加上一个 ? 就能让它们变成非贪婪（惰性）的：
贪婪版本捕获了从 <b> 到 </i> 的整段子串，这多半不是你想要的。非贪婪的 .+? 会在第一个 > 处停下。
（顺便提一句：在生产环境中，不要真的用正则表达式解析 HTML。请使用 html.parser 或 BeautifulSoup。上面的例子只是为了演示贪婪匹配。）
一个贴近实际的例子
解析一种简单日志格式中的行：
没几行代码，却能做很多事。
几个好习惯
- 模式始终使用原始字符串。
- 先写能用的最简单的模式，之后再收紧。
- 分组不止一个时，使用命名分组。
- 要复用的模式先编译。
- 正则表达式比普通的字符串方法慢。如果
.split()就能搞定，那就用.split()。
下一步：错误与调试
到这里，处理真实数据的内容就讲完了：文件、JSON、CSV、HTTP、日期和正则表达式。不过，任何真实的程序迟早都会遇到错误，而读懂 Python 的 traceback 是你能学到的最重要的调试技能。最后一章介绍异常，以及你最常遇到的那些具体错误。
常见问题
Python 中的正则表达式是什么？
正则表达式（regex）是一种用来描述文本模式的小型语言。Python 的 re 模块让你可以搜索模式、提取片段和替换匹配的内容。对于简单的字符串操作来说，它有点大材小用，应该先用 .split() 或 .replace() 这样的字符串方法；但在有规律的模式匹配上，它无可替代。
re.match 和 re.search 有什么区别？
re.match 只在字符串的开头进行匹配。re.search 会扫描整个字符串，找到任意位置的第一个匹配。拿不准的时候就用 search，它更符合人的直觉。
正则表达式模式应该总是用原始字符串吗？
是的。正则表达式模式里经常有反斜杠（\d、\s、\b），而 Python 字符串会把它们解释为转义序列。在前面加上 r，写成 r'\d+'，就是告诉 Python 按字面意思处理这个字符串，这样正则表达式本身也更易读。
