Python分组与捕获用法详解_复杂模式匹配解析【教学】

Python正则分组核心是用()定义可提取、复用、命名的子表达式，包括基础捕获组、非捕获组(?:...)、反向引用\1、命名组(?P...)及嵌套组合，支撑文本解析与高级替换。

Python 中的正则表达式分组与捕获，核心在于用圆括号 () 定义子表达式，让匹配结果可提取、可复用、可命名。它不只是“把内容括起来”，而是控制匹配逻辑、组织返回结构、支撑高级替换的关键机制。

基础分组：用括号提取关键片段

默认情况下，每个 () 构成一个捕获组，re.search 或 re.findall 会按组顺序返回匹配内容。

• re.search(r'(\d{4})-(\d{2})-(\d{2})', '2023-12-25') 返回三个组：'2023'、'12'、'25'
• re.findall(r'(\w+)=(\d+)', 'a=1,b=2,c=3') 返回列表：[('a','1'), ('b','2'), ('c','3')]，每项是元组
• 非捕获组 (?:...) 不保存结果，只用于逻辑分组，比如 r'(?:https?://)?(\w+\.\w+)' 只捕获域名

反向引用：在模式中复用已捕获内容

用 \1、\2 等引用前面第 n 个捕获组的**实际匹配文本**，常用于检测重复、配对或格式一致性。

• r'(\w+)\s+\1' 匹配连续两个相同单词，如 'hello hello'
• r'(.*?)\1>' 匹配成对 HTML 标签（不推荐解析 HTML，仅作示例），\1 确保闭合标签与开头一致
• 注意：反向引用匹配的是“文本”，不是模式；若组未参与匹配（如含 ? 且未出现），引用可能失效

命名捕获组：用名字代替数字，提升可读性与维护性

写成 (?P<name>...)</name>，后续可用 match.group('name') 或 match.groupdict() 获取，避免数序号出错。

标签： python html 正则表达式 工具