Python正则表达式之捕获分组语法及代码举例
作者：至此流年莫相忘
简介
在处理文本数据时，正则表达式（Regular Expressions）是 Python 中一个极其强大的工具。而 捕获分组（Capturing Groups） 则是正则表达式中用于提取特定信息的核心机制之一。本文将深入讲解 Python 中如何使用捕获分组，并通过示例帮助你掌握其用法。
什么是捕获分组？
捕获分组是通过圆括号 () 将正则表达式的一部分“包裹”起来，从而 将匹配到的子字符串单独提取出来。每个括号定义一个分组，Python 的 re 模块会按顺序为这些分组编号（从 1 开始），并允许你在匹配结果中访问它们。
基本语法
import re
pattern = r'(\d{4})-(\d{2})-(\d{2})' # 匹配 YYYY-MM-DD 格式的日期
text = '今天是 2026-01-14'
match = re.search(pattern, text)
if match:
print("完整匹配:", match.group(0)) # 整个匹配内容
print("年份:", match.group(1)) # 第1个分组：年
print("月份:", match.group(2)) # 第2个分组：月
print("日期:", match.group(3)) # 第3个分组：日
输出：
完整匹配: 2026-01-14 年份: 2026 月份: 01 日期: 14
注意：
group(0)表示整个匹配的字符串，而group(1)、group(2)等表示各个捕获分组的内容。
多个匹配与findall
当你使用 re.findall() 时，行为会根据是否存在捕获分组而有所不同：
- 没有分组：返回所有完整匹配的字符串列表。
- 有分组：返回每个匹配中分组内容组成的元组列表（如果只有一个分组，则返回字符串列表）。
text = "日期：2025-12-01 和 2026-01-14"
# 无分组
print(re.findall(r'\d{4}-\d{2}-\d{2}', text))
# 输出: ['2025-12-01', '2026-01-14']
# 有分组
print(re.findall(r'(\d{4})-(\d{2})-(\d{2})', text))
# 输出: [('2025', '12', '01'), ('2026', '01', '14')]
命名捕获分组（Named Groups）
除了按位置编号，还可以为分组 命名，使代码更具可读性：
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
match = re.search(pattern, '2026-01-14')
if match:
print("年份:", match.group('year'))
print("月份:", match.group('month'))
print("日期:", match.group('day'))
# 也可以通过 groupdict() 获取所有命名分组的字典
print("全部字段:", match.groupdict())
输出：
年份: 2026
月份: 01
日期: 14
全部字段: {'year': '2026', 'month': '01', 'day': '14'}
命名分组使用
(?P<name>...)语法，其中name是你自定义的标识符。
非捕获分组（Non-capturing Groups）
有时你只想对正则表达式进行逻辑分组，但 不希望 该部分被单独提取出来。这时可以使用非捕获分组 (?:...)：
pattern = r'(?:https?://)?(www\.\w+\.\w+)' text = '访问 https://www.example.com 或 www.test.org' matches = re.findall(pattern, text) print(matches) # ['www.example.com', 'www.test.org']
在这个例子中，
(?:https?://)?不会被捕获，只有后面的域名部分被捕获。
实战示例：解析日志行
假设你有一行 Web 服务器日志：
127.0.0.1 - - [14/Jan/2026:09:34:00 +0800] "GET /index.html HTTP/1.1" 200 1234
你可以用捕获分组提取关键信息：
log_line = '127.0.0.1 - - [14/Jan/2026:09:34:00 +0800] "GET /index.html HTTP/1.1" 200 1234'
pattern = r'''
(?P\d+\.\d+\.\d+\.\d+) # IP 地址
.*?
$$(?P[^$$]+)$$ # 时间戳
.*?
"(?P\w+)\s+(?P[^"]+)" # 请求方法和路径
.*?
(?P\d{3}) # 状态码
'''
match = re.search(pattern, log_line, re.VERBOSE)
if match:
info = match.groupdict()
print(info)
输出（格式化后）：
{
'ip': '127.0.0.1',
'timestamp': '14/Jan/2026:09:34:00 +0800',
'method': 'GET',
'path': '/index.html HTTP/1.1',
'status': '200'
}
使用
re.VERBOSE可以让正则表达式跨多行并添加注释，提高可读性。
小结
- 捕获分组
(...)用于提取子匹配内容。 - 使用
.group(n)或.group('name')访问分组。 findall()在有分组时返回分组内容而非完整匹配。- 命名分组
(?P<name>...)提升代码可读性。 - 非捕获分组
(?:...)用于逻辑分组但不提取。
📌 提示：正则表达式虽强大，但过度复杂可能降低可维护性。对于结构化数据（如 JSON、XML），优先考虑专用解析器。
总结
到此这篇关于Python正则表达式之捕获分组语法及代码举例的文章就介绍到这了,更多相关Python正则表达式捕获分组内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！