如何在Python的正则表达式中使用?和?:及:？

Question

我明白了

* = "zero or more"
? = "zero or more" ...what's the difference?

另外，?: 这个符号在我的书里有提到，它说这是一个“细微之处”，但我不太清楚它到底是干什么的！

Answer 1

? 表示零个或一个

你可以用 (?:) 来进行分组，但它不会像 () 那样把分组的内容保存到一个临时变量里

Answer 2

?: << 我的书里提到这个，它说这是一个“细微之处”，但我不知道这些到底是干嘛的！

如果你的书真是这么说的，那我建议你换一本更好的书。

在括号里面（更准确地说，是在开括号后面），?有另一种意思。它开始一个选项的组，这些选项只在括号的范围内有效。?:是这些选项的一种特殊情况。要理解这个特殊情况，你首先得知道括号是用来创建捕获组的：

a(.)c

这是一个正则表达式，它可以匹配任何以a开头、以c结尾的三字母字符串。中间的字符是（或多或少）随意的。因为你把它放在了括号里，所以你可以捕获它：

m = re.search('a(.)c', 'abcdef')
print m.group(1)

这将打印出b，因为m.group(1)捕获了第一个括号里的内容（group(0)捕获的是整个匹配的结果，这里是abc）。

现在，考虑这个正则表达式：

a(?:.)c

这里没有进行捕获——这就是在开括号后面加?:的意思。也就是说，下面的代码会失败：

print m.group(1)

因为没有组1！

Answer 3

正如Manu所说，?的意思是“零次或一次”。这和{0,1}是一样的。

而你提到的?:，可能是指(?:X)，这里的X是其他的字符串。这被称为“非捕获组”。

通常，当你用括号把某些东西包起来时，你是在把这些括号匹配到的内容分组。例如，正则表达式.(.).(.)可以匹配任何四个字符（除了换行符），并把第二个字符存储在组1中，把第四个字符存储在组2中。但是，当你写.(?:.).(.)时，只有第四个字符会被存储在组1中，括号(?:.)之间的内容会被匹配，但不会被“记住”。

这里有个小演示：

import re
m = re.search('.(.).(.)', '1234')
print m.group(1)
print m.group(2)
# output:
# 2
# 4

m = re.search('.(?:.).(.)', '1234')
print m.group(1)
# output:
# 4

你可能会问：“为什么要使用这个非捕获组呢？”其实，有时候你想在两个字符串之间做一个“或”的匹配，比如你想匹配字符串“www.google.com”或“www.yahoo.com”，你可以写成www\.google\.com|www\.yahoo\.com，但更简洁的写法是www\.(google|yahoo)\.com。不过，如果你不打算对这个组捕获到的内容（比如“google”或“yahoo”）做什么有用的事情，那你就可以使用非捕获组：www\.(?:google|yahoo)\.com。当正则引擎不需要“记住”子串“google”或“yahoo”时，你的应用程序或脚本运行会更快。当然，对于相对较小的字符串，这种差别不大，但当你的正则表达式和字符串变得更大时，可能就会有明显的差别。

想要更好地理解非捕获组的例子，可以看看Chris Lutz在下面的评论。