你觉得自己的正则表达式足够精通了么，当遇上实际问题的时候，能很熟练的解决问题么，即使解决问题了，解决问题的方法足够漂亮么，效率够高么。
我这段时间正在学习和内容抽取方面的东东，当然少不了大量和正则表达式打交道了，刚开始的时候还以为自己以前用过不少正则表达式，用起来应该能得心应手，可是面对一些奇怪而特殊的要求时，写起来就特别的别扭，才发现自己那三脚猫功夫根本不够用了。正好在公司的书架上翻到了 这本 《精通正则表达式 第三版》，由Friedl,J.E.F. 著作，余晟译著。信手翻阅之后，立即深深的被它吸引了。这本书绝对不是那种只能让你入门，让你只懂得怎么用却不懂得原理的书。这本书详细的讲解了正则表达式实现的原理，NFA引擎和DFA引擎的区别，更难能可贵的是，书中全面而详细的讲解了正则表达式的各种知识点，读过之余，绝对让你重新认识正则表达式！
嘿嘿，现在这书被我“据为己有”啦，每天课余有时间都要好好翻阅...
嗯啊，要是觉得自己的正则表达式很牛了，麻烦再看看一下的这堆代码，对你肯定会有帮助的，这些代码可是出自余晟老师之手的哦，
IMG_LINK_RE = re.compile('(?is)(?:<img[^>]*?\ssrc\s*=\s*['"]?)([^'"\s>]+)(?:[^>]*>)')
RELATIVE_LINK_RE = re.compile('(?i)(?:href|src)s*=s*['"]?(?!http:)(?!mailto:)(?!javascript)(?:/[^'"s]+|[^'"s./]+/[^'"s]*|[^'"s./]+?.[^'"s./]+)(?=['"s])')
RELATIVE_SUB_RE = re.compile('(?i)(?<=['"=s])(?=[0-9a-z.])')
TITLE_RE = re.compile('(?i)(?<=<title>)[^<]+')
EMAIL_RE = re.compile('(?i)[a-z0-9][-a-z0-9._]*@(?:w[-w]+.)+[a-z]{2,4}')
HTML_ENTITY_RE = re.compile('(&#(\d{5});)')
LINE_RE = re.compile('(?is)<tr.*?</tr>')
SPACE_RE = re.compile(r'(?is)(<br/s*/?>|</?p>|(?<=n)s*)')
CONTENT_SUB_RE = re.compile(r"(?i)(<[^>]+>|&[0-9a-z]{3,5};|<(?:no)?script.*?</(?:no)?script>)")
HYPERLINK_RE = re.compile('(?i)(?<=href)(s*=s*['"]?)(?!mailto:)([^'"s]+)')
EMPTY_ELEMENT_RE = re.compile('(?is)<([^s>]+)[^>]*>[srn]*(</?s*br>)*</\1s*>')
LINEFEED_RE = re.compile(r'(?is)(?<=n)s*')
RELATIVE_RE = re.compile('(?<=['"s])(?=/)')
ENCODE_RE = re.compile('(?i)(?<=content=["']text/html; charset=)[^'"]+')
SCRIPT_RE = re.compile('(?is)<(?:no)?script.*?</(?:no)?script>')
嘿嘿，还是上点读书笔记吧..
简单的正则入门就不写啦，需要的话看我以前的笔记吧，正则表达式基础 http://hi.baidu.com/ismayday/blog/item/7f5b86942741d11dd21b708f.html ，
环视（look-around）
环视是很有意思的功能，它用来检查两端的字符，但不会把检查时匹配的字符加入匹配的最终结果。
例如，表达式『bJeffb』只能匹配“Jeff”这个单词，如果我们需要精确匹配“Jeffrey”这个单词中的“Jeff”，就可以使用环视『Jeff(?=rey)』，后面的『(?=rey)』表示，如果匹配成功，“Jeff”之后必须出现“rey”。有的读者可能会说，那我直接使用『(Jeff)rey』，先找出来，再提取分组，不是一样吗？请注意，环视的对象又可以是正则表达式，『Jeff(?=(rey|erson))』就可以找到“Jeffrey”或“Jefferson”中的“Jeff”，这种灵活性是前一种做法无法提供的，而且，『(Jeff)rey』使用括号来捕获文本，效率有所降低。
按照环视的方向不同，可以分为顺序环视（lookahead，表示从左向右检查）和逆序环视（lookbehind，从右向左检查）；按照环视成立的条件不同，又可分为肯定环视（positive lookaround，只有在环视对象能匹配时才成功）和否定环视（negative lookaround，只有在环视对象无法匹配时才成功）。两者组合起来，就得到四种环视：
* 肯定顺序环视
* 肯定逆序环视
* 否定顺序环视
* 否定逆序环视
所使用的标记也很好识别，『(?=Regex)』表示肯定顺序环视，『(?!Regex)』表示否定顺序环视，『(?<=Regex)』表示肯定逆序环视，『(?<!Regex)』表示否定逆序环视。
在日常的HTML解析中，如果我们需要精确获得“src=...”中的资源地址（这里假定“src=...”的格式统一规范，等号两端没有空格，也没有引号），可以在表达式之前添加『(?<=).*?(?=< /B>)』来精确匹配“...”之中的内容。在这两个例子中，当然也可以使用匹配-括号提取的办法，但使用环视的效率更高，也更切合程序的本意。
环视还可以多个连用，我曾遇到过这样的情形：有站点siteA.com，需要在Apache的配置文件中设定重定向规则，以一个正则表达式匹配除sub1, sub23之外的所有子域名（注意，是匹配所有子域名），首先我想到的是
『^[^.]*(?<!--b(1|23)).siteA.com$』
但这行不通，因为多数系统都不容许在逆序环视中使用变长表达式（只有.NET容许），所以必须连用多个逆序环视
『^[^.]*(?<!--ub1)(?<!^sub23).siteA.com$』
固化分组（Atomic-grouping）
回溯（back-tracking）是匹配过程中常见的现象，如果用『.*ab』来匹配“123456ab”，『.*』首先会匹配整个字符串，之后轮到『ab』，『.*』需要“依次释放”之前匹配的两个字符，供『ab』匹配，整个表达式才能匹配成功。这样“依次释放”的过程，就叫做回溯。但有时回溯完全是徒劳的，例如我们用『w+:』来匹配“Subject”。因为字符串中不存在冒号，匹配肯定会失败，但引擎仍然必须依次回溯，最终得出失败的结果，而我们知道，『w』“释放”的字符，:肯定无法匹配。此时可以使用固化分组，将『w+』匹配的内容“固定”下来，禁止回溯：
