Python正则表达式教程之二：捕获篇

在Python正则表达式教程之一中，我们介绍了正则表达式的基本语法和常用函数。在本攻略中，我们将深入探讨则表达式的捕获功能，包括如何使用捕获组、非捕获组、零宽断言等功能。

捕获组

捕获组是正则表达式中的一种特殊语法，用于将匹配到的子字符串作为一个整体进行捕获。在正则表达式中，捕获组使用圆括()表示。下面是一个例子，演示如使用捕获组提取字符串中的日期：

import re

text = 'Today is 2023-05-14, tomorrow is 2023-05-15.'
pattern = r'(\d{4})-(\d{2})-(\d{2})'
 = re.findall(pattern, text)
if result:
    print('Matches found:', result)
    for match in result:
        print('Year:', match[0])
        print('Month:', match[1])
        print('Day:', match[2])
else:
    print('Matches not found')

在上面的代码中，我们使用正则表达式(\d{4})-(\d{2})-(\d{2})提取中的日期。\d{4}表示匹配一个四位数字，\d{2}表示匹配一个两位数字。()表示将\d{4}、\d{2}和\d{2}匹配到的字符串作为捕获组。findall()函数可以返回所有匹配的结果。运行代码后，输出结果为Matches found: [('2023', '05', '14'), ('2023', '05', '15')]和每个日期的具体内容。

非捕获组

非捕获组是正则表达式中的一种特殊语法，用于将匹配到的子字符串作为一个整体进行匹配，但不将其作为捕获组。在正则表达式中，非捕获组使用(?:)表示。下面是一个例子，演示如何使用非捕获组匹配URL中的协议：

import re

text = 'https://www.example.com'
pattern = r'(?:https?://)([^/]+)'
result = re.search(pattern, text)
if result:
    print('Match found:', result.group())
    print('Domain:', result.group(1))
else:
    print('Match not found')

在上面的代码中，我们使用正则表达式(?:https?://)([^/]+)匹配URL中的协议。https?://表示匹配http://或https://，[^/]+表示匹配一个或多个非斜杠字符。(?:)表示将https?://作为非捕获组，不将其作为捕获组。运行代码后，输出结果为Match found: https://www.example.com和Domain: www.example.com。

零宽断言

零宽断言是正则表达式中的一种特殊语法，用于在匹配字符串时，指定一个位置，该位置必须满足某种条件。在正则表达式中，零宽断言使用(?=)和(?!)表示。下面是一个例子，演示如何使用零宽断言匹配字符串中的数字：

import re

text = '123456'
pattern = r'(?<=\d)(?=(\d{3})+$)'
result = re.sub(pattern, ',', text)
print(result)

在上面的代码中，我们使用正则表达式(?<=\d)(?=(\d{3})+$)匹配字符串中的数字。(?<=\d)表示匹配前面是一个数字的位置，(?=(\d{3})+$)表示匹配后面是一个或多个三位数字的位置。(?=)表示正向零宽断言，(?!)表示负向零宽断言。sub()函数用于在字符串中搜索正则表达式的所有匹配项，并将其替换为指定的字符串。运行代码后，输出结果为123,456。

示例说明

示例1：提取HTML标签中的属性值

下面是一个例子，演示如何使用正则表达式提取HTML标签中的属性值：

import re

text = '<a href="https://www.example.com">Example</a>'
pattern = r'<a href="([^"]+)">([^<]+)</a>'
result = re.search(pattern, text)
if result:
    print('Match found:', result.group())
    print('URL:', result.group(1))
    print('Text:', result.group(2))
else:
    print('Match not found')

在上面的代码中，我们使用正则表达式<a href="([^"]+)">([^<]+)</a>提取HTML标签中的href属性值和文本内容。[^"]+表示匹配一个或多个非双引号字符，[^<]+表示匹配一个或多个非小于号字符。()表示将[^"]+和[^<]+匹配到的字符串作为捕获组。运行代码后输出结果为Match found: <a href="httpswww.example.com">Example</a>、URL: https://www.example.com和Text: Example。

示例2：提取JSON字符串中的键值对

下面是另一个例子，演示如何使用正则表达式取JSON字符串中的键值对：

import re

text = '{"name": "John", "age": 30, "city": "New York"}'
pattern = r'"(\w+)":\s*"([^"]+)"'
result = re.findall(pattern, text)
if result:
    print('Matches found:', result)
    for key, value in result:
        print(key, ':', value)
else:
    print('Matches not found')

在上面的代码中，我们使用正则表达式"(\w+)":\s*"([^"]+)"提取JSON字符串中的键值对。\w+表示匹配一个或多个字母、数字、下划线，[^"]+表示匹配一个或多个非双引号字符。()表示将\w+和[^"]+匹配到的字符串作捕获组。findall()函数可以返回所有匹配的结果。运行代码后，输出结果为Matches found: [('name', 'John'), ('age', '30'), ('city', 'New York')]`和每个键值对的具体内容。

总结

本攻略详细讲解了Python正则表达式中的捕获组、非捕获组、零宽断言等功能。捕获组可以将匹配到的子字符串作为一个整体捕获，非捕获组可以将匹配到的子字符串作为一个整体进行匹配，但不将其作为捕获组。零宽断言可以在匹配字符串时，指定一个位置，该位置必须满足某种条件。演示了如何使用捕获组提取字符串中的日期、使用非捕获组匹配URL中的协议、使用零宽断言匹配字符串中的数字。希望读者可以通过这些示例更好地理解正则表达式的应用。