1. 基本概念

正则表达式是一个由一些普通字符和一些元字符组成的字符串，这个字符串在正则引擎的作用下，可以用来匹配字符串。

正则匹配的流程与两个字符串严格匹配的过程类似。假设它们为 str, pattern，匹配的大致流程如下：

1. str 和 pattern 左对齐
2. 判断是否匹配
3. 如果匹配，匹配长度为 len, 则 pattern 向右滑动 len 个单位，重复 2
4. 如果不匹配，pattern 向右滑动 1 个单位，重复 2
5. 匹配时出现下标越界或滑动时出现下标越界则匹配结束

理解这个流程对于我们理解后面的内容有很大的帮助，记住一点，正则表达式是沿字符串不断向右滑动的，匹配的时候也是从最左往右匹配。

2. 捕获组 ( )

在正则表达式的某一子表达式两边加上一对括号，可以创建一个捕获组，用于获取匹配该子表达式的字符串。

这种用法非常常见，因为大多数时候一短文本里只有一小部分是我们需要的信息，但是我们又需要靠一些额外的信息来定位我们需要的信息，这时我们写的正则表达式匹配到的数据就分为了两部分，一部分是需要的，一部分是不需要的。为了只获取需要的信息，我们可以为这个信息创建一个捕获组。

举个栗子栗子：

username=hehe
password=haha

如果我们想解析上面文本中 username 字段对应的值，可以使用下面这个正则表达式

username=(\w+)

如果我们使用 username=\w+ ，匹配得到的字符串是 username=hehe。

在正则里加入一个括号，就创建了一个匹配组，我们可以通过这个匹配组的编号来获取匹配组里匹配到的内容。username=(\w)+ 匹配得到的字符串也是 username=hehe， 但它还有一个编号为 1 的匹配组，其内容为 hehe。

再看一个例子：
string: "abc"
pattern: "(a)(b)(c)"

使用 (a)(b)(c) 作为 pattern 来匹配字符串 "abc" 的时候会产生三个捕获组，编号分别为 1, 2, 3, 值分别为 a, b, c。编号为 0 的 group 表示这个 pattern 匹配的整个字符串，这个一般不包括在匹配组里，即 groups() 返回的是编号不为 0 的捕获组。这样设计的原因是，在 pattern 里加括号，表示我们对括号里的字符串比较感兴趣，而不是整体，如果只想匹配整体的话，中间就没必要加括号了。

以下是一段用于验证的 python 程序。

s = "abc"
pattern = r"(a)(b)(c)"
m = re.search(pattern, s)
print('groups:', m.groups())
print('group(0):', m.group(0))
print('group(1):', m.group(1))
print('group(2):', m.group(2))
print('group(3):', m.group(3))

输出：
groups: ('a', 'b', 'c')
group(0): abc
group(1): a
group(2): b
group(3): c

3. 非捕获组 (? )

非捕获组与捕获组的区别在于，非捕获组在左括号 "(" 右边加了一个问号 "?"，并且括号内匹配的内容不会被当做一个捕获组，没有捕获组编号。

3.1 简单非捕获组

(?:pattern)
匹配 pattern 而不将其加入捕获组。

string: "abc"
pattern: "(?:a)(b)(c)"
这个表达式匹配得到的字符串是 "abc"（即 group(0) = abc）。
有两个捕获组，group(1) = a, group(2) = b。

3.2 零宽断言

先解释几个词：
Positive/Negative: 肯定/否定
Lookahead/Lookbehind: 前向/后向
Zero-Length: 零长度（零宽）
Assertion: 断言

再解释几个符号:
= 表示肯定
! 表示否定
< 表示负向（什么都没有表示正向）

把肯定、否定、正向、负向组合，就有了以下四种零宽断言的形式。

3.2.1 肯定正向零宽断言 (Positive Lookahead Zero-Length Assertion)。

pattern1(?=pattern2)

在匹配到 pattern1 后，向右（正向）匹配 pattern2，如果后面的字符串匹配 pattern2，则 pattern1 匹配成功，否则 pattern1 匹配失败。pattern2 是零（长度）宽断言，因此 pattern2 是不占长度的，即匹配后面的字符串的时候，是从匹配 pattern1 的字符串结尾的下一个字符开始匹配。

pattern: "(ab)c(?=-)"
对于字符串 "abc-abc", 匹配结果是第一个 "abc"，有一个捕获组 "ab"。
对于字符串 "abc-abc-", 匹配结果是 ("abc", "abc")，有两个捕获组 ("ab", "ab")。

3.2.2 否定正向零宽断言 (Negative Lookahead Zero-Length Assertion)

pattern1(?!pattern2)

在匹配到 pattern1 后，向右（正向）匹配 pattern2，如果后面的字符串匹配 pattern2，则 pattern1 匹配失败, 否则 pattern1 匹配成功。pattern2 是零（长度）宽断言，因此 pattern2 是不占长度的，即匹配后面的字符串的时候，是从匹配 pattern1 的字符串结尾的下一个字符开始匹配。

string: "a-b"
pattern: "(\w)(?!-)"
匹配结果是 "b", 有一个捕获组 "b"。

3.2.3 肯定负向零宽断言 (Positive Lookbehind Zero-Length Assertion)

(?<=pattern1)pattern2

对于当前的字符，向左（负向）匹配 pattern1，如果 pattern1 匹配成功，则从当前字符开始匹配 pattern2，若 pattern2 匹配成功，则整个表达式匹配成功，否则整个表达式匹配失败；如果 pattern1 匹配失败，则不继续匹配 pattern2，而是认为整个表达式匹配失败，从后一个字符开始继续匹配。

string: "a-b"
pattern: "(?<=-)(\w)"
匹配结果是 "b", 有一个捕获组 "b"。

3.2.4 否定负向零宽断言 (Negative Lookbehind Zero-Length Assertion)

(?<!pattern1)pattern2

对于当前的字符，向左（负向）匹配 pattern1，如果 pattern1 匹配失败，则从当前字符开始匹配 pattern2，若 pattern2 匹配成功，则整个表达式匹配成功，否则整个表达式匹配失败；如果 pattern1 匹配成功，则不继续匹配 pattern2，而是认为整个表达式匹配失败，从后一个字符开始继续匹配。

string: "a-b"
pattern: "(?<!-)(\w)"
匹配结果是 "a", 有一个捕获组 "a"。

4. Reference

https://www.regular-expressions.info

5. License

本作品采用知识共享 署名-非商业性使用-相同方式共享 2.5 中国大陆 许可协议进行许可。要查看该许可协议，可访问 http://creativecommons.org/licenses/by-nc-sa/2.5/cn/ 或者写信到 Creative Commons, PO Box 1866, Mountain View, CA 94042, USA。

原文链接 https://www.jianshu.com/p/37c1f7c58f26