比较详细Python正则表达式操作指南(re使用)[6]

分组

你经常需要得到比 RE 是否匹配还要多的信息。正则表达式常常用来分析字符串，编写一个 RE 匹配感兴趣的部分并将其分成几个小组。举个例子，一个 RFC-822 的头部用 ":" 隔成一个头部名和一个值，这就可以通过编写一个正则表达式匹配整个头部，用一组匹配头部名，另一组匹配头部值的方式来处理。

组是通过 "(" 和 ")" 元字符来标识的。 "(" 和 ")" 有很多在数学表达式中相同的意思；它们一起把在它们里面的表达式组成一组。举个例子，你可以用重复限制符，象 *, +, ?, 和 {m,n}，来重复组里的内容，比如说(ab)* 将匹配零或更多个重复的 "ab"。

#!python

>>> p = re.compile('(ab)*' )

>>> print p.match('ababababab' ).span()

(0, 10)

组用 "(" 和 ")" 来指定，并且得到它们匹配文本的开始和结尾索引；这就可以通过一个参数用 group()、start()、end() 和 span() 来进行检索。组是从 0 开始计数的。组 0 总是存在；它就是整个 RE，所以 `MatchObject` 的方法都把组 0 作为它们缺省的参数。稍後我们将看到怎样表达不能得到它们所匹配文本的 span。

#!python

>>> p = re.compile('(a)b' )

>>> m = p.match('ab' )

>>>  m.group()

'ab'

>>>  m.group(0)

'ab'

小组是从左向右计数的，从1开始。组可以被嵌套。计数的数值可以能过从左到右计算打开的括号数来确定。

#!python

>>> p = re.compile('(a(b)c)d' )

>>> m = p.match('abcd' )

>>>  m.group(0)

'abcd'

>>> m.group(1 )

'abc'

>>> m.group(2 )

'b'

group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

 

#!python

>>> m.group(2,1,2 )

('b', 'abc', 'b' )

The groups() 方法返回一个包含所有小组字符串的元组，从 1  到 所含的小组号。

#!python

>>>  m.groups()

('abc', 'b' )

模式中的逆向引用允许你指定先前捕获组的内容，该组也必须在字符串当前位置被找到。举个例子，如果组 1 的内容能够在当前位置找到的话，"1 就成功否则失败。记住 Python 字符串也是用反斜杠加数据来允许字符串中包含任意字符的，所以当在 RE 中使用逆向引用时确保使用 raw 字符串。

例如，下面的 RE 在一个字符串中找到成双的词。

#!python

>>> p = re.compile(r'("b"w+)"s+"1' )

>>> p.search('Paris in the the spring' ).group()

'the the'

象这样只是搜索一个字符串的逆向引用并不常见 -- 用这种方式重复数据的文本格式并不多见 -- 但你不久就可以发现它们用在字符串替换上非常有用。