六、分组与捕获
1. 基本分组
（1）() - 分组捕获
match = re.search(r'(\d{4})-(\d{2})-(\d{2})', '2024-01-15')
if match:
print(match.group(0)) # '2024-01-15' (完整匹配)
print(match.group(1)) # '2024' (第一组)
print(match.group(2)) # '01'
print(match.group(3)) # '15'
print(match.groups()) # ('2024', '01', '15')
（2）命名分组 (?P<name>...)
match = re.search(r'(?P<year>\d{4})-(?P<month>\d{2})', '2024-01')
print(match.group('year')) # '2024'
print(match.group('month')) # '01'
2. 非捕获分组
（1）(?:...) - 非捕获分组
# 想要分组但不捕获时使用
text = 'color colour'
match = re.search(r'col(?:ou)?r', text)
print(match.group()) # 'colour'
print(match.groups()) # () 空元组，因为没有捕获
3. 反向引用
（1）\1, \2 - 引用前面的分组
# 匹配重复的单词
text = 'the the cat cat dog'
print(re.findall(r'\b(\w+)\s+\1\b', text)) # ['the', 'cat']
# 检查标签是否匹配
html = '<h1>Title</h1>'
match = re.search(r'<(\w+)>.*?</\1>', html)
print(match.group(1)) # 'h1'
七、常用函数
（1）match() - 从字符串的起始位置开始匹配，如果开头不符合规则就返回None
print(re.match(r'\d+', '123abc')) # 匹配对象
print(re.match(r'\d+', 'abc123')) # None
（2）search() - 在整个字符串中搜索，返回第一个匹配到的结果
print(re.search(r'\d+', 'abc123')) # 匹配对象
（3）findall() - 找出所有匹配，返回字符串中所有不重叠匹配项的列表
emails = 'test@example.com, user@test.org, invalid@'
print(re.findall(r'\b[\w.-]+@[\w.-]+\.\w+\b', emails))
（4）finditer() - 逐个获取匹配对象，返回迭代器，每个元素是匹配对象
text = 'Hello 123 World 456'
for match in re.finditer(r'\d+', text):
print(f'找到 {match.group()} 在位置 {match.span()}')
（5）sub() - 替换字符串中匹配模式的部分
text = 'Hello 123, World 456'
result = re.sub(r'\d+', 'NUM', text)
print(result)
（6）subn() - 返回(替换后的字符串, 替换次数)
text = 'Hello 123, World 456'
result, count = re.subn(r'\d+', 'NUM', text)
print(f'结果: {result}, 替换次数: {count}')
（7）split() - 按模式分割
text = 'apple, banana; orange grape|pear'
result = re.split(r'[,;|\s]+', text)
print(result)
# 保留分割符（使用捕获分组）
text = 'a1b2c3'
result = re.split(r'(\d+)', text)
print(result)
八、编译正则表达式
# 对于多次使用的正则，编译可以提高效率
pattern = re.compile(r'\b\d{3}-\d{4}\b')
# 使用编译后的模式
text = 'My phone: 123-4567, office: 987-6543'
print(pattern.findall(text)) # ['123-4567', '987-6543']
print(pattern.search(text).group()) # '123-4567'
# 编译时设置标志
pattern = re.compile(r'hello', re.IGNORECASE)
print(pattern.findall('HELLO hello HeLLo')) # ['HELLO', 'hello', 'HeLLo']
