python正则表达式精讲--分组

1. 什么是分组

分组是用圆括号“()”括起来的正则表达式，匹配出的内容就表示一个分组。使用分组，可以从目标字符串中提取出与圆括号内正则表达式相匹配的内容。

import re

string = "现在是北京时间12点10分"
pattern = re.compile(r'\D*(\d{1,2})\D*(\d{1,2})\D*')
result = pattern.match(string)
print(result.groups())

\D 是非数字字符，正则表达式里有两个分组，可以从目标字符串中提取出小时和分钟，程序输出结果为

('12', '10')

2. 定义分组的3种形式

有3种形式的分组：

1. (exp) ：把括号内的正则作为一个分组，系统自动分配组号，可以通过分组号引用该分组
2. (?Pexp) ：定义一个命名分组，分组的正则是exp，系统为该分组分配分组号，可以通过分组名或分组号引用该分组
3. (?:exp) ：定义一个不捕获分组，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，因为该分组没有分组名，没有分组号，也不会占用分组编号

在第1小节中，已经向你展示了第一种分组的形式，现在来看一个命名分组的例子

2.1 命名分组

命名分组也使用圆括号，在正则表达式前面添加一个命名的步骤，以?P开头，在<>内填入分组的名称

import re

string = "现在是北京时间12点10分"
pattern = re.compile(r'\D*(?P<hour>\d{1,2})\D*(?P<minute>\d{1,2})\D*')
result = pattern.match(string)
print(result.groupdict())

使用了命名分组，就可以使用groupdict方法来获得match的结果，是一个字典

{'hour': '12', 'minute': '10'}

2.2 不捕获分组

使用不捕获分组，括号内的内容不会被捕获到

import re

string = "现在是北京时间12点10分"
pattern = re.compile(r'\D*(?:\d{1,2})\D*(?:\d{1,2})\D*')
result = pattern.match(string)
print(result.group())
print(result.groups())
print(result.groupdict())

程序输出结果

现在是北京时间12点10分
()
{}

正则表达式的确在目标字符串中找到了模式，因此group()返回的是匹配到的内容，尽管两个分组也匹配到了内容，但由于是使用的是不捕获分组，因此圆括号里的内容不会被捕获，groups()返回的是空元组。

根据前面3个例子，可以做出一张反应分组形式与获取结果方法之间的关系表

3. 引用分组

引用分组的目的是对重复出现的文本进行匹配，这里极容易产生误解，理解成对重复的模式进行匹配，其实，是对重复的文本进行匹配。

3.1 分组编号

对于普通分组，正则表达式引擎会默认为它们分配一个编号，从1开始，在编写整个表达式时，后面的部分可以通过编号引用前面的分组

import re

string = "现在是北京时间12点12分"
pattern = re.compile(r'\D*(\d{1,2})\D*\1\D*')
result = pattern.match(string)
print(result.groups())      # ('12',)

上面的例子中，只有一个分组(\d{1,2})，它的编号是1，在表达式的后半部分，使用\1 来复用分组1，你可能会以为，例子中的正则等价于

r'\D*(\d{1,2})\D*(\d{1,2})\D*'

这样理解是错误的，如果你将时间改为“12点13分”， 上面的例子就无法正常运行了，原因在于引用分组是对重复出现的文本进行匹配，而不是对重复出现的模式进行匹配。虽然13可以匹配\d{1,2}，但与分组1匹配到的12不相同，因此整个表达式不能匹配目标字符串。

3.2 分组命名

对于命名分组，没有分组编号，而是用分组的名字，命名分组的形式是(?Pexp)， 在引用时，则使用(?P=name)，和引用分组编号一样，它只能对重复的文本进行匹配，而不是对重复的模式进行匹配。

3.3 不捕获分组

对于不捕获分组，既没有分组编号，也没有分组名称，因此无法引用不捕获分组