Python 正则表达式的非捕获组介绍

在 Python 正则表达式中，非捕获组 ((?:...)) 是一种用于分组但不保存匹配结果的结构。它与普通的捕获组 (...) 语法类似，但在匹配时不会创建编号或命名的组，常用于简化正则表达式和提高性能。

1. 语法

(?:pattern)

• ?: 表示非捕获标记。
• pattern 是要匹配的正则表达式模式。

 2. 示例对比

普通捕获组 ()

import re

text = "cat dog"

# 捕获组
match = re.search(r"(cat) (dog)", text)

print(match.groups())  # ('cat', 'dog')
print(match.group(1))  # cat
print(match.group(2))  # dog

• 结果：groups() 返回所有捕获的子组，group(1)、group(2) 通过编号访问。

非捕获组 (?:...)

import re

text = "cat dog"

# 非捕获组
match = re.search(r"(?:cat) (?:dog)", text)

print(match.groups())  # ()
print(match.group(0))  # cat dog

• 结果：groups() 返回空元组，因为没有捕获的组。

 3. 主要应用场景

1️⃣ 选择（|）时减少复杂性

import re

text = "color colour"

# 捕获组
matches = re.findall(r"(col(or|our))", text)
print(matches)  # [('color', 'or'), ('colour', 'our')]

# 非捕获组
matches = re.findall(r"col(?:or|our)", text)
print(matches)  # ['color', 'colour']

• 优势：(?:or|our) 仅用于匹配，不保存子组，结果更简洁。

2️⃣ 提高匹配性能

import re
import time

text = "ab" * 100000

# 捕获组
start = time.time()
re.search(r"(ab)+", text)
print("捕获组耗时：", time.time() - start)

# 非捕获组
start = time.time()
re.search(r"(?:ab)+", text)
print("非捕获组耗时：", time.time() - start)

• 优势：非捕获组不保存匹配内容，因此速度更快，内存占用更少。

3️⃣ 结构化复杂表达式

import re

text = "2024-02-19"

# 捕获组
match = re.search(r"(\d{4})-(\d{2})-(\d{2})", text)
print(match.groups())  # ('2024', '02', '19')

# 非捕获组
match = re.search(r"(?:\d{4})-(?:\d{2})-(?:\d{2})", text)
print(match.groups())  # ()

优势：结构清晰，无需保存中间匹配结果。

4. 捕获组 vs. 非捕获组对比

5. 结论

1. 需要子组内容：使用普通捕获组 (...)，可通过 group(n) 获取。
2. 仅控制结构：使用非捕获组 (?:...)，提高性能并简化表达式。
3. 性能优化：非捕获组减少内存消耗，适合大型文本处理。