Python正則表達式分組概念與用法詳解

想學習大數據技術先本文實例講述了Python正則表達式分組概念與用法。分享給大家供大家參考，具體如下：
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，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。
分完組以后，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 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    
>>> print re.match(r'.*<a.*>(.*)</a>',s).group(1)
更多

按照上面的分組匹配以后，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號比較多，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號，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')#通過命名分組引用分組
'230.192.168.78'

后向引用

正則表達式中，放在圓括號“()”中的表示是一個組。然后你可以對整個組使用一些正則操作,例如重復操作符。
要注意的是,只有圓括號”()”才能用于形成組?！薄坝糜诙x字符集?！眥}”用于定義重復操作。
當用”()”定義了一個正則表達式組后,正則引擎則會把被匹配的組按照順序編號,存入緩存。這樣我們想在后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,\n引用第n個組。而\0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，用于匹配一些重復的字符串。
如：    
#通過命名分組進行后向引用
>>> 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后向引用
>>> 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'
前向肯定斷言、后向肯定斷言
前向肯定斷言的語法：
(?=pattern)
后向肯定斷言的語法：
(?<=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后向肯定斷言，那么必須將后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后面，表示后向肯定模式之后，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 ']
(?<=/*)這個是后向肯定斷言，表示“/*”之后。(?=*/)這個為前向肯定斷言，表示“*/”之前，這兩合并起來就是一個區間了，所以后向肯定斷言放在前向肯定斷言前面。
前向否定斷言、后向否定斷言
前向否定斷言語法：
(?!pattern)
后向否定斷言語法：
(?<!pattern)
前向否定和后向否定實例：    
#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']了解其對行業的影響力