引言
正则表达式（Regular Expression）是一种强大的文本处理工具，在Python中通过re模块实现。正则表达式中的分组功能是处理复杂文本匹配和提取的关键。本文将深入探讨Python正则表达式的分组技巧，帮助您轻松掌握数据提取与匹配的奥秘。
分组的基本概念
在正则表达式中，分组可以将匹配的内容划分为不同的部分，便于单独提取和操作。我们通过使用圆括号()来定义一个分组。每一组匹配到的内容可以通过组号（从1开始）访问，并且可以在正则表达式内部引用，也可以在替换中使用。
示例：匹配电话号码并提取区号
假设我们要匹配格式为(区号)号码的电话号码，如(123) 456-7890。可以通过分组将区号和号码分开。
import re
text = "(123) 456-7890"
pattern = r"((\d3)) (\d{3}-\d{4})"
match = re.search(pattern, text)
if match:
print("区号：", match.group(1))
print("号码：", match.group(2))
在上面的例子中：
((\d3))匹配区号，圆括号中的内容被视为第一个分组，即group(1)。(\d{3}-\d{4})匹配电话号码，视为第二个分组，即group(2)。
输出结果：
区号： 123
号码： 456-7890
分组的多种类型
分组不仅可以提取内容，还可以根据需求创建不同类型的分组。以下是Python正则表达式中常见的分组类型：
捕获组（Capturing Group）
捕获组是最常见的分组类型，用于捕获匹配的子串。在分组内部，可以像普通字符串一样使用匹配到的内容。
非捕获组（Non-capturing Group）
非捕获组不保存匹配的子串，但仍然允许你使用量词。非捕获组通过在圆括号前添加?:来实现。
命名分组（Named Group）
命名分组允许你为分组指定一个名称，这样就可以在group()方法中使用该名称来获取分组的内容。
后行断言（Lookbehind Assert）
后勤断言用于指定一个匹配必须出现在另一个匹配之前，但它本身不消耗任何字符。
数据提取与匹配的应用
提取电子邮件地址
import re
text = "我的邮箱是example@example.com，另一个是test@test.com"
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
matches = re.findall(pattern, text)
for match in matches:
print("找到邮箱：", match)
匹配日期格式
import re
text = "今天日期是2022-01-15"
pattern = r'(\d{4})-(\d{2})-(\d{2})'
matches = re.findall(pattern, text)
for match in matches:
print("年：", match[0], "月：", match[1], "日：", match[2])
总结
通过掌握正则表达式的分组技巧，您可以轻松提取和匹配复杂的文本数据。在Python中，使用re模块提供的功能，可以高效地处理各种文本处理任务。希望本文能帮助您更好地理解和使用正则表达式分组。