正则表达式之括号

正则表达式（三）

　　括号

 　　分组

　　量词可以作用字符或者字符组后面作为限定出现次数，如果是限制多个字符出现次数或者限制一个表达式出现次数，需要使用括号()将多个字符或者表达式括起来，这样便称为分组。例如(ab)+表示“ab”字符串重复出现一次以上，ab+表示字符b重复出现一次以上。

　　分组应用：匹配一个长度为15到18的数字字符串，使用正则表达式\d{15,18}；匹配一个长度为15或18的数字字符串，使用正则表达式\d{15}(\d{13})?。

　　多选结构

　　多选结构的形式是(...|...)，在括号内以竖线分隔开多个表达式，每个表达式被称为多选分支，多选分支的数目是没有限制的。匹配过程中，整个多选结构看做一个整体，只要其中一个多选分支能够匹配，则整个多选结构匹配成功。反之，所有多选分支不能匹配则匹配失败。

　　继分组应用中问题来说，匹配一个长度为15或者18的数字字符串，使用正则表达式\d{15}(\d{13})?可以实现，使用多选结构(\d{15}|\d{18})也可以轻松实现。

　　多选结构应用：匹配月份，使用正则表达式(0?[1-9]|1[012])，匹配日，使用正则表达式(0?[1-9]|1[0-9]|2[0-9]|3[01])。

　　分组是对字符串特性的抽象合并，多选结构是对字符串特性的具象罗列。

　　引用分组

　　分组可以保存每个分组的匹配文本，匹配完成以后，通过group(num)方法引用分组在匹配过程中捕获的匹配文本。其中num表示对应括号的编号，括号分组的编号自左向右，由1开始计数。一般来说，正则表达式匹配完成以后，会返回一个结果对象，对结果对象调用group()方法，并传入所需分组的编号，即可获得所需分组的匹配文本内容。如python而言，re.search()返回一个MatchObject对象，判定MatchObject对象是否为None，可以验证匹配是否成功；对MatchObject对象调用group()方法可以回去对象中匹配文本的内容。

　　num = 1,2,3,...MatchObject.group(num)表示获取对应括号分组编号匹配的内容。

　　num = 0,MatchObject.group(0)表示获取整个表达式匹配的内容。

　　反向引用：在正则表达式内部引用之前捕获分组匹配的文本，形式为\num，使用正则表达式([a-z])\1可以表示两个连续重复的字母，其中num为1是指分组([a-z])的编号，\1表示对其匹配结果的引用。

　　注意：正则表达式：(\bcat\b)\s+\1，\1是对匹配文本cat的反向引用，但是\1表示匹配cat不含左右边界的单词，也会匹配cater，dedicate等单词。

　　命名分组

　　分组可以通过括号编号来调用，但是括号多了容易混淆，因此采用命名分组，对不同分组采取不同的命名，在调用时也会简单方便。python中命名分组的方式为(?P<name>...)，例如对分组(\d{4})命名为(?P<year>\d{4})，调用时使用group(name)，如group(year)获取匹配文本内容。

　　反向引用：使用了命名分组，在正则表达式中反向引用时，必须使用(?P=name)的记法。

　　非捕获分组

　　前面提到了分组的多重用法，如普通分组、多选结构、引用分组，这些都是需要使用括号构成分组的，一旦构成分组，就会对分组匹配的文本信息进行保存。有一些匹配文本是我们不需要的，我们就可以设置分组为非捕获分组，格式为(?：...)，如(?:\d{4})。在引用分组和非捕获分组交叉出现时，非捕获分组不会占用分组编号。