正则表达式 第三篇：分组和捕获
分组是用圆括号“()”括起来的正则表达式，匹配出的内容就表示一个分组。分组有一个例外的情况，分组也可以不使用圆括号，而是使用 | 元字符来表示分组，| 的两侧是两个分组，例如， exp1 | exp2 表示两个分组，在严格意义闪给，不认为由 | 构成的正则表达式是分组。
分组和捕获在正则表达式中有着密切的联系，一般情况下，分组即捕获，都用小括号完成：
- (exp) ：分组，并捕获该分组匹配到的文本
- (?:exp) ：分组，但不捕获该分组匹配到的文本
什么是捕获呢？使用小括号指定一个子表达式后，子表达式匹配的文本（即匹配的内容）可以在其他子表达式中重复使用。
一，定义分组
定义分组的三种形式：
- (exp) ：把括号内的正则作为一个分组，系统自动分配组号，可以通过分组号引用该分组；
- (?P<name>exp) ：定义一个命名分组，分组的正则是exp，系统为该分组分配分组号，可以通过分组名或分组号引用该分组；
- (?:exp) ：定义一个不捕获分组，该分组只在当前位置匹配文本，在该分组之后，无法引用该分组，因为该分组没有分组名，没有分组号，也不会占用分组编号；
1，分组编号
在正则表达式中，分组编号是自动进行的。当使用圆括号表示分组时，从正则表达式的左边开始看，看到的第一个左括号 “(” 表示第一个分组，第二个 "(" 表示第二个分组，依次类推，需要注意的是，有一个隐含的全局分组（分组编号是0），就是整个正则表达式。默认情况下，正则表达式为每个分组自动分配一个组号，规则是：组号从1开始，从左向右，组号依次加1（base+1），例如，第一个分组的组号为1，第二个分组的组号为2，以此类推。
2，分组命名
分组不仅有编号，还能为分组设置名称，在Python中，使用(?P<name>exp)为正则表达式exp设置别名。
3，无捕获分组
无捕获分组没有名称，也没有编号，因此，无法引用无捕获分组，无捕获分组不会占用分组编号。
二，引用分组
引用分组的目的是对重复出现的文本进行匹配，注意，不是出现重复的模式，而是出现重复的文本。由于分组有编号和名称，因此，可以通过名称和编号来引用前面已经出现的分组。
注意，由于正则表达式的解析是有顺序的，从正则表达式的开头向后解析，引用分组的编号和名称，必须是前面已经存在的；如果在当前位置引用的编号和名称不存在，那么模式解析就会报错。
正则表达式中，可以通过分组名或分组号来引用：
- (?P=name)：引用名称为name的分组
- \n：使用分组的编号来引用分组，分组按照正则表达式中出现的顺序编号1、2、3、...
1，通过组号引用分组
在正则表达式前面定义一个分组(exp)，在表达式的后面，能够通过组号引用该分组的表达式，引用分组的语法是：\group_number；
例如，定义正则表达式，该正则表达式表示两个相同的单词顺序出现：
\b(\w+)\b\s+\1\b
在该正则表达式中，只存在一个分组(\w+)，组号是1，在该分组的后面，使用\1来引用该分组，将\1替换为分组的子表达式：
注意，该正则表达式并不等价于：\b(\w+)\b\s+(\w+)\b，该表达式表示两个单词是相邻的：
2，通过分组名引用分组
在正则表达式中，可以对分组命名，命名分组的语法是：(?P<name>exp)，分组名是name，通过name来引用该分组的格式是：(?p=group_name)，通过分组名和组号引用分组，其引用分组的行为是一样的，例如，定义一个命名分组：\b(?P<word>\w+)\b\s+(?P=word)\b，在该分组的后面中，使用(?P=word)引用该分组，表示文本中出现完全重复的文本。
3，无法引用的分组
(?:exp)：使用这种语法定义的分组，不能引用，只能在当前的位置匹配文本，正则表达式不为该分组自动分配组号。
例如，正则表达式：\b(?:\w+)\b\s+\1\b 是错误的，因为无捕获分组不占用组号， 而正则表达式 \b(?:\w+)?(\w+)\b\s+\1\b 是正确的，第二个分组的组号是1，\1引用的是第二个分组。
三，匹配分组的示例
下面使用Python的re模块来演示如何使用分组。
1，匹配任意分组
>>> out=re.match('[0-9]?\d$|100','08') >>> out <re.Match object; span=(0, 2), match='08'>
2，使用()定义分组
>>> out=re.match('\w{4,20}@(163|qq|126)\.com','test@qq.com') >>> out <re.Match object; span=(0, 11), match='test@qq.com'>
3，为分组命名，并通过别名来引用分组
>>> out=re.match(r"<(?P<name1>\w*)><(?P<name2>h[1-5])>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.baidu.com</h1></html>") >>> out <re.Match object; span=(0, 35), match='<html><h1>www.baidu.com</h1></html>'>
4，捕获分组和不捕获分组
对于捕获分组，findall有一个特性，就是如果结果中有捕获的分组，则将捕获的分组组成tuple返回，tuple的元素是每个分组捕获的文本。
>>> re.findall(r'(\d{3,4}-)?(\d{7,8})','020-82228888\n0357-4227865') [('020-', '82228888'), ('0357-', '4227865')]
对于不捕获分组，findall直接返回整个匹配的结果：
>>> re.findall(r'(?:\d{3,4}-)?\d{7,8}','020-82228888\n4227865') ['020-82228888', '4227865']
5，Python对分组引用的支持
引用分组在findall和search中是无效的，但是可以使用在sub函数中。
参考文档：
