python正则表达式分组匹配_Python正则表达式（分组）

正则表达式分组

分组就是用一对圆括号“()”括起来的正则表达式&＃xff0c;匹配出的内容就表示一个分组。从正则表达式的左边开始看&＃xff0c;看到的第一个左括号“(”表示第一个分组&＃xff0c;第二个表示第二个分组&＃xff0c;依次类推&＃xff0c;需要注意的是&＃xff0c;有一个隐含的全局分组(就是0)&＃xff0c;就是整个正则表达式。

分完组以后&＃xff0c;要想获得某个分组的内容&＃xff0c;直接使用group(num)和groups()函数去直接提取就行。

例如&＃xff1a;提取代码中的超链接中的文本

>>> s&＃61;&＃39;

>>> print re.search(r&＃39;(.*)&＃39;,s).group(1)

更多

或者

>>> print re.match(r&＃39;.*(.*)&＃39;,s).group(1)

更多

按照上面的分组匹配以后&＃xff0c;我们就可以拿到我们想拿到的字串&＃xff0c;但是如果我们正则表达式中括号比较多&＃xff0c;那我们在拿我们想要的字串时&＃xff0c;要去挨个数我们想要的字串时第几个括号&＃xff0c;这样会很麻烦&＃xff0c;这个时候Python又引入了另一种分组&＃xff0c;那就是命名分组&＃xff0c;上面的叫无名分组。

命名分组

命名分组就是给具有默认分组编号的组另外再给一个别名。命名分组的语法格式如下&＃xff1a;

(?P正则表达式)#name是一个合法的标识符

如&＃xff1a;提取字符串中的ip地址

>>> s &＃61; "ip&＃61;&＃39;230.192.168.78&＃39;,version&＃61;&＃39;1.0.0&＃39;"

>>> re.search(r"ip&＃61;&＃39;(?P\d&＃43;\.\d&＃43;\.\d&＃43;\.\d&＃43;).*", s)

>>> res.group(&＃39;ip&＃39;)#通过命名分组引用分组

&＃39;230.192.168.78&＃39;

后向引用

正则表达式中&＃xff0c;放在圆括号“()”中的表示是一个组。然后你可以对整个组使用一些正则操作,例如重复操作符。

要注意的是,只有圆括号”()”才能用于形成组。”“用于定义字符集。”{}”用于定义重复操作。

当用”()”定义了一个正则表达式组后,正则引擎则会把被匹配的组按照顺序编号,存入缓存。这样我们想在后面对已经匹配过的内容进行引用时&＃xff0c;就可以用”\数字”的方式或者是通过命名分组进行”(?P&＃61;name)“进行引用。\1表示引用第一个分组,\2引用第二个分组,以此类推,\n引用第n个组。而\0则引用整个被匹配的正则表达式本身。这些引用都必须是在正则表达式中才有效&＃xff0c;用于匹配一些重复的字符串。

如&＃xff1a;

#通过命名分组进行后向引用

>>> re.search(r&＃39;(?Pgo)\s&＃43;(?P&＃61;name)\s&＃43;(?P&＃61;name)&＃39;, &＃39;go go go&＃39;).group(&＃39;name&＃39;)

&＃39;go&＃39;

#通过默认分组编号进行后向引用

>>> re.search(r&＃39;(go)\s&＃43;\1\s&＃43;\1&＃39;, &＃39;go go go&＃39;).group()

&＃39;go go go&＃39;

交换字符串的位置

>>> s &＃61; &＃39;abc.xyz&＃39;

>>> re.sub(r&＃39;(.*)\.(.*)&＃39;, r&＃39;\2.\1&＃39;, s)

&＃39;xyz.abc&＃39;

前向肯定断言、后向肯定断言

前向肯定断言的语法&＃xff1a;

(?&＃61;pattern)

后向肯定断言的语法&＃xff1a;

(?<&＃61;pattern)

需要注意的是&＃xff0c;如果在匹配的过程中&＃xff0c;需要同时用到前向肯定断言和后向肯定断言&＃xff0c;那么必须将后向肯定断言写在正则语句的前面&＃xff0c;前向肯定断言写在正则语句的后面&＃xff0c;表示后向肯定模式之后&＃xff0c;前行肯定模式之前。

如&＃xff1a;获取c语言代码中的注释内容

>>> s1&＃61;&＃39;&＃39;&＃39;char *a&＃61;"hello world"; char b&＃61;&＃39;c&＃39;; /* this is comment */ int c&＃61;1; /* t

his is multiline comment */&＃39;&＃39;&＃39;

>>> re.findall( r&＃39;(?<&＃61;/\*).&＃43;?(?&＃61;\*/)&＃39; , s1 ,re.M|re.S)

[&＃39; this is comment &＃39;, &＃39; this is multiline comment &＃39;]

(?<&＃61;/*)这个是后向肯定断言&＃xff0c;表示“/*”之后。(?&＃61;*/)这个为前向肯定断言&＃xff0c;表示“*/”之前&＃xff0c;这两合并起来就是一个区间了&＃xff0c;所以后向肯定断言放在前向肯定断言前面。

前向否定断言、后向否定断言

前向否定断言语法&＃xff1a;

(?!pattern)

后向否定断言语法&＃xff1a;

(?

前向否定和后向否定实例&＃xff1a;

#提取不是.txt结尾的文件

>>> f1 &＃61; &＃39;aaa.txt&＃39;

>>> re.findall(r&＃39;.*\..*$(?

[]

#提取不以数字开头的文件

>>> re.findall(r&＃39;^(?!\d&＃43;).*&＃39;,&＃39;1txt.txt&＃39;)

[]

#提取不以数字开头不以py结尾的文件

>>> re.findall(r&＃39;^(?!\d&＃43;).&＃43;?\..*$(?

[]

>>> re.findall(r&＃39;^(?!\d&＃43;).&＃43;?\..*$(?

[&＃39;test.txt&＃39;]