Python 中的正则分组

正则分组作用

正则分组作用，一般用于在满足整体规则基础上，对局部进行提取

 

正则分组语法及示例

下面我们看下其语法规则:  

        在正则表达式中，我们使用括号把正则进行分组

基本示例：

import re
# 这是爬虫常用的一个正则，用于提取网址
# 例如我想提取里面的网址，我们就可以使用小括号把网站部分的正则包裹起来
res = re.search(r'src=(http://.+)',"src=http://www.baidu.com/hello/")

# 如果匹配命中则 提取里面的网址
if res:
    # 分组编号是从1开始的，所以我们就是group(1) 
    # 那么group(0) 是什么呢？ 这个是我们整个的一个正则名字的字符
    url = res.group(1)

上面仅仅是其基本的使用规则，好了接下来咱们看看里面的更多的内容

先看下分组编号: 编号是从1开始，然后从左到右进行编号。

看示例：

import re

# 代码后面的注释 是我们运行提取的结果
# 提取分组0
re.search(r'(\W+)(([a-z]+)(\d+)[a-z]+)(\W+)',"###abc123feg!!!").group(0) # '###abc123feg!!!

# 提取分组1
re.search(r'(\W+)(([a-z]+)(\d+)[a-z]+)(\W+)',"###abc123feg!!!").group(1) # '###'

# 提取分组2
re.search(r'(\W+)(([a-z]+)(\d+)[a-z]+)(\W+)',"###abc123feg!!!").group(2) # 'abc123feg'

# 提取分组3
re.search(r'(\W+)(([a-z]+)(\d+)[a-z]+)(\W+)',"###abc123feg!!!").group(3) # 'abc'

# 提取分组4
re.search(r'(\W+)(([a-z]+)(\d+)[a-z]+)(\W+)',"###abc123feg!!!").group(4) # '123'

# 提取分组5
re.search(r'(\W+)(([a-z]+)(\d+)[a-z]+)(\W+)',"###abc123feg!!!").group(5) #'!!!'

在上面基础上我们来一点更复杂的，当遇到有分组嵌套分组的情况

看示例：

import re

# 看下面例子 我想除了想提取整个网址外，我还想提取里面的host

src_str = "src=http://www.baidu.com/hello/"

# 正则提取
res = re.search(r'src=(http://([^/]+).+)',src_str )

# 提取group 0
print(res.group(0))   # 'src=http://www.baidu.com/hello/'

# 提取group 1
print(res.group(1))   # 'http://www.baidu.com/hello/'

# 提取group 2 
print(res.group(2))  # 'www.baidu.com'

编号规则：从左向右，从外向内

除了编号以外，为了更方便我们提取，还给我们提供了一个方式 为分组起一个名字

import re

# 看下面例子 我想除了想提取整个网址外，我还想提取里面的host

src_str = "src=http://www.baidu.com/hello/"

# 正则提取 ，在分组基础上前面增加规定的格式 (?P<name>)  注意P是大写<>里面是当前分组的名字
res = re.search(r'src=(?P<url>http://(?P<host>[^/]+).+)',src_str )


# 提取所有分组内容
res.groups()  # ('http://www.baidu.com/hello/', 'www.baidu.com')

# 因为我们使用别名的方式，所以我们还可以获取一个字典匹配结果
res.groupdict()  # {'url': 'http://www.baidu.com/hello/', 'host': 'www.baidu.com'}

应用可以参考我另一篇: django中路由匹配中正则提取参数机制

学IT，上博学谷