更強大的功能
到目前爲止，我們只是瞭解了一部分正則表達式的功能，在本章節我們會看一些特殊的匹配字符，以及使用組功能來取得串的匹配位置。
更多匹配字符
在以前的章節中，我們並沒有覆蓋所有的匹配字符，本章中我們覆蓋他們中的大部分。
他們中有些部分是所謂的零寬斷言，也就是說他們不會匹配任何字符，只是簡單的表示成功或者失敗。比如\b 表示現在的位置在單詞邊界上，位置不會被\b 改變。也就是說零寬斷言永遠不應該被重複，因爲位置匹配一旦被匹配上幾次，既可以隨便匹配多少次。
|
表示兩個表格式的或操作。如果A和B是正則表達式， A|B 會匹配A 或 B 中出現的任何字符。爲了使其更加合理的工作， | 的優先級比較低. 比如，Crow|Servo 會匹配 Crow 或者Servo, 而不是 Cro, 一個 'w' 或者 一個 'S', 和 ervo.
同理爲了匹配字面的 '|', 我們應該使用 \|, 或者用中括號括起來使之形成一個字符集，像這樣寫 [|].
^
匹配字符串中的起始部分，除非設置了MULTILINE 標誌。一旦設置了這個標誌，就只會匹配每一行起始部分而不是字符串的其實部分。在MULTILINE 中，每每遇到換行就會立刻匹配。
舉例來說，如果你只是想在字符串的起始部分匹配From ，正則表達式應該寫成 ^From.
>>>
>>> print re.search('^From','From Here to Eternity')
<_sre.SRE_Match object at 0x...>
>>> print re.search('^From','Reciting From Memory')
None
$
匹配一行的最末位置。會匹配一個字符串的末尾，或者是一行的行尾。
>>>
>>> print re.search('}$','{block}')
<_sre.SRE_Match object at 0x...>
>>> print re.search('}$','{block} ')
None
>>> print re.search('}$','{block}\n')
<_sre.SRE_Match object at 0x...>
爲了匹配字面上的'$', 同樣應該使用 \$ 或者使用中括號包裹，寫成 [$].
\A
只會匹配字符串的其實位置，如果沒有設置了MULTILINE 標誌， \A 和 ^ 功能上基本一樣。. 在 MULTILINE 模式下, 有一些不同: \A 仍然不改變其原有含義，只是匹配字符串的起始位置, 但是 ^ 會針對於每一行都會有一次匹配。
\Z
只是匹配字符串的結束位置，不受MULTILINE 標誌影響.
\b
單詞界. 這是一個只是匹配單詞的開始以及結尾的零寬斷言. 單詞的含義是指一個字符數字的序列，所以單詞的結束指的是空格或者是非字母數字。
下面的例子中 class 只有在出現一個完整的單詞class時纔會匹配; 如果其出現在別的單詞中，不會匹配。
>>>
>>> p= re.compile(r'\bclass\b')
>>> print p.search('no class at all')
<_sre.SRE_Match object at 0x...>
>>> print p.search('the declassified algorithm')
None
>>> print p.search('one subclass is')
None
在使用這些特殊的序列的時候，有兩點需要注意：第一個是要注意Python本身的內置字符可能跟這些字符是有衝突的。比如說在Python中，\b 表示回退字符。其ASCII的值是8.如果你不使用原生串，Python會將\b轉換成回退字符(8)，這樣的話跟你的 預期肯定是不一樣的。下面的例子中看上去跟前面的正則表達式一樣，只是少了’r’, 但是結果卻大相徑庭：
>>>
>>> p= re.compile('\bclass\b')
>>> print p.search('no class at all')
None
>>> print p.search('\b'+'class'+'\b')
<_sre.SRE_Match object at 0x...>
第二點需要注意的是，在字符集中不能使用此斷言，跟python一樣，\b只是用來標示回退字符。
\B
跟\b 相反， 只是用來標示非單詞界。
劃分組
在實際使用過程中，除了知道一個RE是否匹配之外，我們需要更多的信息。正則表達式通常會通過一種將RE劃分成若干子串來匹配感興趣的部分的形式來剖析子串。例如，一個RFC-822的頭部被分成頭名字，值，中間使用一個':'分開， 如下：
From: [email protected]
User-Agent: Thunderbird 1.5.0.9 (X11/20061227)
MIME-Version: 1.0
To: [email protected]
像這樣的情況，我們可是使用正則表達式來匹配一整個頭，然後使用一個組來匹配頭的名字，另外一個組匹配頭部的值。
在正則表達式中，組使用'(', ')' 特殊字符來劃分。 '(' 和 ')' 跟數學表達式中小括號的意思差不多; 他們將內部的表達式組合在一起,所以你可以使用就像 *, +, ?, 或者 {m,n}重複操作碼來重複其內容,比如, (ab)* 會匹配零個或者是多個 ab.
>>>
>>> p= re.compile('(ab)*')
>>> print p.match('ababababab').span()
(0, 10)
使用 '(', ')'包裹起來的組也可以捕捉這些組在匹配文本的起始以及結束的位置。這些值可以通過向group(),start(), end(), and span()中傳入參數來完成。在匹配對象中將參數0作爲默認參數。
>>>
>>> p= re.compile('(a)b')
>>> m= p.match('ab')
>>> m.group()
'ab'
>>> m.group(0)
'ab'
子組是從1開始從左到右計數，組同時也可以嵌套，我們可以通過從左往右統計左括號來確定組的index.
>>>
>>> p= re.compile('(a(b)c)d')
>>> m= p.match('abcd')
>>> m.group(0)
'abcd'
>>> m.group(1)
'abc'
>>> m.group(2)
'b'
group() 可以一次性傳入多個組的index， 這種情況下，其將會返回包含相應值得元組：
>>>
>>> m.group(2,1,2)
('b', 'abc', 'b')
groups() 方法返回包含所有子組匹配值的元組：
>>>
>>> m.groups()
('abc', 'b')
匹配模式中反向引用是指你可以在後面的模式中使用先前匹配的串，前提條件是這個匹配必須成功。比如， \1 會匹配成功如果組1的內容在前面被精準匹配，否則就會失敗。請記住，Python語言中同樣會使用反斜槓加數字的方式來表示其ASCII值等於那個數字的字符，所以在使用反向引用的正則表達式中我們最好使用原生串。
舉個例子,下面的正則表達式重複的單詞：
>>>
>>> p= re.compile(r'(\b\w+)\s+\1')
>>> p.search('Paris in the the spring').group()
'the the'
如果只是爲了搜索某個字符串，反向引用不會被經常使用。很少有文本格式會這樣來重複字符。但是， 你會很快就會發現其在字符替換的時候非常有用。