Python正则表达式之二:捕获

lcol0533 5年前
   <p>捕获和分组在正则表达式中有着密切的联系,一般情况下,分组即捕获,都用小括号完成(因此,小括号在正则表达式中也属于特殊字符,表达原含义时需要转义):</p>    <p>(…) <em>正常分组,并捕获</em></p>    <p>(?:…) <em>分组,但是不捕获</em></p>    <p>举个例子,假设我们需要匹配一个座机号码:</p>    <pre>  <code class="language-python">>>> m = re.search(r'^(\d{3,4}-)?(\d{7,8})$','020-82228888')  >>> m.group(0)  '020-82228888'  >>> m.group(1)  '020-'  >>> m.group(2)  '82228888'  </code></pre>    <p>这里,默认分组(0)是完整的匹配,之后的分组则按出现顺序排列。</p>    <p>接下来,我们想在一整段文本中,找出所有的座机号码,这里需要用到re.findall:</p>    <pre>  <code class="language-python">>>> re.findall(r'(\d{3,4}-)?(\d{7,8})','020-82228888\n0357-4227865')   [('020-', '82228888'), ('0357-', '4227865')]  </code></pre>    <p>findall有一个特性,就是如果结果中有捕获的分组,则将捕获的分组组成tuple返回。利用这个特点,和上面提到的 <em>分组,但是不捕获</em> 的语法,可以得到我们想要的结果:</p>    <pre>  <code class="language-python">>>> re.findall(r'(?:\d{3,4}-)?\d{7,8}','020-82228888\n0357-4227865')    ['020-82228888', '0357-4227865']  >>> re.findall(r'(?:\d{3,4}-)?\d{7,8}','020-82228888\n4227865')       ['020-82228888', '4227865']  </code></pre>    <p>在正则表达式中,也可以通过\1,\2等来指代之前捕获的字符串组合。这个经常用于单双引号的正确匹配:</p>    <pre>  <code class="language-python">>>> sentence = """You said "why?" and I say "I don't know"."""  >>> re.findall(r'["\'](.*?)["\']', sentence)  ['why?', 'I don']  >>> re.findall(r'(["\'])(.*?)\1', sentence)  [('"', 'why?'), ('"', "I don't know")]  </code></pre>    <p>此外,如果觉得\1,\2这种表示可读性不好的话,还可以给捕获起一个英文名字。如下例子中,实现了两种不同的日期格式之间的转换:</p>    <pre>  <code class="language-python">>>> sentence = "from 12/22/1629 to 11/14/1643"  >>> re.sub(r'(?P<month>\d{2})/(?P<day>\d{2})/(?P<year>\d{4})', r'\g<year>-\g<month>-\g<day>', sentence)      'from 1629-12-22 to 1643-11-14'  </code></pre>    <p>但是,这种命名引用捕获的方式,在findall、search中却是无效的:</p>    <pre>  <code class="language-python">>>> sentence = """You said "why?" and I say "I don't know"."""  >>> re.findall(r'(?P<quote>["\'])(.*?)\g<quote>', sentence)       []  >>> re.search(r'(?P<quote>["\'])(.*?)\g<quote>', sentence)           >>> re.search(r'(?P<quote>["\'])(.*?)\1', sentence)          <_sre.SRE_Match object; span=(9, 15), match='"why?"'>  >>> re.search(r'(?P<quote>["\'])(.*?)\1', sentence).groupdict()  {'quote': '"'}  </code></pre>    <p>Python正则表达式中关于分组捕获的内容至此就总结完毕了。下一篇文章,我会继续总结一下正则表达式匹配时的贪婪/非贪婪特性。</p>    <p> </p>    <p> </p>    <p>来自:http://blog.guoyb.com/2017/02/27/python-regex-2/</p>    <p> </p>