python正则表达式-re模块

目录：

一、正则函数

二、re模块调用

三、贪婪模式

四、分组

五、正则表达式修饰符

六、正则表达式模式

七、常见的正则表达式

 

导读：

　　想要使用python的正则表达式功能就需要调用re模块，re模块为高级字符串处理提供了正则表达式工具。模块中提供了不少有用的函数，比如：compile函数、match函数、search函数、findall函数、finditer函数、split函数、sub函数、subn函数等。接下来本文将会介绍这些函数的使用情况，然后通过分析编译流程对比两种re模块的调用方式，之后会介绍其他一些应用正则表达式需要知道的理论知识，最后通过一些经典的实例将之前学习的理论应用于实际。让我们开始正则表达式的学习之旅吧~~~

 

一、正则函数

1. re.match函数

功能：re.match尝试从字符串的起始位置匹配一个模式，如果匹配成功则返回一个匹配的对象，如果不是起始位置匹配成功的话，match()就返回none。

语法：re.match(pattern,string,flags=0)

例子：

s = "12abc345ab"
m = re.match(r"\d+", s)     ### \d表示匹配数字，相当于[0-9]，+表示匹配一个或多个字符
print(m.group())    # answer:12     ### match只能匹配一次，group()返回匹配的完整字符串
print(m.span())     # answer:(0, 2) ### span()返回包含起始、结束位置的元组

m = re.match(r"\d{3,}", s)  ### {3，}规定了匹配最少3个字符，match从起始位置匹配，匹配不到3个字符返回none
print(m)    # answer:None

注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

2. re.search函数

功能：re.search 扫描整个字符串并返回第一个成功的匹配，如果匹配成功re.search方法返回一个匹配的对象，否则返回None。

语法：re.search(pattern, string, flags=0)

例子：

s = "12abc345ab"
m = re.search(r"\d{3,}", s) ### search与match相比的优势，匹配整个字符串，而match只从起始位置匹配
print(m.group())    # answer:345
print(m.span())     # answer:(5, 8)

m = re.search(r"\d+", s)    ### search和match一样，只匹配一次
print(m.group())    # answer:12
print(m.span())     # answer:(0, 2)

注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

 3. re.sub函数

功能：re.sub用于替换字符串中的匹配项。

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

repl参数可以为替换的字符串，也可以为一个函数。

• 如果repl是字符串，那么就会去替换字符串匹配的子串，返回替换后的字符串；
• 如果repl是函数，定义的函数只能有一个参数（匹配的对象），并返回替换后的字符串。

例子：

phone = "2004-959-559 # 这是一个国外电话号码"
### 删除字符串中的 Python注释
num = re.sub(r'#.*$', "", phone)    ### '.*'表示匹配除了换行符以外的0个或多个字符，’#...'表示匹配注释部分，'$'表示匹配到字符末尾
print("电话号码是：", num)        # answer:电话号码是： 2004-959-559
### 删除非数字(-)的字符串
num = re.sub(r'\D', "", phone)    ### '\D'表示匹配非数字字符，相当于[^0-9]  
print("电话号码是：", num)        # answer:电话号码是： 2004959559

count可指定替换次数，不指定时全部替换。例如：

s = 'abc,123,ef'
s1 = re.sub(r'[a-z]+', '*', s)
print(s1)    # answer: *,123,*
s2 = re.sub(r'[a-z]+', '*', s, count=1)
print(s2)    # answer: *,123,ef

repl可以为一个函数。例如：

# 调用函数对每一个字符进行替换，得到了不同的替换结果
def more(matched):
    print(matched.group())
    return "*" * len(matched.group())
s = 'abc,123,ef'
s = re.sub(r"[a-z]+", more, s)
print(s)
# answer1: abc  answer2: ef  answer3: ***,123,**

 注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

4. re.subn函数

功能：和sub函数差不多，但是返回结果不同，返回一个元组“（新字符串，替换次数）”

例子：

s = 'abc,123,ef'
s1 = re.subn(r'[a-z]+', '*', s)
print(s1)    # answer: ('*,123,*', 2)
s2 = re.subn(r'[a-z]+', '*', s, count=1)
print(s2)    # answer: ('*,123,ef', 1)

注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

5. re.compile函数

功能：compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。如果匹配成功则返回一个Match对象。

语法：re.compile(pattern[, flags])

注：compilte函数调用情况比较复杂，下面会有一节专门讲解。

6. findall函数

功能：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

语法：findall(string[, pos[, endpos]])

例子：

s = "12abc345ab"
ms = re.findall(r"\d+", s)  ### findall匹配所有字符，而match和search只能匹配一次
print(ms)       # answer:['12', '345']

ms = re.findall(r"\d{5}", s)    ### {5}表示匹配5个字符，没有匹配到，返回空列表
print(ms)       # answer:[]

注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

7. re.finditer函数

功能：在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

语法：re.finditer(pattern, string, flags=0)

例子：

s = "12abc345ab"
for m in re.finditer(r"\d+", s):    ### finditer返回的是迭代器
    print(m.group())    # answer1:12 ，answer2:345
    print(m.span())     # answer1:(0, 2) ，answer2:(5, 8)

注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

8. re.split函数

功能：split 方法用pattern做分隔符切分字符串，分割后返回列表。如果用'(pattern)'，那么分隔符也会返回。

语法：re.split(pattern, string[, maxsplit=0, flags=0])

例子：

m = re.split('\W+', 'dog,dog,dog.')     ### '\W'表示匹配非字母数字及下划线，在这里匹配的就是','和'.'，然后按这些字符分割
print(m)    # answer:['dog', 'dog', 'dog', '']
m = re.split('(\W+)', 'dog,dog,dog.')   ### 使用'(pattern)'，连带分隔符一起返回
print(m)    # answer:['dog', ',', 'dog', ',', 'dog', '.', '']
m = re.split('\W+', 'dog,dog,dog.', maxsplit=1)  ### 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
print(m)    # answer:['dog', 'dog,dog.']

 注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。

小结：

1. 函数辨析：match和search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；

re.search匹配整个字符串，直到找到一个匹配。

2. 函数辨析：3个匹配函数match、search、findall

match 和 search 只匹配一次 ，匹配不到返回None，findall 查找所有匹配结果。

3. 函数返回值

函数re.finditer 、 re.match和re.search 返回匹配对象，而findall、split返回列表。

4. re.compile函数是个谜。

 

二、re模块调用

re模块的使用一般有两种方式：

方法1：

直接使用上面介绍的 re.match, re.search 和 re.findall 等函数对文本进行匹配查找。

方法2：

（1）使用compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象；

（2）通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）；

（3）最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作。

 接下来重点介绍一下compile函数。

 

re.compile函数用于编译正则表达式，生成一个Pattern对象，调用形式如下：

re.compile(pattern[, flag])

其中，pattern是一个字符串形式的正则表达式，flag是一个可选参数（下一节具体讲解）。

例子：

import re
# 将正则表达式编译成Pattern对象
pattern = re.compile(r'\d+')

利用Pattern对象可以调用前面提到的一系列函数进行文本匹配查找了，但是这些函数的调用与之前有一些小差别。

1. match函数

 使用语法：

（1）re.match(pattern, string[, flags])

这个之前讲解过了。

（2）Pattern对象：match(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。因此，当不指定 pos 和 endpos 时，match 方法默认匹配字符串的头部。当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。

例子：

pattern = re.compile(r"\d+")
m = pattern.match('one12twothree34four')    ### 这种情况下和re.match一样了
print(m)      # answer: None
m = pattern.match('one12twothree34four', 3, 15)
print(m)      # 返回一个Match对象 answer: <_sre.SRE_Match object; span=(3, 5), match='12'>
print(m.group())    # 等价于 print(m.group(0)) answer: 12
print(m.start(0))   # answer: 3
print(m.end(0))     # answer: 5
print(m.span(0))    # answer: (3, 5)
### 对比
s = 'one12twothree34four'
s = re.match(r"\d+", s)
print(s)        # answer: None

当匹配成功时会返回一个Match对象，其中：

• group([0, 1, 2,...]): 可返回一个或多个分组匹配的字符串，若要返回匹配的全部字符串，可以使用group()或group(0)。
• start(): 匹配的开始位置。
• end(): 匹配的结束位置。
• span(): 包含起始、结束位置的元组。等价于(start(), end())。
• groups(): 返回分组信息。等价于(m.group(1), m.group(2))。
• groupdict(): 返回命名分组信息。

例子：

pattern = re.compile(r"([a-z]+) ([a-z]+)", re.I)   ### re.I 表示忽略大小写, ()表示一个分组，所以这里有2个分组。([a-z]+)表示匹配1个或多个字母
m = pattern.match('hello nice world')
print(m.groups())       # answer: ('hello', 'nice')
print(m.group(0))       # 等价于 m.group() answer: 'hello nice'。返回匹配的全部字符串。
print(m.span(0))        # answer: (0, 10)。返回匹配的全部字符串的起始位置。等价于(m.start(0), m.end(0)）
print(m.start(0))       # answer: 0
print(m.end(0))         # answer: 10
print(m.group(1))       # answer: hello。返回第一个分组匹配字符串。
print(m.span(1))        # answer: (0, 5)。返回第一个分组匹配字符串的起始位置。
print(m.start(1))       # answer: 0
print(m.end(1))         # answer: 5
print(m.group(2))       # answer: nice。返回第二个分组匹配字符串。
print(m.span(2))        # answer: (6, 10)。返回第二个分组匹配字符串的起始位置。
print(m.start(2))       # answer: 6
print(m.end(2))         # answer: 10

2. search函数

使用语法：

（1）re.search(pattern, string, flags=0)

这个函数前面已经讲解过了。

（2）Pattern对象：search(string[, pos[, endpos]])

例子：

pattern = re.compile('\d+')
m = pattern.search('one12twothree34four')
print(m.group())        # answer: 12
print(m.span())         # answer: (3, 5)
# print(m.group(1))     # answer: 报错，不存在
print(m.groups())       # 等价于(m.group(1),...) answer: ()
m = pattern.search('one12twothree34four', 10, 30)
print(m.groups())       # answer: ()
print(m.group())        # answer: 34
print(m.span())         # answer: (13, 15)

3. findall函数

使用语法：

（1）findall(string[, pos[, endpos]])

这个函数前面已经讲解过了。

（2）Pattern对象：findall(string[, pos[, endpos]])

findall 以列表形式返回全部能匹配的子串，如果没有匹配，则返回一个空列表。

例子：

pattern = re.compile(r'\d+')
s1 = pattern.findall('hello world 123 456 789')
s2 = pattern.findall('one12twothree34four56', 0, 15)
print(s1)       # answer: ['123', '456', '789']
print(s2)       # answer: ['12', '34']

4. finditer函数

使用语法：

（1）re.finditer(pattern, string, flags=0)

这个函数前面已经讲解过了。

（2）Pattern对象：finditer(string[, pos[, endpos]])

finditer 函数与 findall 类似，但是它返回每一个匹配结果（Match 对象）的迭代器。

 例子：

pattern = re.compile(r'\d+')
s1 = pattern.finditer('hello world 123 456 789')
s2 = pattern.finditer('one12twothree34four56', 0, 15)
for m in s1:
    print(m.group())    # answer1: 123, answer2: 456, answer3: 789
    print(m.span())     # answer1:(12, 15), answer2:(16, 19), answer3:(20, 23)
for m in s2:
    print(m.group())    # answer1: 12, answer2: 34
    print(m.span())     # answer1:(3, 5), answer2:(13, 15)

5. split函数

使用语法：

（1）re.split(pattern, string[, maxsplit=0, flags=0])

这个函数前面已经讲解过了。

（2）Pattern对象：split(string[, maxsplit]])

maxsplit 可指定分割次数，不指定将对字符串全部分割。

例子：

s = "a,1;b 2, c"
m = re.compile(r'[\s\,\;]+')
print(m.split(s))       # answer: ['a', '1', 'b', '2', 'c']
m = re.compile(r'[\s\,\;]+')
print(m.split(s, maxsplit=1))  # answer: ['a', '1;b 2, c']

 6. sub函数

 使用语法：

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

这个函数前面已经讲解过了。

（2）Pattern对象：sub(repl, string[, count])

当repl为字符串时，可以用\id的形式引用分组，但不能使用编号0；当repl为函数时，返回的字符串中不能再引用分组。

pattern = re.compile(r'(\w+) (\w+)')
s = "ni 123, hao 456"
def func(m):
    return 'hi'+' '+m.group(2)
print(pattern.sub(r'hello world', s))   # answer: "hello world, hello world"
print(pattern.sub(r'\2 \1', s))         # answer: "123 ni, 456 hao"
print(pattern.sub(func, s))             # answer: "hi 123, hi 456"
print(pattern.sub(func, s, 1))          # answer: "hi 123, hao 456"

7. subn函数

subn和sub类似，也用于替换操作。使用语法如下：
Pattern对象：subn(repl, string[, count])

返回一个元组，元组第一个元素和sub函数的结果相同，元组第二个元素返回替换次数。

例子：

p = re.compile(r'(\w+) (\w+)')
s = 'hello 123, hello 456'
def func(m):
    return 'hi' + ' ' + m.group(2)
print(p.subn(r'hello world', s))    # answer: ('hello world, hello world', 2)
print(p.subn(r'\2 \1', s))          # answer: ('123 hello, 456 hello', 2)
print(p.subn(func, s))              # answer: ('hi 123, hi 456', 2)
print(p.subn(func, s, 1))           # answer: ('hi 123, hello 456', 1)

小结：

1. 使用Pattern对象的match、search、findall、finditer等函数可以指定匹配字符串的起始位置。

2. 对re模块的两种使用方式进行对比：

• 使用 re.compile 函数生成一个 Pattern 对象，然后使用 Pattern 对象的一系列方法对文本进行匹配查找；
• 直接使用 re.match, re.search 和 re.findall 等函数直接对文本匹配查找。

 例子：

# 方法1
# 将正则表达式先编译成 Pattern 对象
pattern = re.compile(r'\d+')
print(pattern.match('123, 123'))
print(pattern.search('234, 234'))
print(pattern.findall('345, 345'))
# 方法2
print(re.match(r'\d+', '123, 123'))
print(re.search(r'\d+', '234, 234'))
print(re.findall(r'\d+', '345, 345'))

在上述例子中，我们发现他们共用了同一个正则表达式，表明上看好像没发现什么问题，但是当我们结合正则表达式的匹配过程进行分析时，就会发现这两种调用方式的效率是不一样的。使用正则表达式进行匹配的流程如下图所示：

所以匹配流程是先对正则表达式进行编译，然后得到一个对象，再使用该对象对需要匹配的文本进行匹配。这时我们就发现方式2会对正则表达式进行了多次编译，这样效率不就降低了嘛。

所以我们可以得到如下结论：

如果一个正则表达式要用多次，那么出于效率考虑，我们可以预先编译正则表达式，然后调用的一系列函数时复用。如果直接使用re.match、re.search等函数，则需要每一次都对正则表达式进行编译，效率就会降低。因此在这种情况下推荐使用第一种方式。

 

 三、贪恋匹配

 正则表达式匹配时默认的是贪恋匹配，也就是会尽可能多的匹配更多字符。如果想使用非贪恋匹配，可以在正则表达式中加上'?'。

下面，我们来看1个实例：

content = 'a<exp>hello world</exp>b<exp>ni hao</exp>c'
pattern = re.compile(r'<exp>.*</exp>')
s = pattern.findall(content)    ### 贪婪匹配，会在匹配到第一个</exp>时继续向右匹配，查找更长的匹配子串
print(s)        # answer: ['<exp>hello world</exp>b<exp>ni hao</exp>']
pattern2 = re.compile(r'<exp>.*?</exp>')
s2 = pattern2.findall(content)
print(s2)       # answer: ['<exp>hello world</exp>', '<exp>ni hao</exp>']

 

四、分组

如果你想要提取子串或是想要重复提取多个字符，那么你可以选择用定义分组的形式。用()就可以表示要提取的分组(group)，接下来用几个实例来理解一下分组的使用方式：

例子1：

m = re.match(r'(\d{4})-(\d{3,8})$', '0528-86889099')
print(m.group())        # answer: 0528-86889099
print(m.group(1))       # answer: 0528
print(m.group(2))       # answer: 86889099
print(m.groups())       # answer: ('0528', '86889099')

正则表达式'(\d{4})-(\d{3, 8})$'表示匹配两个分组，第一个分组(\d{4})是一个有4个数字的子串，第二个分组(\d{3,8})表示匹配一个数字子串，子串长度为3到8之间。

例子2：

s = 'ab123.456.78.90c'
m = re.search(r'(\d{1,3}\.){3}\d{1,3}', s)
print(m.group())    # answer: 123.456.78.90

正则表达式'(\d{1,3}\.){3}\d{1,3}‘的匹配过程分为两个部分，'(\d{1,3}\.){3}'表示匹配一个长度为1到3之间的数字子串加上一个英文句号的字符串，重复匹配 3 次该字符串，'\d{1,3}'表示匹配一个1到3位的数字子串，所以最后得到结果123.456.78.90。

例子3：

line = "Cats are smarter than dogs"
matchObj = re.match( r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
    print(matchObj.group())     # answer: Cats are smarter than dogs
    print(matchObj.group(1))    # answer: Cats
    print(matchObj.group(2))    # answer: smarter
else:
    print("No match!!")

(.*)第一个分组，.* 代表匹配除换行符之外的所有字符。(.*?) 第二个匹配分组，.*? 后面加了个问号，代表非贪婪模式，只匹配符合条件的最少字符。后面的一个 .* 没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。

group() 等同于group(0)，表示匹配到的完整文本字符；

group(1) 得到第一组匹配结果，也就是(.*)匹配到的；

group(2) 得到第二组匹配结果，也就是(.*?)匹配到的；

因为只有匹配结果中只有两组，所以如果填 3 时会报错。

扩展：其他组操作如：命名组的使用、定义无捕获组、使用反向引用等，这部分内容还未弄懂，想了解的同学可以查看以下链接http://wiki.jikexueyuan.com/project/the-python-study-notes-second-edition/string.html

 

五、正则表达式修饰符

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。

re.I	忽略大小写。
re.L	做本地化识别（locale-aware）匹配。对中文支持不好。
re.M	多行匹配，影响 ^ 和 $
re.S	单行。'.' 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	忽略多余空白字符，让表达式更易阅读。

 例子：

s = "123abCD45ABcd"
print(re.findall(r"[a-z]+", s))         # answer: ['ab', 'cd']
print(re.findall(r"[a-z]+", s, re.I))   # answer: ['abCD', 'ABcd']

 

六、正则表达式模式

下面列出了正则表达式模式语法中的特殊元素。

^	匹配字符串的开头。例如，^\d表示必须以数字开头。
$	匹配字符串的末尾。例如，\d$表示必须以数字结束。若是^py$就只能匹配'py'了。
.	匹配任意字符，除了换行符“\n"，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。例如，要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
[...]	用来表示一组字符,单独列出。例如：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符。例如：[^abc] 匹配除了a,b,c之外的字符。
*	匹配0个或多个的表达式。
+	匹配1个或多个的表达式。
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}	精确匹配n个前面表达式。例如， o{2} 不能匹配 "Bob" 中的 "o"，但是能匹配 "food" 中的两个 o。
{n,}	匹配 n 个前面表达式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的所有 o。"o{1,}" 等价于 "o+"。"o{0,}" 则等价于 "o*"。
{n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b。例如，(P|p)ython可以匹配'Python'或者'python'。
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'
\s	匹配任意空白字符，等价于 [\t\n\r\f]
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]
\D	匹配任意非数字，等价于[^0-9]
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。例如，'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1...\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

 

七、常见的正则表达式

通常情况下，通过实例学习是一个高效的途径。接下来我将整理一些常见的正则表达式应用实例，大家可以试着将前面学的理论知识应用于实践啦。

（1）匹配国内13、15、18开头的手机号码的正则表达式

^(13[0-9]|15[0|1|2|3|5|6|7|8|9]|18[0-9])\d{8}$

（2）匹配中文的正则表达式

中文的unicode编码范围主要在 [\u4e00-\u9fa5]，这个范围之中不包括全角（中文）标点。当我们想要把文本中的中文汉字提取出来时可以使用如下方式：

1 title = u'你好，hello，世界'
2 pattern = re.compile(r'[\u4e00-\u9fa5]+')
3 s = pattern.findall(title)
4 print(s)        # answer: ['你好', '世界']

 （3）匹配由数字、26个英文字母或下划线组成的字符串的正则表达式

^\w+$  #等价于 ^[0-9a-zA-Z_]+$

（4）匹配金额，精确到 2 位小数

^[0-9]+(.[0-9]{2})?$

（5）提取文本中的URL链接

^(f|ht){1}(tp|tps):\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- ./?%&=]*)?

（6）匹配身份证号码

15位：^[1-9]\\d{7}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}$

18位：^[1-9]\\d{5}[1-9]\\d{3}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}([0-9]|X)$

（7）匹配整数

^[1-9]\d*$        # 正整数
^-[1-9]\d*$       # 负整数
^-?[1-9]\d*$      # 整数
^[1-9]\d*|0$      # 非负整数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$    # 正浮点数

 注：由于平时正则用的太少，所以没有太多实用经验，本文内容只是研读了多个博客文章之后的整理笔记，对正则的解读很浅显。正则的相关知识太多，这里只是整理了我理解的部分内容，后续还会补充。

 

更多正则的相关内容可以参考以下文章：

极客学院的学习笔记：

1. python之旅 http://wiki.jikexueyuan.com/project/explore-python/Regular-Expressions/README.html

2. python网络爬虫 http://wiki.jikexueyuan.com/project/python-crawler/regular-expression.html

3. 轻松学习正则表达式 http://wiki.jikexueyuan.com/project/regex/introduction.html

4. python正则表达式指南 http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

 

最后，推荐一个更强大的正则表达式引擎-python的regex模块。