一、概念
正则表达式，（英语：Regular Expression，在代码中常简写为regex、regexp或RE 。正则这个词语比较难懂，但是英文regular是规则、规律，所以就比较好理解了，就是用一个规则的表达式来寻找、替换文本。
二、用途
有的时候我们需要在文档中寻找某个字符串，或某种类型的字符串。如果简单的查找某个字符，我们用Ctrl+F就好了，如果数据量很多，或者我们需要将某一类特征的字符串都找到，那就不行了。这时候，正则表达式就派上用场了。概括几点1：
- 测试字符串内的模式。
- 替换文本
- 从字符串中提取子字符串
三、语法
正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为”元字符”）组成。详细语法可参考：http://www.runoob.com/regexp/regexp-syntax.html。常用规则如下2,3：
| \ | 转义符，例如\? |
| ^ | 字符串起始 |
| $ | 字符串结束 |
| * | 匹配前面子表达式0次或多次 |
| + | 匹配前面子表达式1次或多次 |
| ? | 匹配前面子表达式0次或1次 |
| {n,m} | 匹配至少n次，最多m次 |
| . | 匹配除\n之外的单个字符 |
| (pattern) | 匹配并获取这个匹配，例如匹配ab(cd)e正则表达式只返回cd |
| [xyz] | 字符集合，匹配任意合集里的字符 |
| [^xyz] | 排除集合里的字符，不能匹配 |
| \d | 匹配一个数字，等价[0-9] |
| \b | 匹配单词的开始或结束 |
四、简单实例
1 – 年份匹配4。
我们来看看另外一个简单的例子——匹配二十或二十一世纪中任何有效的一年。
\b(19|20)\d{2}\b
我们使用\b而不是^和$来开始和结束这个正则表达式。\b表示单词边界，或两个单词之间的空格。这允许我们在文本块（而不是代码行）中匹配年份，这对于搜索如段落文本非常有用。
2 – 匹配时间
现在我们要定义一个正则表达式来匹配24小时格式（MM：HH，如16:59）的任何时间。
\b([01]?[0-9]|2[0-3]):([0-5]\d)\b3 – 匹配日期
现在我们来匹配一个DAY/MONTH/YEAR样式的日期模式。
\b(0?[1-9]|[12]\d|3[01])([\/\-])(0?[1-9]|1[012])\2(\d{4})常用的一些正则表达式:http://www.runoob.com/regexp/regexp-syntax.html
参考文献
- 菜鸟教程．正则表达式[OL]http://www.runoob.com/regexp/regexp-tutorial.html
- 小象学院．Python爬虫工程师·初级[OL] http://www.chinahadoop.cn，2019
- deerchao．正则表达式30分钟入门教程[OL]http://www.deerchao.net/tutorials/regex/regex.htm
- Patrick Triest. YOU SHOULD LEARN REGEX[OL]https://blog.patricktriest.com/you-should-learn-regex/, 2017
译文：你应该学习正则表达式[OL] http://www.codeceo.com/article/you-should-learn-regex.html