Python 正則表達式（分組）

知識 10-27

Linux編程

點擊右側關注，免費入門到精通！

作者丨世界看我我看世界

https://blog.csdn.net/SeeTheWorld518/article/details/49302829

正則表達式分組

分組就是用一對圓括弧「()」括起來的正則表達式，匹配出的內容就表示一個分組。從正則表達式的左邊開始看，看到的第一個左括弧「(」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），就是整個正則表達式。

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

例如：提取代碼中的超鏈接中的文本

>>> s=

"

<div><a href="https://support.google.com/chrome/?p=ui_hotword_search" 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後，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式中括弧比較多，那我們在拿我們想要的字串時，要去挨個數我們想要的字串時第幾個括弧，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>正則表達式)#name是一個合法的標識符

如：提取字元串中的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"

後向引用

正則表達式中，放在圓括弧「()」中的表示是一個組。然後你可以對整個組使用一些正則操作,例如重複操作符。

要注意的是,只有圓括弧」()」才能用於形成組。」「用於定義字符集。」{}」用於定義重複操作。

當用」()」定義了一個正則表達式組後,正則引擎則會把被匹配的組按照順序編號,存入緩存。這樣我們想在後面對已經匹配過的內容進行引用時，就可以用」數字」的方式或者是通過命名分組進行」(?P=name)「進行引用。1表示引用第一個分組,2引用第二個分組,以此類推,
引用第n個組。而則引用整個被匹配的正則表達式本身。這些引用都必須是在正則表達式中才有效，用於匹配一些重複的字元串。

如：

#通過命名分組進行後向引用


>>> re.search(r"(?P<name>go)s+(?P=name)s+(?P=name)"
, "go go go"
).group("name"
)
"go"

#通過默認分組編號進行後向引用

>>> re.search(r"(go)s+1s+1"
, "go go go"
).group()
"go go go"

交換字元串的位置

>>> s =

"abc.xyz"


>>> re.sub(r"(.*).(.*)"
, r"2.1"
, s)
"xyz.abc"

前向肯定斷言、後向肯定斷言

前向肯定斷言的語法：

(?=pattern)

後向肯定斷言的語法：

(?<=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後向肯定斷言，那麼必須將後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後面，表示後向肯定模式之後，前行肯定模式之前。

如：獲取c語言代碼中的注釋內容

>>> 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 "
]

(?<=/*)這個是後向肯定斷言，表示「/*」之後。(?=*/)這個為前向肯定斷言，表示「*/」之前，這兩合併起來就是一個區間了，所以後向肯定斷言放在前向肯定斷言前面。

前向否定斷言、後向否定斷言

前向否定斷言語法：

(?!pattern)

後向否定斷言語法：

(?<!pattern)

前向否定和後向否定實例：

#提取不是.txt結尾的文件


>>> f1 = "aaa.txt"

>>> re.findall(r".*..*$(?<!txt$)"
,f1)
[]
#提取不以數字開頭的文件

>>> re.findall(r"^(?!d+).*"
,"1txt.txt"
)
[]
#提取不以數字開頭不以py結尾的文件

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