正則表達式之括號

正則表達式（三）

　　括號

?　　分組

　　量詞可以作用字符或者字符組后面作為限定出現次數，如果是限制多個字符出現次數或者限制一個表達式出現次數，需要使用括號()將多個字符或者表達式括起來，這樣便稱為分組。例如(ab)+表示“ab”字符串重復出現一次以上，ab+表示字符b重復出現一次以上。

　　分組應用：匹配一個長度為15到18的數字字符串，使用正則表達式\d{15,18}；匹配一個長度為15或18的數字字符串，使用正則表達式\d{15}(\d{13})?。

　　多選結構

　　多選結構的形式是(...|...)，在括號內以豎線分隔開多個表達式，每個表達式被稱為多選分支，多選分支的數目是沒有限制的。匹配過程中，整個多選結構看做一個整體，只要其中一個多選分支能夠匹配，則整個多選結構匹配成功。反之，所有多選分支不能匹配則匹配失敗。

　　繼分組應用中問題來說，匹配一個長度為15或者18的數字字符串，使用正則表達式\d{15}(\d{13})?可以實現，使用多選結構(\d{15}|\d{18})也可以輕松實現。

　　多選結構應用：匹配月份，使用正則表達式(0?[1-9]|1[012])，匹配日，使用正則表達式(0?[1-9]|1[0-9]|2[0-9]|3[01])。

　　分組是對字符串特性的抽象合并，多選結構是對字符串特性的具象羅列。

　　引用分組

　　分組可以保存每個分組的匹配文本，匹配完成以后，通過group(num)方法引用分組在匹配過程中捕獲的匹配文本。其中num表示對應括號的編號，括號分組的編號自左向右，由1開始計數。一般來說，正則表達式匹配完成以后，會返回一個結果對象，對結果對象調用group()方法，并傳入所需分組的編號，即可獲得所需分組的匹配文本內容。如python而言，re.search()返回一個MatchObject對象，判定MatchObject對象是否為None，可以驗證匹配是否成功；對MatchObject對象調用group()方法可以回去對象中匹配文本的內容。

　　num = 1,2,3,...MatchObject.group(num)表示獲取對應括號分組編號匹配的內容。

　　num = 0,MatchObject.group(0)表示獲取整個表達式匹配的內容。

　　反向引用：在正則表達式內部引用之前捕獲分組匹配的文本，形式為\num，使用正則表達式([a-z])\1可以表示兩個連續重復的字母，其中num為1是指分組([a-z])的編號，\1表示對其匹配結果的引用。

　　注意：正則表達式：(\bcat\b)\s+\1，\1是對匹配文本cat的反向引用，但是\1表示匹配cat不含左右邊界的單詞，也會匹配cater，dedicate等單詞。

　　命名分組

　　分組可以通過括號編號來調用，但是括號多了容易混淆，因此采用命名分組，對不同分組采取不同的命名，在調用時也會簡單方便。python中命名分組的方式為(?P<name>...)，例如對分組(\d{4})命名為(?P<year>\d{4})，調用時使用group(name)，如group(year)獲取匹配文本內容。

　　反向引用：使用了命名分組，在正則表達式中反向引用時，必須使用(?P=name)的記法。

　　非捕獲分組

　　前面提到了分組的多重用法，如普通分組、多選結構、引用分組，這些都是需要使用括號構成分組的，一旦構成分組，就會對分組匹配的文本信息進行保存。有一些匹配文本是我們不需要的，我們就可以設置分組為非捕獲分組，格式為(?：...)，如(?:\d{4})。在引用分組和非捕獲分組交叉出現時，非捕獲分組不會占用分組編號。