Python3 如何優雅地使用正則表示式（詳解四）
更多強大的功能
到目前為止，我們只是介紹了正則表示式的一部分功能。在這一篇中，我們會學習到一些新的元字元，然後再教大家如何使用組來獲得被匹配的部分文字。
更多元字元
還有一些元字元我們沒有講到，接下來小甲魚一一為大家講解。
有些元字元它們不匹配任何字元，只是簡單地表示成功或失敗，因此這些字元也稱之為零寬斷言。例如 \b 表示當前位置位於一個單詞的邊界，但 \b 並不能改變位置。因此，零寬斷言不應該被重複使用，因為 \b 並不會修改當前位置，所以
解釋：很多人可能不理解“改變位置”和“零寬斷言”的意思？我嘗試解釋下，比如 abc 匹配完 a 之後，咱的當前位置就會移動，才能繼續匹配 b，依次類推...但是 \babc 的話，\b 表示當前位置在單詞的邊界（單詞的第一個字母或者最後一個字母），這時候當前位置不會發生改變，接著將 a 與當前位置的字元進行匹配......
|
或操作符，對兩個正則表示式進行或操作。如果 A 和 B 是正則表示式，A | B 會匹配
同樣，我們使用 \| 來匹配 '|' 字元本身；或者包含在一個字元類中，像這樣 [|]。
^
匹配字串的起始位置。如果設定了 MULTILINE 標誌，就會變成匹配每一行的起始位置。在 MULTILINE 中，每當遇到換行符就會立刻進行匹配。
舉個例子，如果你只希望匹配位於字串開頭的單詞 From，那麼你的正則表示式可以寫為 ^From：
>>> print(re.search('^From', 'From Here to Eternity'))
<_sre.SRE_Match object; span=(0, 4), match='From'>
>>> print(re.search('^From', 'Reciting From Memory'))
None
$
匹配字串的結束位置，每當遇到換行符也會離開進行匹配。
>>> print(re.search('}$', '{block}'))
<_sre.SRE_Match object; span=(6, 7), match='}'>
>>> print(re.search('}$', '{block} '))
None
>>> print(re.search('}$', '{block}\n'))
<_sre.SRE_Match object; span=(6, 7), match='}'>
同樣，我們使用 \$ 來匹配 '$' 字元本身；或者包含在一個字元類中，像這樣 [$]。
\A
只匹配字串的起始位置。如果沒有設定 MULTILINE 標誌的時候，\A 和 ^ 的功能是一樣的；但如果設定了 MULTILINE 標誌，則會有一些不同：\A 還是匹配字串的起始位置，但 ^ 會對字串中的每一行都進行匹配。
\Z
只匹配字串的結束位置。
\b
單詞邊界，這是一個只匹配單詞的開始和結尾的零寬斷言。“單詞”定義為一個字母數字的序列，所以單詞的結束指的是空格或者非字母數字的字元。
下邊例子中，class 只有在出現一個完整的單詞 class 時才匹配；如果出現在別的單詞中，並不會匹配。
>>> p = re.compile(r'\bclass\b')
>>> print(p.search('no class at all'))
<_sre.SRE_Match object; span=(3, 8), match='class'>
>>> print(p.search('the declassified algorithm'))
None
>>> print(p.search('one subclass is'))
None在使用這些特殊的序列的時候，有兩點是需要注意的：第一點需要注意的是，Python 的字串跟正則表示式在有些字元上是有衝突的（回憶之前反斜槓的例子）。比如說在 Python 中，\b 表示的是退格符（ASCII 碼值是 8）。所以，你如果不使用原始字串，Python 會將 \b 轉換成退格符處理，這樣就肯定跟你的預期不一樣了。
下邊的例子中，我們故意不寫表示原始字串的 'r'，結果確實大相庭徑：
>>> p = re.compile('\bclass\b')
>>> print(p.search('no class at all'))
None
>>> print(p.search('\b' + 'class' + '\b'))
<_sre.SRE_Match object; span=(0, 7), match='\x08class\x08'>第二點需要注意的是，在字元類中不能使用這個斷言。跟 Python 一樣，在字元類中，\b 只是用來表示退格符。
\B
另一個零寬斷言，與 \b 的含義相反，\B 表示非單詞邊界的位置。
分組
通常在實際的應用過程中，我們除了需要知道一個正則表示式是否匹配之外，還需要更多的資訊。對於比較複雜的內容，正則表示式通常使用分組的方式分別對不同內容進行匹配。
下邊的例子，我們將 RFC-822 頭用“:”號分成名字和值分別匹配：
From: [email protected]
User-Agent: Thunderbird 1.5.0.9 (X11/20061227)
MIME-Version: 1.0
To: [email protected]像這種情況，我們就可以寫一個正則表示式先來匹配一整個 RFC-822 頭，然後利用分組功能，使用一個組來匹配頭的名字，另一個組匹配名字對應的值。
解釋：RFC-822 是電子郵件的標準格式，當然看到這裡你還不知道分組要怎麼分，不急，請接著往下看......
在正則表示式中，使用元字元 ( ) 來劃分組。( ) 元字元跟數學表示式中的小括號含義差不多；它們將包含在內部的表示式組合在一起，所以你可以對一個組的內容使用重複操作的元字元，例如 *，+，? 或者 {m,n}。
例如，(ab)* 會匹配零個或者多個 ab：
>>> p = re.compile('(ab)*')
>>> print(p.match('ababababab').span())
(0, 10)使用 ( ) 表示的子組我們還可以對它進行按層次索引，可以將索引值作為引數傳遞給這些方法：group()，start()，end() 和 span()。序號 0 表示第一個分組（這個是預設分組，一直存在的，所以不傳入引數相當於預設值 0）：
>>> p = re.compile('(a)b')
>>> m = p.match('ab')
>>> m.group()
'ab'
>>> m.group(0)
'ab'解釋：有幾對小括號就是分成了幾個子組，例如 (a)(b) 和 (a(b)) 都是由兩個子組構成的。
子組的索引值是從左到右進行編號，子組也允許巢狀，因此我們可以通過從左往右來統計左括號 ( 來確定子組的序號。
>>> p = re.compile('(a(b)c)d')
>>> m = p.match('abcd')
>>> m.group(0)
'abcd'
>>> m.group(1)
'abc'
>>> m.group(2)
'b'group() 方法可以一次傳入多個子組的序號：
>>> m.group(2,1,2)
('b', 'abc', 'b')解釋：start() 是獲得引數子組的開始位置；end() 是獲得對應子組的結束位置；span() 是獲得對應子組的範圍。
我們還特麼可以通過 groups() 方法一次性返回所有的子組匹配的字串：
>>> m.groups()
('abc', 'b')還有一個反向引用的概念需要介紹。反向引用指的是你可以在後面的位置使用先前匹配過的內容，用法是反斜槓加上數字。例如 \1 表示引用前邊成功匹配的序號為 1 的子組。
>>> p = re.compile(r'(\b\w+)\s+\1')
>>> p.search('Paris in the the spring').group()
'the the'如果只是搜尋字串，反向引用不會被用到，因為很少有文字格式會這樣來重複字元。但是，你很快會發現，在字串替換的時候，反向引用是非常有用的（深井冰）！
註釋：注意，在 Python 的字串中會使用反斜槓加數字的方式來表示數字的值對應的 ASCII 字元，所以在使用反向索引的正則表示式中，我們依然強調要使用原始字串。
（未完待續）
下一篇：Python3 如何優雅地使用正則表示式（詳解五）