Python 正则表达式中的捕获组

在本文中，我们将介绍Python中使用正则表达式进行捕获组的概念和用法。正则表达式是一种强大的工具，用于在文本中查找、匹配和替换特定的模式。捕获组是正则表达式中的一种机制，允许我们将匹配到的内容按照我们的需要进行分组和提取。

什么是捕获组？

正则表达式中的捕获组是一对圆括号，用于标记一个子表达式。捕获组可以将一个或多个字符组合成一个整体，并将其作为一个整体进行处理。捕获组可以用来提取文本中的特定部分，或者用于对匹配到的内容进行后续操作。

如何创建捕获组？

在正则表达式中创建捕获组的方式很简单，只需要用圆括号将需要捕获的内容括起来即可。例如，如果我们想要匹配一个由两个数字组成的字符串，可以使用正则表达式 “(\d\d)”。这个正则表达式中的圆括号就是一个捕获组，用于将两个数字捕获为一个整体。

让我们来看一个具体的例子。假设我们有一个包含多个手机号码的字符串，我们想要从中提取出每个手机号码的国家代码和号码部分。以下是一个实现这个功能的示例代码：

import re

phone_numbers = "Phone numbers: +1-555-1234, +86-123-456789"
pattern = r"\+(\d+)-(\d+)"

matches = re.findall(pattern, phone_numbers)
for match in matches:
    country_code = match[0]
    phone_number = match[1]
    print(f"Country code: {country_code}, Phone number: {phone_number}")

通过运行以上代码，我们可以得到如下输出：

Country code: 1, Phone number: 555
Country code: 86, Phone number: 123

我们可以看到，通过使用捕获组，我们成功从字符串中提取出了每个手机号码的国家代码和号码部分。

如何访问捕获组的内容？

在Python中，通过使用正则表达式的 findall 函数可以得到包含所有匹配到的捕获组的元组列表。每个元组表示一个匹配的结果，其中捕获组的内容以索引方式进行访问。第一个捕获组的内容可以通过索引0访问，第二个捕获组的内容可以通过索引1访问，以此类推。

在上面的例子中，我们通过 match[0] 和 match[1] 分别访问了国家代码和号码部分的内容。

此外，在正则表达式的模式中，我们也可以使用 \n （n为数字）的方式引用之前的捕获组。例如，如果我们想要匹配一个由两个相同字母组成的字符串，可以使用正则表达式 (\w)\1。这个正则表达式中的 \1 用于引用第一个捕获组所匹配到的内容。

非捕获组

在正则表达式中，有时我们不希望捕获某些内容，而只是用括号来分组。这种情况下，我们可以使用非捕获组。非捕获组是由 (?:) 符号表示的，其中 ?: 表示该括号为非捕获组。非捕获组和捕获组在使用上基本相同，只是不会将匹配到的内容存储为结果。

让我们看一个例子，假设我们有一个字符串列表，包含了一些网址。我们想要使用正则表达式找出这些网址中的域名部分。以下是一个实现这个功能的示例代码：

import re

urls = [
    "http://www.example.com",
    "https://blog.example.com",
    "ftp://ftp.example.com"
]
pattern = r"(?:\w+://)([\w.-]+)"

for url in urls:
    match = re.search(pattern, url)
    if match:
        domain = match.group(1)
        print(f"URL: {url}, Domain: {domain}")

通过运行以上代码，我们可以得到如下输出：

URL: http://www.example.com, Domain: www.example.com
URL: https://blog.example.com, Domain: blog.example.com
URL: ftp://ftp.example.com, Domain: ftp.example.com

在这个例子中，我们使用了非捕获组 (?:\w+://) 来匹配网址中的协议部分，然后使用捕获组 ([\w.-]+) 匹配域名部分。通过使用非捕获组，我们成功地提取出了每个网址的域名部分。