Python基础入门 Day110 正则表达式中的分组与反向引用

49次阅读

共计 1761 个字符，预计需要花费 5 分钟才能阅读完成。

在前面的学习中，我们已经了解了正则表达式的基本匹配与常用符号，如 .、*、+、?、[]、{} 等等。今天我们将进一步学习正则表达式中的 分组与反向引用，这是在处理复杂字符串匹配时非常有用的高级技巧。

一、分组的基本概念
在正则表达式中，使用小括号 () 可以将一部分模式包裹起来，这样它就成为一个“分组（group）”。
例如：

import re

pattern = r"(ab)+"
text = "abababab"
result = re.match(pattern, text)
print(result.group())  # 输出 abababab

这里 (ab)+ 表示匹配一个或多个 ab 组合。

二、提取分组内容
分组的另一个用途是提取匹配的部分。通过 group()、groups() 方法可以获得不同的分组内容：

pattern = r"(\d{4})-(\d{2})-(\d{2})"
text = "2025-10-14"
match = re.match(pattern, text)
if match:
    print(match.group(0))  # 整个匹配：2025-10-14
    print(match.group(1))  # 第一个分组：2025
    print(match.group(2))  # 第二个分组：10
    print(match.group(3))  # 第三个分组：14
    print(match.groups())  # 返回所有分组内容的元组 ('2025', '10', '14')

分组编号从 1 开始，group(0) 始终表示完整匹配的字符串。

三、命名分组
为了提高可读性，可以为分组命名，使用 (?P<name>pattern) 的语法。

pattern = r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})"
text = "2025-10-14"
match = re.match(pattern, text)
if match:
    print(match.group("year"))   # 输出 2025
    print(match.group("month"))  # 输出 10
    print(match.group("day"))    # 输出 14

命名分组在解析复杂文本时尤其有用，代码可读性更强。

四、反向引用
反向引用是指在正则表达式中再次引用之前的分组内容。
例如，想要匹配连续重复的单词：

pattern = r"(\b\w+)\s+\1"
text = "hello hello world"
match = re.search(pattern, text)
if match:
    print(match.group())  # 输出 hello hello

这里的 \1 表示引用第一个分组的内容，即第一个单词。

五、命名分组的反向引用
如果使用命名分组，可以使用 (?P=name) 进行引用：

pattern = r"(?P<word>\b\w+)\s+(?P=word)"
text = "bye bye birdie"
match = re.search(pattern, text)
if match:
    print(match.group())  # 输出 bye bye

这种写法在阅读时更加直观。

六、嵌套分组与编号规则
如果存在嵌套分组，例如 ((ab)c)，则编号顺序是从左到右、从外到内依次分配。

pattern = r"((ab)c)"
text = "abc"
match = re.match(pattern, text)
if match:
    print(match.groups())  # 输出 ('abc', 'ab')

第一个分组是整个 ((ab)c) 的结果，第二个分组是内部的 (ab)。

七、实际应用示例
下面演示如何匹配 HTML 标签中的内容：

pattern = r"<(\w+)>(.*?)</\1>"
text = "<title>Python 教程 </title>"
match = re.search(pattern, text)
if match:
    print(match.group(1))  # 输出 title
    print(match.group(2))  # 输出 Python 教程

其中 \1 确保结束标签与开始标签相同。

八、小结
分组与反向引用让正则表达式的匹配与提取功能更加强大。