「掌握 Linux 正则表达式分组技巧」

1. 正则表达式分组概述

在正则表达式中，分组是一种重要的操作。简单来说，分组是将正则表达式中的多个元素看做一个整体，从而使得每个元素都可以被独立处理。分组可以用来进行捕获、非捕获、零宽断言等操作。

在正则表达式中，分组通常使用一对圆括号来表示。比如，(\d+) 表示一个至少包含一个数字的分组，可以匹配诸如「123」、「4567」等字符串。

2. 普通捕获分组

普通捕获分组可以用来捕获正则表达式中的一部分内容，它的语法形式是 (pattern)。当进行正则匹配时，匹配到的分组内容会被记录下来。

2.1 示例

比如，我们要匹配以「abc」开头、以「def」结尾的字符串，并捕获中间的部分。可以使用以下正则表达式：

(abc)(.*)(def)

在这个表达式中，我们用一对圆括号将「.*」这个部分包裹起来，表示将这部分捕获下来。

接下来，假设我们要匹配的字符串是「abcdefg」，可以使用以下代码进行匹配：

import re

text = 'abcdefg'
pattern = '(abc)(.*)(def)'
match = re.match(pattern, text)
if match:
    print(match.groups())

运行上述代码，会输出如下结果：

('abc', 'deg', 'def')

注意，这里的结果中包含了三个元素，分别对应着表达式中每个捕获分组的内容。

3. 命名捕获分组

命名捕获分组是指给捕获分组起一个名字，方便在匹配结果中直接通过名字获取对应的内容。命名捕获分组的语法形式是 (?P<name>pattern)。

3.1 示例

比如，我们要匹配一个格式为「name: Tom, age: 20」的字符串，并捕获其中的 name 和 age 两个字段。可以使用以下正则表达式：

(?P<name>\w+).*age: (?P<age>\d+)

在这个表达式中，我们使用了两个命名捕获分组，分别捕获了 name 和 age 两个字段。

接下来，假设我们要匹配的字符串是「name: Tom, age: 20」，可以使用以下代码进行匹配：

import re

text = 'name: Tom, age: 20'
pattern = '(?P<name>\w+).*age: (?P<age>\d+)'
match = re.match(pattern, text)
if match:
    print(match.group('name'))
    print(match.group('age'))

运行上述代码，会输出如下结果：

Tom

20

注意，在这里我们需要使用 group 函数获取命名捕获分组的内容，参数是捕获分组的名字。

4. 非捕获分组

非捕获分组是指使用 (?:pattern) 的形式来进行分组，但不记录匹配到的内容。非捕获分组通常用来进行分组匹配，但不需要将匹配结果记录下来。

4.1 示例

假设我们要匹配一个字符串，该字符串中有多个连续的数字，且这些数字都用逗号隔开。我们要求这些数字之间的逗号可以是英文逗号「,」，也可以是中文逗号「，」。可以使用以下正则表达式：

\d+(?:,|，)\d+

在这个表达式中，我们使用了一个非捕获分组 (?:,|，)，它表示匹配英文逗号「,」或者中文逗号「，」，但不记录匹配内容。

5. 零宽度断言

零宽度断言是指只匹配位置，不匹配字符的正则表达式操作。它可以用来限制匹配位置的前后关系，让我们只匹配符合条件的字符串。分为正向零宽度断言和负向零宽度断言。

5.1 正向零宽度断言

正向零宽度断言是使用 (?=pattern) 的形式来进行分组。它表示只有在匹配到 pattern 后面的位置，才能继续向下匹配。

5.1.1 示例

假设我们要匹配一个字符串中的数字，并且这些数字前面必须是「$」符号。可以使用以下正则表达式：

\$(?=\d+)

在这个表达式中，我们使用了一个正向零宽度断言 (?=\d+)，它表示只有在匹配到数字后面的位置，才能继续向下匹配。

接下来，假设我们要匹配的字符串是「$100.00」，可以使用以下代码进行匹配：

import re

text = '$100.00'
pattern = '\$(?=\d+)'
match = re.search(pattern, text)
if match:
    print(match.group())

运行上述代码，会输出如下结果：

$

注意，在这里我们需要使用 search 函数进行匹配，因为正向零宽度断言需要从字符串中某个位置开始匹配，而不是从字符串的开头开始。

5.2 负向零宽度断言

负向零宽度断言是使用 (?!pattern) 的形式来进行分组。它表示只有在匹配到不是 pattern 后面的位置，才能继续向下匹配。

5.2.1 示例

假设我们要匹配一个字符串中的数字，并且这些数字后面不能跟着「元」字符。可以使用以下正则表达式：

\d+(?![元\d])

在这个表达式中，我们使用了一个负向零宽度断言 (?![元\d])，它表示只有在匹配到不是元字符或者数字的位置，才能继续向下匹配。

接下来，假设我们要匹配的字符串是「100.00元」，可以使用以下代码进行匹配：

import re

text = '100.00元'
pattern = '\d+(?![元\d])'
match = re.search(pattern, text)
if match:
    print(match.group())

运行上述代码，会输出如下结果：

00

注意，在这里只匹配到了「00」，而没有匹配到「100」。这是因为正则表达式中的 \d+ 默认会匹配尽可能多的数字，而我们使用了负向零宽度断言后，只有不满足条件的部分才能被匹配上。