贪婪模式与非贪婪模式

贪婪模式：在整个表达式匹配成功的前提下，尽可能多的匹配 (*)；
非贪婪模式：在整个表达式匹配成功的前提下，尽可能少的匹配 (?)；
Python 里数量词默认是贪婪的。
示例一

import re
str = 'abbbc'
	# 贪婪模式
pattern = re.compile(r'ab*') # * 决定了尽可能多匹配 b,结果是 abbb
result = pattern.match(str)
print(result.group())
	# 非贪婪模式
pattern = re.compile(r'ab*?') # *? 决定了尽可能少匹配 b，结果是 a
result = pattern.match(str)
print(result.group())
pattern = re.compile(r'ab+?') # *? 决定了尽可能少匹配 b，结果是 ab
result = pattern.match(str)
print(result.group())

示例二

import re
	# 贪婪模式
str = "aa<div>test1</div>bb<div>test2</div>cc"
pattern = re.compile(r'<div>.*</div>') #* 决 定 了 尽 可 能 多 匹 配 b, 结 果 是
<div>test1</div>bb<div>test2</div>
result = pattern.search(str)
print(result.group())
	# 非贪婪模式
str = "aa<div>test1</div>bb<div>test2</div>cc"
pattern = re.compile(r'<div>.*?</div>') # *? 决定了尽可能少匹配 b，结果是<div>test1</div>
result = pattern.search(str)
print(result.group())

正则表达式测试网址

http://tool.oschina.net/regex/

匹配中文
中文的 unicode 编码范围 主要在 [u4e00-u9fa5] （全角（中文）标点等除外），丌过，
在大部分情况下，应该是够用的。
假设现在想把字符串 title = u’你好，hello，世界’ 中的中文提取出来，可以这么做：

import re
title = '你好，hello，世界'
pattern = re.compile(r'[\u4e00-\u9fa5]+')
result = pattern.findall(title)
print(result)

正则表达式学习传送门：

正则表达式使用系列（一）生成 Pattern 对象
正则表达式使用系列（二）match 方法
正则表达式使用系列（三）search 方法
正则表达式使用系列（四）findall 方法
正则表达式使用系列（五）finditer、split、sub 方法