3.正则表达式使用基础：括号（一）

3.1分组

• 假设有这么一个需求，我们需要匹配身份证号码。各位可以思考下怎么写正则表达式。
  身份证号码生成规则：长度15、18位数的字符串，如果是15位，则全是数字，首位不能是0；如果18位，则前17位全是数字，末尾可能是数字或者字母x，首位同样不能是0。
  很正常的，我们可以考虑两套规则：

15位：[1-9]\d{14}
18位：[1-9]\d{14}\d{2}[0-9x]

• 但明明这2套规则前面大部分都一样，只是18位的规则后面多了3个字符串而已。这三个字符串要吗出现，要吗出现一次。有没有办法可以一套正则适应2套规则呢。这个时候就可以使用括号（）进行分组了。把最后的这个规则作为整体来匹配。
• (\d{2}[0-9x])
  因此正则表达式可以写成 [1-9]\d{14}(\d{2}[09-x])? 括号的这种功能就叫做分组。例子：希望 ab 重复一次以上，就写作 (ab)+，如果写 ab+，那么+号只限定b。

re.search(r"^ab+$","ab") != None   #=> True
re.search(r"^ab+$","abb") != None   #=> True
re.search(r"^ab+$","abab") != None   #=> False

re.search(r"^(ab)+$","ab") != None   #=> True
re.search(r"^(ab)+$","abb") != None   #=> False
re.search(r"^(ab)+$","abab") != None   #=> True

有了分组，就可以准确表示“长度只能是m或者n”

3.2多选分组

之前用表达式[1-9]\d{14}(\d{2}[09-x])?匹配身份证号，思路是把18位号码多出的3位“合并”到匹配的15位号码的表达式中。还可以有其他方式。
15位身份证号就是[1-9]开头，之后是14位数字；18位身份证的开头也是[1-9]的数字，之后是16位数字，最后是[1-9x]?。只需要匹配两种表达式中的一个，就是合法身份证。那我们可以使用多选分组。

• 多选分组的形式是 (...|...)，在括号内以 | 分割多个子表达式，这些子表达式也叫多选分支；
• 在一个多选结构内，多选分支的数目没有限制。匹配成功时，整个多选分支被视为单个元素，只要其中某个子表达式能够匹配，整个多选结构的匹配都算成功。如果都不能匹配，则整个多选结构匹配失败。回到我们的问题上，我们就可以写2个子表达式来匹配身份证。
• ([1-9]\d{14}|[1-9]\d{14}\d{2}[09-x])，实现的效果和之前的最后3位分组是一致的。
• 多选结构比较常见，例如匹配IP地址。要匹配的数字是0~255。思路如下，假设只有一位，那么 \d 即可表示；如果有2位，那么 \d{2} 即可；如果有三位，那么假设第一位数字是1，则后面2位无限制，即 1\d{2} ；如果第一位不是1，而是2，那么第二位数字只能是[0-4]，第三位数字无限制，即 2[0-4]\d ；如果第二位数字是5，则第三位数字只能是 [0-5] 。我们可以写表达式：

(\d|\d{2}|1\d\d|2[0-4]\d|25[0-5])

-关于多选分组，补充三点：
1.多选结构的一般表示法是（option1|option2），在多选结构中一般会同时使用()和竖线 |;但是如果没有括号，只出现竖线|，仍然是多选结构。

re.search(r"ab|cd","ab") != None  # =>True
re.search(r"ab|cd","cd") != None # =>True

括号的用来规定整个多选结构的范围，如果没有出现括号，则整个表达式视为一个多选结构，所以 ab|cd 等价于 (ab|cd)，建议多选结构都写出括号。

• 看起来 [abc] 和 (a|b|c) 一样的，实际上它们能匹配的内容确实一样，但是不推荐使用多选表达式来替代我们的字符组。理由如下：
  1.多选结构更加复杂，不便于书写简单的字符组。 [0-9] 明显比 (0|1|2|3|4|5|6|7|8|9) 简洁。
  2.多选结构每个分支长度没有限制，无法对应到字符组上。
  3.多选结构无法表示排除型字符组。
• 多选结构的匹配顺序默认是先左侧。例如（hell|hellow），用它来匹配 hellow，结果是hell。

print(re.search(r"(jeffery|jeff)", "jeffery")).group(0)
jeffery

print(re.search(r"(jeff|jeffery)", "jeffery")).group(0)
jeff

最好避免出现相同字符的多选结构，这样匹配会造成大量回溯，影响效率。

3.3引用分组

• 括号不仅能把有联系的元素归拢起来并分组，还有其他作用——使用括号后，正则表达式会保存每个分组真正匹配的文本，匹配完成后通过 group(num)之类的方法“引用”分组在匹配时捕获的内容。因为捕获了文本，所以这种功能叫做捕获分组。这种括号叫做捕获型括号。
  注意num编号从1开始, 不给参数，默认就是0开始

result = re.search(r"(\d{4})-(\d{2})-(\d{2})"), "2010-12-22")
print(result .group(1))
2010

print(result .group(2))
12

print(result .group(3))
22

print(result .group(0))
2010-12-22

print(result .group())
2010-12-22

括号还可以嵌套，例如下面的例子，这种比较繁冗。分组的编号此时根据开括号的出现顺序来计数

manyGroups = r"(((\d{4})-(\d{2}))-(\d{2}))"
result = re.search(manyGroups, "2010-12-22")

print(result.group(0))
2010-12-22

print(result.group(1))
2010-12-22

print(result.group(2))
2010-12

print(result.group(3))
2010

print(result.group(4))
12

print(result.group(5))
22

3.3正则表达式替换

• 这里还是以python为例子。 re.sub(pattern, replacement, string)

print(re.sub(r"[a-z]", " ","1a2b3c"))
1 2 3
上述代码是将字符串1a2b3c中的英文字母替换为一个空格