python3 中正则表达式中遇到的问题

分组命名

我们知道在python正则中，使用小括号可以对内容进行分组，还可以用以下方式进行分组命名。

(?P<name>正则表达式)#name是一个合法的标识符

当然，我们可以在后续的表达式中使用命名的分组，如以下示例所示：

import re
s1='a2c.a2c'
s2='a2c.d2d'
a = re.search(r'(?P<name>\w\d\w)\.(?P=name)', s1).groups()#返回('a2c',)，只有一个元素，即只有一个分组
b = re.search(r'(?P<name>\w\d\w)\.(?P=name)', s2).groups()#会报错，因为没有匹配到内容，这是为什么呢？

s1中第二个’a2c’被替换成’d2d’，在使用命名的分组匹配时，P=name所指的规则已经不是’\w\d\w‘， 而是’a2c’，所以无法匹配到s2，所以要求分组内的字符串是一模一样。我猜测是这样的。

匹配中文

中文的 unicode 编码范围 主要在 [u4e00-u9fa5]，这里说主要是因为这个范围并不完整，比如没有包括全角（中文）标点，不过，在大部分情况下，应该是够用的。

import re

title = '你好，hello，世界'
pattern = re.compile(r'[\u4e00-\u9fa5]+')
result = pattern.findall(title)
print(result)#结果：['你好', '世界']