正则表达式 第三篇：分组匹配
Posted ljhdo
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正则表达式 第三篇：分组匹配相关的知识，希望对你有一定的参考价值。
通常情况下，分组是用一对圆括号“()”括起来的正则表达式，匹配出的内容就表示一个分组。分组有一个例外的情况，分组也可以不使用圆括号，而是使用 | 元字符来表示分组，| 的两侧是两个分组。
当使用圆括号表示分组时，从正则表达式的左边开始看，看到的第一个左括号“(”表示第一个分组，第二个"("表示第二个分组，依次类推，需要注意的是，有一个隐含的全局分组（就是0），就是整个正则表达式。默认情况下，正则表达式为每个分组自动分配一个组号，规则是：组号从1开始，从左向右，组号依次加1（base+1），例如，第一个分组的组号为1，第二个分组的组号为2，以此类推。
分组不仅有编号，还能为分组设置别名，在Python中，使用(?P<name>exp)为正则表达式exp设置别名。
匹配分组的元字符：
- exp1 | exp2 ：匹配exp1 或 exp2
- (exp)：把括号内的正则作为一个分组
- (?P<name>exp)：定义一个分组，并为分组起别名，分组的正则是exp
- (?P=name)：引用别名为name的分组
- \num：使用分组的编号来引用分组，分组按照正则表达式中出现的顺序编号1、2、3、...
一，分组引用
分组引用，是指在表达式中，重复使用正则表达式，使正则表达式的写法更简洁。
分组定义的三种形式：
- (exp) ：自动分配组号，通过分组号引用该分组；
- (?P<name>exp) ：命名分组，通过分组名引用该分组；
- (?:exp) ：该分组只在当前位置匹配文本，在该分组之后，无法引用该分组，该分组没有分组名，也没有分组号；
1，通过组号引用分组
在正则表达式前面定义一个分组(exp)，在表达式的后面，能够通过组号引用该分组的表达式，引用分组的语法是：\group_number；
例如：\b(\w+)\b\s+\1\b，在该正则表达式中，只存在一个分组(\w+)，组号是1，在该分组的后面，使用\1来引用该分组，将\1替换为分组的子表达式，等价于：\b(\w+)\b\s+(\w+)\b。
2，通过分组名引用分组
在正则表达式中，能够对分组命名，命名的分组格式：(?P<name>exp)，分组名是name，通过name来引用该分组的格式是：(?p=group_name)，通过分组名和组号引用分组，其文本匹配的行为是一样的。
例如：\b(?P<word>\w+)\b\s+(?P=word)\b，在该分组的后面中，使用(?P=word)引用该分组，把(?P=word)替换为分组的子表达式，等价于：\b(\w+)\b\s+(\w+)\b。
3，无法引用的分组
(?:exp)：使用这种语法定义的分组，不能引用，只能在当前的位置匹配文本，正则表达式不为该分组自动分配组号。
二，匹配分组的示例
下面使用Python的re模块来演示如何使用分组。
1，匹配任意分组
>>> out=re.match(‘[0-9]?\d$|100‘,‘08‘) >>> out <re.Match object; span=(0, 2), match=‘08‘>
2，使用()定义分组
>>> out=re.match(‘\w{4,20}@(163|qq|126)\.com‘,‘[email protected]‘) >>> out <re.Match object; span=(0, 11), match=‘[email protected]‘>
3，为分组命名，并通过别名来引用分组
>>> out=re.match(r"<(?P<name1>\w*)><(?P<name2>h[1-5])>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h1></html>") >>> out <re.Match object; span=(0, 35), match=‘<html><h1>www.baidu.com</h1></html>‘>
参考文档：
以上是关于正则表达式 第三篇：分组匹配的主要内容，如果未能解决你的问题，请参考以下文章