正则表达式分组小记

说是小记，主要是怕忘记了。

一个正则语法-命名分组

正则分组依赖圆括号，每个括号内的表达式是一个分组，为了避免，在一个完整的表达式中出现多个分组，依靠组序号获取组匹配项时的混乱，使用命名分组是很好地方法。

在.Net中语法为  (?<name>pattern)  其中尖括号（<>）可以使用单引号（''）替换。

在Python中语法基本一致，只是在组名称前多了一个大写字母P  (?P<name>pattern)   不可以使用单引号替换尖括号。

以Python为例，如图

第一个表达式'a.*b'没有进行分组，那么匹配结果只有一个，所以只可以使用m.group(0)，否则会报索引错误。

第二个表达式'(a.*b)'有分组，匹配结果和第一个一样，但是，它可以使用m.group(0)和m.group(1)。

原因是匹配结果中，m.group(0)是整个正则表达式的匹配结果，分组匹配结果从索引1开始。

所以，当有众多的分组时，获取某一分组的匹配项会很容易造成混乱。

使用命名分组

比如匹配这个字符串“1978年  sex:male ”

使用命名分组

　　.Net(尖括号、引号都可以)  (?'year'\d{4}).*?sex:(?<gender>.*)

　　Python   (?P<year>\d{4}).*?sex:(?P<gender>.*)

Python结果如下

此时既可以使用索引方式获取分组匹配项，当然更推荐的方式是使用分组命名获取对象匹配项，这样无论正则表达式多少个分组，均不需要考虑分组的索引，只要通过名称就可以获取到了。

 

另外一提

(?P<year>\d{4}).*?sex:(?P<gender>.*)

表达式中标红的意思是：（.）任意字符-(*)0个或多个-(?)最短匹配

就是说如果要匹配的字符串中有多个'sex'子串，该表达式会匹配到最先（最短）出现的那个'sex'

 

看到一篇非捕获组的博客，简单易懂，详细点击这里