分组与捕获：( ) (?: ) 命名组，括号的两种身份

括号的第一重身份：划地盘

量词只管紧挨着的一个单元，想让 ab 整体重复三次，就得请括号出场：(ab){3}。这是括号的第一重身份——把一串元素捆绑成一个原子，让量词、| 都能作用于"这一整块"。它不产出任何数据，纯属于"结构工程"。

import re
# 匹配重复两遍的三位分节号，如 010-010
print(re.findall(r"\b(\d{3})-\1\b", "010-010 与 021-888"))
# 输出：['010']

这里 \1 是反向引用（下一章主角），但让 \d{3} 能被"记住"，靠的正是括号的圈地能力。

括号的第二重身份：捕获现场

括号同时还有一个更常用的身份：捕获组（capture group）。凡是括号圈住的部分，匹配成功后都能单独取出来。这是正则从"判断工具"升级为"提取工具"的关键一步。

import re
log = "2024-10-26 14:32:07 ORDER-8817 支付成功"
m = re.search(r"(\d{4})-(\d{2})-(\d{2}) (\d{2}):(\d{2})", log)
print(m.groups())
# 输出：('2024', '10', '26', '14', '32')

五个括号按开括号的出现顺序编号 1 到 5，group(1) 到 group(5) 逐一取值，编号 0 留给整个匹配。先观察数据的字段结构，再给每个字段套一个括号——日志解析、URL 解析、表单提取，全是这个套路的变体。

在替换里同样能引用捕获组，把 2024-10-26 变成 2024/10/26 之类的重排只需一条命令：

import re
print(re.sub(r"(\d{4})-(\d{2})-(\d{2})", r"\2月\3日\1年", "上线日期 2024-10-26"))
# 输出：上线日期 10月26日2024年

不要的括号请写 (?: )

捕获是默认行为，但不是每次都想要。比如只想判断格式、不想取字段，多余的括号有两个坏处：一是让组编号膨胀，后续引用容易数错；二是在 Python 的 findall 里改变返回结构（有组返回组，没组返回整匹配），常造成"输出少了"的错觉。用 (?: )（非捕获组）声明"只圈地、不捕获"：

import re
# 只想要文件名，不想捕获扩展名
print(re.findall(r"\b[\w-]+(?:\.png|\.jpg)\b", "head.png body.jpg icon.svg"))
# 输出：['head.png', 'body.jpg']

若把 (?:...) 写成 (...)，findall 返回的会变成 ['.png', '.jpg']——扩展名抢走了整匹配的位置。经验法则：默认写 (?: )，确认需要提取时才升级为 (...)，这个反向习惯能省掉大量调试时间。

命名组：给编号起名字

组一多，纯数字编号就成了负担：\5 到底是哪五个括号之前的？命名组直接给括号挂牌。各语言语法略异但思路一致：

import re
access = '203.0.113.7 - - [26/Oct/2024] "GET /api/v1/orders HTTP/1.1" 200'
m = re.search(r'(?P<ip>\d{1,3}(?:\.\d{1,3}){3}).*?"(?P<method>[A-Z]+) (?P<path>\S+)', access)
print(m.group("method"), m.group("path"), m.group("ip"))
# 输出：GET /api/v1/orders 203.0.113.7

三个月后回读这段代码，ip、method、path 不需要任何注释就能看懂意图。命名组是"可维护正则"的第一块基石，第五章还会专门展开。

避坑提醒：Python 的 findall 遇到捕获组时返回的是组内容而不是整段匹配——这是新手提问频率最高的问题。看到"findall 结果怎么变短了"，先数一数正则里有几个捕获括号；要整匹配，改用 finditer 或去掉不必要的捕获。

括号使用守则

1. 每个括号问自己两个问题：它是为了量词圈地，还是为了捕获数据？答案决定写 (?: ) 还是 (...)。
2. 能命名就命名：超过两组的正则，命名组的可读性收益立竿见影。
3. 嵌套按开括号顺序编号：((a)(b)) 中外层是 1，a 是 2，b 是 3；引用嵌套组时在纸上画编号，别靠猜。
4. 替换串里的转义：Python 替换串想输出字面量 \1，写成 r"\\1"；JS 的 $$ 表示字面量 $。

嵌套编号与替换回调：两个必练动作

先练嵌套编号。括号一嵌套，编号规则是"按开括号出现顺序"，外层在前：

import re
print(re.search(r"((a)(b))", "ab").groups())
# 输出：('ab', 'a', 'b')

组 1 是最外层整体，组 2、组 3 依次是内层。读嵌套正则时在纸上给开括号标号，是老手也在用的笨办法——笨办法不出错。

再练替换回调：分组值要做计算时，替换串不够用了，交给函数。把分页 URL 翻到下一页：

import re
print(re.sub(r"page=(\d+)",
             lambda m: "page=" + str(int(m.group(1)) + 1),
             "https://shop.example.com/list?page=2&size=20"))
# 输出：https://shop.example.com/list?page=3&size=20

回调函数收到捕获组 2，加一后原位放回——捕获负责"取出来"，回调负责"算一下"，替换负责"放回去"。这条三段式流水线，是从"文本搬运工"升级为"文本加工厂"的分水岭。

两个高频疑问

问：括号最多能嵌套几层？ 语法上没有实质限制，但工程上超过两层就该警惕：三层嵌套的编号已经很难口算，四层基本必然出错。解法不是"小心点"，而是拆——把最内层的逻辑提成独立模式常量，或干脆交给代码。

问：命名组能重名吗？ Python 的 re 模块禁止重名，重名直接编译报错；部分其它引擎（如 .NET）允许在分支里重名，能否使用以所用语言的官方文档为准。Python 的标准解法是把公共部分提成组、差异部分留在组外：

import re
# 错误示范：(?P<year>\d{4})年|(?P<year>\d{4})- 会报 redefinition 错误
m = re.search(r"(?P<year>\d{4})[年-]", "创办于 1998-")
print(m["year"])
# 输出：1998

[年-] 把两种分隔符收进一个字符组，year 组只写一次——无论文本用中文"年"还是横杠格式，出口统一。遇到"多分支、同字段"的需求，先想办法合并分支的公共前缀，实在合不了再考虑换引擎或拆两次匹配。命名组的这种"统一出口"设计，是它比数字分组更适合工程代码的根本原因。

参考资源

• MDN 分组与捕获说明：MDN 正则·分组与反向引用
• Python re 组语法（(?P<name>) 定义见模块文档）：re — Regular expression operations

本章由 WorkBuddy 原创撰写，示例均经实际验证。