首次接触正则表达式是在工作中接触到ruby语言脚本开发的时候，鉴于工作中经常需要对reply内容中的相关字段进行提取和比较，正则表达式就成为必须掌握的，但仅仅了解正则表达式的基本规则还不能完成上面说的这个工作，我们还需要了解跟这个密切相关的另外两个概念：就是模式匹配和捕获，因为此为自学摸索，如果表述错误或者失当的地方，请各位大佬指正：
正则表达式是用来匹配字符串的，字符串匹配成功后，我们还可以根据需求取其中的某个或者是某几个子字符串（捕获）进行其他的操作。下面先来介绍一下正则表达式的相关内容：
字符 . \ [...]
预定义字符集 \d \D \s \S \w \W
数量词 * + ? {m} {m,n}
边界匹配 ^ $ \A \Z \b \B
逻辑分组 | (....) (?P<name> ...) \<name> (?P<name>)
特殊构造 (?:...) (?iLmsux) (?#...) (?=...) (?!...) (?<=...) (?<!...) (?(id/name)yes_pattern|no_parttern)
语法 |
说明 |
表达式实例 |
匹配字符串 |
字符 |
|||
| . | 匹配除换行"\n"外的任意字符串 | abc | abc |
| \ | 转义字符，使后一个字符改变原来的意思 | a\\c | a\c |
| [...] | 字符集，对应的位置可以是字符集中任意字符，字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。第一个字符如果是^则表示取反，如[^abc]表示不是abc中的其他字符。所有的特殊的字符在字符集中都失去其原有的特殊含义。在字符集中使用^、]或-，可以使用转义字符匹配它们 | a[bcd]e | abe ace ade |
预定义字符集 |
|||
| \d | 数字：[0-9] | a\dc | a1c |
| \D | 非数字：[^0-9] | a\Dc | abc |
| \s | 空白字符：[<空格>\t\r\n\f\v] | a\sc | a c |
| \S | 非空白字符：[^\s] | a\Sc | abc |
| \w | 单词字符：[a-zA-z0-9_] | a\wc | abc |
| \W | 非单词字符：[^\w] | a\Wc | a c |
数量词 |
|||
| * | 匹配一个字符串0或无限次 | abc* | ab abc abccc |
| + | 匹配一个字符串1次或无限次 | abc+ | abc abccc |
| ? | 匹配一个字符串0次或1次 | abc? |
ab abc |
| {m} | 匹配一个字符串m次 | abc{2} | abcc |
| {m,n} | 匹配一个字符串m到n次 | abc{2,3} | abcc abccc |
边界匹配 |
|||
| ^ | 匹配字符串开头 | ^abc | abc |
| $ | 匹配字符串末尾 | abc$ | abc |
| \A | 匹配字符串开始 | \Aabc | abc |
| \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 | abc\Z | abc |
| \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。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 | ||
逻辑分组 |
|||
| | | 匹配|表达式左右的任意一个 | abc|def | abc def |
| (...) | 作为分组，每遇到一个(，分组编号加1，使用分组的好处是匹配的子串会保存到一个子组，便于以后使用 | (abc){2} | abcabc |
| (?P<name>...) | 分组除原有编号外，再加一个别名 | (?P<id>abc){2} | abcabc |
| \<number> | 引用编号为number的分组匹配到的字符串 | (\d)ab\1 | 1ab1 5ab5 |
| (?P=name) | 应用别名为name的分组匹配到的字符串 | (?P<id>abc)ee(?P=name) | abceeabc |
特殊构造（不分组） |
|||
| (?:...) | (...)的不分组版本，用于|或后接数量词 | (?:abc){2} | abcabc |
| (?iLmsux) | iLmsux中的每个字符代表正则表达式的一种匹配模式，只能用在正则表达式开头，可选多个 | (?i)abc | AbC |
| (?#...) | 将#后面的字符当做注释忽略 | abc(?#comment)def | abcdef |
| (?=...) | 之后的字符串表达式需要匹配才能成功，不消耗字符串内容 | a(?=\d) | 后面是数字的a |
| (?!...) | 之后的字符串表达式需要不匹配才能成功，不消耗字符串内容 | a(?!\d) | 后面不是数字的a |
| (?<=...) | 之前的字符串表达式需要匹配才能成功，不消耗字符串内容 | (?<=\d)a | 前面是数字的a |
| (?<!...) | 之前的字符串表达式需要不匹配才能成功，不消耗字符串内容 | (?<!\d)a | 前面不是数字的a |
| (?(id/name)yes_ pattern|no_parttern) |
如果匹配到分组为id或别名name的字符串成功匹配，则需要匹配yes_pattern 不成功，怎需要匹配no_pattern |
(\d)abc(?(1)\d|def) | 1abc3 abcdef |
修饰符中 i 当匹配文本的时候忽略大小写
o 只执行一次#{}插值，正则表达式在第一次时就进行判断
x 忽略空格，允许在整个表达式中放入空白符和注释。
m 匹配多行，把换行字符识别为正常字符。
u，e，s，n 把正则表达式解释为Unicode（utf-8）、EUC、SJIS或ASCII。如果没有指定修饰符，则认为正则表达式使用的源编码。
贪婪模式和非贪婪模式
贪婪模式是尽可能多的匹配字符串，python默认为贪婪模式，非贪婪模式尽可能少的匹配字符串，在正则表达式后面加个?表示非贪婪模式。例如：字符串abcccb，贪婪模式正则表达式为ab.*c，非贪婪模式的正则表达式为ab.*?c，贪婪模式结果为abccc，非贪婪模式结果为abc，再比如字符串abbb，贪婪模式正则表达式为ab？，非贪婪模式正则表达为ab??，贪婪模式结果为ab，非贪婪结果为a。
在ruby中，正则表达式是一种介于斜杠之间或者介于%r后的任意分隔符之间的模式，以下面的邮件头信息为例：
Date: Tue, 30 Jul 2013 16:53:17 +0800
From: =?UTF-8?B?YmFpZHU=?=<[email protected]>
To: =?UTF-8?B?aG9uZ3RlbnpvbmVAZm94bWFpbC5jb20=?=<[email protected]>
Subject: =?UTF-8?B?55m+5bqm5LqR6YCB5L2gMTAwR+WtmOWCqOepuumXtOmAmuefpQ==?=
MIME-Version: 1.0
Content-Type: text/html;
charset="UTF-8"
Content-Transfer-Encoding: base64
首先，将上述信息赋值给变量str，则str =~ /Date：.*/将匹配到Date整行；
也可写成str =~ %r!Date：.*!
上面的表达方式比较粗糙，为了更精细的匹配可以写成下面的格式：
str =~ /Date：\s\w+,\d+\s\w+\s\d+\s\d+:\d+:\d+\s\d++\d+/
Python的正则表达式的模块是‘re’，例如在字符串s中找字符串a，则可以写成
import re
s='asdf125'
re.findall(r'df',s)
Out[5]: ['df']
这里用到函数findall（rule，target[,flag]）
同理，re.findall(r!Date：.*!,str)可以匹配到发件时间信息；
re.findall(r[From:.*],str)可以匹配到发件人信息；
在上面的例子中我们发现python通过findall函数返回的是符合模式的字符串内容，那如果我们想获取符合模式的相关信息的内容，该怎么办呢？那就用到捕获：
str =~ /Date：\s(\w+),(\d+)\s(\w+)\s\d+\s\d+:\d+:\d+\s\d++\d+/
如上，如果我们print $1,$2,$3,则会对应输出 Tue 30 Jul三个信息
python的表达和返回则如下：是一个元素类型为元组的列表。
re.findall(r'Date:\s(.*)(\d+):(\d+):(\d+).*', str)
Out[9]: [('Tue, 30 Jul 2013 1', '6', '53', '17')]
要想取出齐总的元素，可以用：
result = re.findall(r'Date:\s(.*)(\d+):(\d+):(\d+).*', str)
print(result[0][0])\print(result[0][1])...