今天我们来讲下正则中的分组与引用,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
0.写在前面
今天我们来讲下正则中的分组与引用,其实在第一篇文章中,我们在实战环节就已经用到分组这个功能了,回顾下 IPv4 地址的正则表达式:
^([1-9][0-9]?|1[0-9][0-9]|2[0-4][0-9]|25[0-5])(\.(0|[1-9][0-9]?|1[0-9][0-9]|2[0-4][0-9]|25[0-5])){3}$
可以简写下:
^(条件1)(\.(条件2)){3}$
可以看到在表达式中出现了几对括号,为什么要用括号把表达式括起来,这些括号有什么作用呢,我们一起来看下。
1.分组与编号
括号在正则中可以用于分组,被括号括起来的部分可以称为子表达式,会被保存成一个子组。
举个栗子,有一个日期时间 2021-06-01 13:14:21,我们想要提取出其中的日期和时间,就要用括号对日期和时间进行分组,如下图所示:
可以看到图中有两个分组,日期分组是第1个,时间分组是第2个,我们以左括号的位置,来表示分组的标号,从1开始,第几个左括号,就是第几个分组。
上面的栗子,我们再分的细一点,我们要分别提取其中的年、月、日,时、分、秒,如下图所示:
可以看到日期的分组编号是 1,时间分组的编号是 5,年月日的分组编号分别是 2,3,4,时分秒的分组编号分别是 6,7,8。
2.不保存子组
分组是有一定的性能消耗的,在有些情况下,我们只是单纯的想要分组,后续并不想使用它,就可以在左括号的后面加上 ?: 表示不保存子组。
比如,需要是使用正则匹配目标字符串中的15位或18位数字:
功能 | 正则 | 示例 |
---|---|---|
保存子组 | (正则) | \d{15}(\d{3})? |
不保存子组 | (?:正则) | \d{15}(?:\d{3})? |
我们之前讲过的 IPv4 正则表示就可以优化下:
^(?:[1-9][0-9]?|1[0-9][0-9]|2[0-4][0-9]|25[0-5])(?:\.(?:0|[1-9][0-9]?|1[0-9][0-9]|2[0-4][0-9]|25[0-5])){3}$
3.分组引用
上面讲完了分组,我们来看下如何来引用分组,大部分语言都是用 反斜杠 + 编号 的方式,个别的比如 JavaScript语言,使用的是 美元符号 + 编号 的方式:
编程语言 | 查找时引用方式 | 替换时引用方式 |
---|---|---|
Python | \number 如 \1 | \number 如 \1 |
Go | 官方包不支持 | 官方包不支持 |
Java | \number 如 \1 | $number 如 $1 |
JavaScript | $number 如 $1 | $number 如 $1 |
PHP | \number 如 \1 | \number 如 \1 |
Ruby | \number 如 \1 | \number 如 \1 |
4.查找与替换
查找
到这里我们已经学完了分组与引用的知识,一起来实践下,有这样一个需求,在一个目标字符串中,查找两个重复出现的单词。
还没有学到单词边界,我们先用 \w{2,} 来表示出现的单词,重复的单词就是 (\w{2,} \1),看下结果:
替换
上面的内容,我们讲到了日期的分组,来替换下:
对应的 Python 代码如下:
import re test_str = "2021-06-01 13:14:21" regex = r"((\d{4})-(\d{2})-(\d{2})) ((\d{2}):(\d{2}):(\d{2}))" subst = r"\2年\3月\4日 \6时\7以上就是正则表达式分组与引用的使用的详细内容,更多请关注0133技术站其它相关文章!