Python学习手册之捕获组和特殊匹配字符串

在上一篇文章中，我们介绍了 Python 的字符类和对元字符进行了深入讲解，现在我们介绍 Python 的捕获组和特殊匹配字符串。查看上一篇文章请点击：https://www.cnblogs.com/dustman/p/10036661.html

捕获组
可以通过用括号包围正则表达式的部分来创建组，意味着一个组可以作为元字符 (例如 * 和 ?) 的参数。

import re

pattern = r"python(ice)*"
string1 = "python!"
string2 = "ice"
string3 = "pythonice"

match1 = re.match(pattern,string1)
match2 = re.match(pattern,string2)
match3 = re.match(pattern,string3)

if match1:
 print(match1.group())
 print("match 1")

if match2:
 print(match2.group())
 print("match 2")

if match3:
 print(match3.group())
 print("match 3")

运行结果：

>>>
python
match 1
pythonice
match 3
>>>

上面的例子 (ice) 表示捕获组。

之前介绍元字符和字符类时，我们都用到了 group 函数访问捕获组中的内容。group(0) 或 group() 返回全部匹配，group(n) 调用 n 大于 0 返回第 n 组匹配。groups() 返回一个包含所有捕获组的元组。

import re

pattern = r"j(av)(ap)(yt(h)o)n"
string = "javapythonhtmlmysql"

match = re.match(pattern,string)

if match:
 print(match.group())
 print(match.group(0))
 print(match.group(1))
 print(match.group(2))
 print(match.groups())

运行结果：

>>>
javapython
javapython
av
ap
('av', 'ap', 'ytho', 'h')
>>>

捕获组同时可以嵌套，也就是说一个组可以是另一个组的子集。

有一些特殊的捕获组，它们叫非捕获组和命名捕获组。
命名捕获组的格式是 (?p<name>...)，其中 name 是组的名称，...是要匹配的表达式。它们的行为与正常组完全相同，除了可以通过索引访问还可以通过 group(name) 方式访问它们。
非捕获组的格式是 (?:...)。非捕获组值匹配结果，但不捕获结果，也不会分配组号，当然也不能在表达式和程序中做进一步处理。

import re

pattern = r"(?P<python>123)(?:456)(789)"
string = "123456789"

match = re.match(pattern,string)

if match:
 print(match.group("python"))
 print(match.groups())

运行结果：

>>>
123
('123', '789')
>>>

或匹配的元字符 |，red|blue 表示匹配 red 或者 blue。

import re

string1 = "python"
string2 = "pyihon"
string3 = "pylhon"
pattern = r"py(t|i)hon"

match1 = re.match(pattern,string1)
match2 = re.match(pattern,string2)
match3 = re.match(pattern,string3)

if match1:
 print(match1.group())
 print("match 1")

if match2:
 print(match2.group())
 print("match 2")

if match3:
 print(match3.group())
 print("match 3")

运行结果：

>>>
python
match 1
pyihon
match 2
>>>

特殊匹配字符串
特殊序列
在正则表达式中可以使用各种的捕获组序列。它们被写成反斜杠，后面跟着另一个数字字符。
特殊序列是一个反斜杠和一个介于 1 到 99 之间的数字，比如：\1。数字自发表示捕获组的序列，也就是说我们可以在正则表达式里引用先前的捕获组。

import re

string1 = "html python"
string2 = "python python"
string3 = "java java"
pattern = r"(.+) \1"

match1 = re.match(pattern,string1)
match2 = re.match(pattern,string2)
match3 = re.match(pattern,string3)

if match1:
 print(match1.group())
 print("match 1")

if match2:
 print(match2.group())
 print("match 2")

if match3:
 print(match3.group())
 print("match 3")

运行结果：

>>>
python python
match 2
java java
match 3
>>>

注意：(.+) \1 不等同于 (.+)(.+)，因为 \1 引用第一组的表达式，即匹配表达式本身，而不是正则匹配模式。

正则中还有一些特殊的匹配模式 \d, \s, 和 \w, 它们匹配数字，空白和单词字符。在 ASCII 模式里正则里等同 [0-9], [ \t\n\r\v] 和 [a-zA-Z0-9], 但是在 Unicode 模式里 \w 匹配一个字。
如果我们把这几个字母变成大写 \D, \S, 和 \W, 那么意味着匹配模式相反。比如: \D 匹配非数字。

import re

string1 = "python 2017!"
string2 = "1,00,867!"
string3 = "!@#?"
pattern = r"(\D+\d)"

match1 = re.match(pattern,string1)
match2 = re.match(pattern,string2)
match3 = re.match(pattern,string3)

if match1:
 print(match1.group())
 print("match 1")

if match2:
 print(match2.group())
 print("match 2")

if match3:
 print(match3.group())
 print("match 3")

运行结果：

>>>
python 2
match 1
>>>

(\D+\d) 意味着匹配一个或者多个非数字后面跟随一个数字。

特殊匹配
还有一些特殊的匹配表达式 \A, \Z, 和 \b。\A 仅匹配字符串的开始，在大多数条件下，它的作用等同于在模式中使用 ^。 \Z 仅匹配字符串的结束，在大多数情况下，相等于 $。
\b 匹配一个词的边界。一个词的边界就是一个词不被另外一个词跟随的位置或者不是另一个词汇字符前边的位置。相当于\w 和 \W 之间有个一个空字符串。
\B 匹配一个非单词边界。它匹配一个前后字符都是相同类型的位置：都是单词或者都不是单词。一个字符串的开始和结尾都被认为是非单词。

import re

string1 = "The dog eat!"
string2 = "<dog>dog<>?"
string3 = "dogeatpython"
pattern = r"\b(dog)\b"

search1 = re.search(pattern,string1)
search2 = re.search(pattern,string2)
search3 = re.search(pattern,string3)

if search1:
 print(search1.group())
 print("search 1")

if search2:
 print(search2.group())
 print("search 2")

if search3:
 print(search3.group())
 print("search 3")