Python正則表達(dá)式分組

分組就是用一對圓括號“()”括起來的正則表達(dá)式，匹配出的內(nèi)容就表示一個分組。從正則表達(dá)式的左邊開始看，看到的第一個左括號“(”表示第一個分組，第二個表示第二個分組，依次類推，需要注意的是，有一個隱含的全局分組（就是0），就是整個正則表達(dá)式。

分完組以后，要想獲得某個分組的內(nèi)容，直接使用group(num)和groups()函數(shù)去直接提取就行。

例如：提取代碼中的超鏈接中的文本

>>> s='<div><a    target="_blank">更多</a><p>dfsl</p></div>'
>>> print re.search(r'<a.*>(.*)</a>',s).group(1)
更多

或者

>>> print re.match(r'.*<a.*>(.*)</a>',s).group(1)
更多

按照上面的分組匹配以后，我們就可以拿到我們想拿到的字串，但是如果我們正則表達(dá)式中括號比較多，那我們在拿我們想要的字串時，要去挨個數(shù)我們想要的字串時第幾個括號，這樣會很麻煩，這個時候Python又引入了另一種分組，那就是命名分組，上面的叫無名分組。

命名分組

命名分組就是給具有默認(rèn)分組編號的組另外再給一個別名。命名分組的語法格式如下：

(?P<name>正則表達(dá)式)#name是一個合法的標(biāo)識符

如：提取字符串中的ip地址

>>> s = "ip='230.192.168.78',version='1.0.0'"
>>> re.search(r"ip='(?P<ip>\d+\.\d+\.\d+\.\d+).*", s)
>>> res.group('ip')#通過命名分組引用分組
'230.192.168.78'

后向引用

正則表達(dá)式中，放在圓括號“()”中的表示是一個組。然后你可以對整個組使用一些正則操作,例如重復(fù)操作符。

要注意的是,只有圓括號”()”才能用于形成組?！薄坝糜诙x字符集?！眥}”用于定義重復(fù)操作。

當(dāng)用”()”定義了一個正則表達(dá)式組后,正則引擎則會把被匹配的組按照順序編號,存入緩存。這樣我們想在后面對已經(jīng)匹配過的內(nèi)容進(jìn)行引用時，就可以用”\數(shù)字”的方式或者是通過命名分組進(jìn)行”(?P=name)“進(jìn)行引用。\1表示引用第一個分組,\2引用第二個分組,以此類推,\n引用第n個組。而\0則引用整個被匹配的正則表達(dá)式本身。這些引用都必須是在正則表達(dá)式中才有效，用于匹配一些重復(fù)的字符串。

如：

#通過命名分組進(jìn)行后向引用
>>> re.search(r'(?P<name>go)\s+(?P=name)\s+(?P=name)', 'go go go').group('name')
'go'
#通過默認(rèn)分組編號進(jìn)行后向引用
>>> re.search(r'(go)\s+\1\s+\1', 'go go go').group()
'go go go'

交換字符串的位置

>>> s = 'abc.xyz'
>>> re.sub(r'(.*)\.(.*)', r'\2.\1', s)
'xyz.abc'

前向肯定斷言、后向肯定斷言

前向肯定斷言的語法：

(?=pattern)

后向肯定斷言的語法：

(?<=pattern)

需要注意的是，如果在匹配的過程中，需要同時用到前向肯定斷言和后向肯定斷言，那么必須將后向肯定斷言寫在正則語句的前面，前向肯定斷言寫在正則語句的后面，表示后向肯定模式之后，前行肯定模式之前。

如：獲取c語言代碼中的注釋內(nèi)容

>>> s1='''char *a="hello world"; char b='c'; /* this is comment */ int c=1; /* t
his is multiline comment */'''
>>> re.findall( r'(?<=/\*).+?(?=\*/)' , s1 ,re.M|re.S)
[' this is comment ', ' this is multiline comment ']

(?<=/*)這個是后向肯定斷言，表示“/*”之后。

(?=*/)這個為前向肯定斷言，表示“*/”之前

這兩合并起來就是一個區(qū)間了，所以后向肯定斷言放在前向肯定斷言前面。

前向否定斷言、后向否定斷言

前向否定斷言語法：

(?!pattern)

后向否定斷言語法：

(?<!pattern)

前向否定和后向否定實例：

#提取不是.txt結(jié)尾的文件
>>> f1 = 'aaa.txt'
>>> re.findall(r'.*\..*$(?<!txt$)',f1)
[]

#提取不以數(shù)字開頭的文件
>>> re.findall(r'^(?!\d+).*','1txt.txt')
[]

#提取不以數(shù)字開頭不以py結(jié)尾的文件
>>> re.findall(r'^(?!\d+).+?\..*$(?<!py$)','test.py')
[]

>>> re.findall(r'^(?!\d+).+?\..*$(?<!py$)','test.txt')
['test.txt']