Python正则表达式分组、命名分组与断言详解

Python正则表达式分组、命名分组与断言详解

本文详细介绍Python中正则表达式分组的核心概念与具体用法，旨在帮助开发者掌握相关技巧。

正则表达式分组基础

正则表达式分组基础

分组是通过一对圆括号“()”将正则表达式包裹起来，匹配到的内容即构成一个分组。从正则表达式的左侧开始计数，遇到的第一个左括号“(”代表第一个分组，第二个左括号代表第二个分组，依此类推。此外，存在一个隐含的全局分组（编号为0），它代表整个正则表达式本身。

完成分组后，可以通过调用group(num)和groups()函数直接提取特定分组的内容。

例如，从代码中提取超链接的文本内容：

>>> s='<div><a href="https://support.google.com/chrome/?p=ui_hotword_search" rel="external nofollow" target="_blank">更多</a><p>dfsl</p></div>'
>>> print re.search(r'<a.*>(.*)</a>',s).group(1)
更多

或者采用另一种写法：

>>> print re.match(r'.*<a.*>(.*)</a>',s).group(1)
更多

基于上述分组匹配，我们可以获取目标子串。然而，当正则表达式中包含大量括号时，手动计数以确定所需子串对应的分组编号会变得繁琐。为此，Python引入了命名分组，相对于上述的无名分组，命名分组提供了更清晰的引用方式。

命名分组机制

命名分组机制

命名分组允许为具有默认编号的组指定一个别名。其语法格式如下：

(?P<name>正则表达式)#name是一个合法的标识符

例如，从字符串中提取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')#通过命名分组引用分组
'230.192.168.78'

后向引用技术

后向引用技术

在正则表达式中，圆括号“()”内的内容定义为一个组。随后，可以对整个组应用正则操作，例如重复操作符。需要注意的是，只有圆括号“()”用于形成组，方括号“[]”用于定义字符集，花括号“{}”用于定义重复次数。当使用“()”定义组后，正则引擎会按顺序将匹配的组存入缓存。若需在后续引用已匹配的内容，可使用“\数字”方式或通过命名分组“(?P=name)”进行引用。其中，\1表示引用第一个分组，\2表示第二个，以此类推，\n表示第n个组，而\0则引用整个被匹配的正则表达式。这些引用仅在正则表达式内部有效，常用于匹配重复字符串。例如：

#通过命名分组进行后向引用
>>> re.search(r'(?P<name>go)\s+(?P=name)\s+(?P=name)', 'go go go').group('name')
'go'
#通过默认分组编号进行后向引用
>>> re.search(r'(go)\s+\1\s+\1', 'go go go').group()
'go go go'

实现字符串位置交换：

>>> s = 'abc.xyz'
>>> re.sub(r'(.*)\.(.*)', r'\2.\1', s)
'xyz.abc'

前向肯定断言与后向肯定断言

前向肯定断言与后向肯定断言

前向肯定断言的语法结构为：

(?=pattern)

后向肯定断言的语法结构为：

(?<=pattern)

需要注意的是，若匹配过程需同时使用前向肯定断言和后向肯定断言，必须将后向肯定断言置于正则语句的前部，前向肯定断言置于后部，这表示匹配后向模式之后且前向模式之前的内容。例如，获取C语言代码中的注释内容：

>>> 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 ']

其中，(?<=/*)为后向肯定断言，表示匹配“/*”之后的内容；(?=*/)为前向肯定断言，表示匹配“*/”之前的内容。两者结合即定义了一个区间，因此后向断言需放在前向断言之前的位置。

前向否定断言与后向否定断言

前向否定断言与后向否定断言

前向否定断言的语法结构为：

(?!pattern)

后向否定断言的语法结构为：

(?<!pattern)

前向否定与后向否定的应用实例：

#提取不是.txt结尾的文件
>>> f1 = 'aaa.txt'
>>> re.findall(r'.*\..*$(?<!txt$)',f1)
[]
#提取不以数字开头的文件
>>> re.findall(r'^(?!\d+).*','1txt.txt')
[]
#提取不以数字开头不以py结尾的文件
>>> re.findall(r'^(?!\d+).+?\..*$(?<!py$)','test.py')
[]
>>> re.findall(r'^(?!\d+).+?\..*$(?<!py$)','test.txt')
['test.txt']

此外，推荐两款实用的正则表达式在线测试工具供参考：

JavaScript正则表达式在线测试工具： http://tools.jb51.net/regex/javascript

正则表达式在线生成工具： http://tools.jb51.net/regex/create_reg

如需了解更多Python相关知识，可查阅本站系列教程，包括《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》。

希望本文的内容对您的Python编程学习有所帮助。