Python 正則表達式（分組）

正則表達式分組

 

分組就是用一對圓括號「()」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，看到的第一個左括號「(」表示第一個分組，第二個表示第二個分組，依次類推，須要注意的是，有一個隱含的全局分組（就是0），就是整個正則表達式。

 

分完組之後，要想得到某個分組的內容，直接使用group(num)和groups()函數去直接提取就行。

 

例如：提取代碼中的超連接中的文本

 

 

 

>>> 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之後，咱們就能夠拿到咱們想拿到的字串，可是若是咱們正則表達式中括號比較多，那咱們在拿咱們想要的字串時，要去挨個數咱們想要的字串時第幾個括號，這樣會很麻煩，這個時候Python又引入了另外一種分組，那就是命名分組，上面的叫無名分組。

 

命名分組

 

命名分組就是給具備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以下：

 

 

(?P<name>正則表達式)#name是一個合法的標識符

 

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')#經過命名分組引用分組
'230.192.168.78'

 

後向引用

 

正則表達式中，放在圓括號「()」中的表示是一個組。而後你能夠對整個組使用一些正則操做,例如重複操做符。 

要注意的是,只有圓括號」()」才能用於造成組。」「用於定義字符集。」{}」用於定義重複操做。 

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。這樣咱們想在後面對已經匹配過的內容進行引用時，就能夠用」\數字」的方式或者是經過命名分組進行」(?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,\n引用第n個組。而\0則引用整個被匹配的正則表達式自己。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符串。 

如：

 

 

#經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'
#經過默認分組編號進行後向引用
>>> 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'

 

前向確定斷言、後向確定斷言

 

前向確定斷言的語法：

 

(?=pattern)

 

後向確定斷言的語法：

 

(?<=pattern)

 

須要注意的是，若是在匹配的過程當中，須要同時用到前向確定斷言和後向確定斷言，那麼必須將後向確定斷言寫在正則語句的前面，前向確定斷言寫在正則語句的後面，表示後向確定模式以後，前行確定模式以前。 

 

如：獲取c語言代碼中的註釋內容

 

>>> 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 ']

 

(?<=/*)這個是後向確定斷言，表示「/*」以後。(?=*/)這個爲前向確定斷言，表示「*/」以前，這兩合併起來就是一個區間了，因此後向確定斷言放在前向確定斷言前面。

 

前向否認斷言、後向否認斷言

 

前向否認斷言語法：

 

 

(?!pattern)

 

後向否認斷言語法：

 

 

(?<!pattern)

 

前向否認和後向否認實例：

 

 

#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']