编译模式

一个模式可以通过编译（变成一个内部的表达）来提高检索的速度。这一步不是强制的，而是推荐对大量的文本进行使用。让我们看看findall的正则模式，而后用编译的模式(rgx):

正则模式如下：

>>> re.findall(“[Hh]ello”,”Hello world, hello Python,!”)

[’Hello’, ’hello’]

编译的模式如下：

>>> rgx = re.compile(“[Hh]ello”)

>>> rgx.findall(“Hello world, hello Python,!”)

[’Hello’, ’hello’]

编译后的模块（这里就是rgx）有许多在re模块中的方法：

>>> rgx = re.compile(“[Hh]ello”)

>>> rgx.search(“Hello world, hello Python,!”)

<_sre.SRE_Match object at 0xb6f494f0>

>>> rgx.match(“Hello world, hello Python,!”)

<_sre.SRE_Match object at 0xb6f493d8>

>>> rgx.findall(“Hello world, hello Python,!”)

[’Hello’, ’hello’]

组（Groups）

 有时你需要多于一个模式相匹配，这可以通过分组完成。组是由一组括号（“（）”）来标记的。组可以被“捕获”（“命名”或“无名”）和“非捕获”，它们之间的区别，以后将会明确的。
一个“捕获”的组用于当你需要提取一组的内容时。组可以被groups捕获。不要混淆group与groups。

     正则表达式字符串中（也就是模式中）的第一对括号就是第1组，第二对括号就是第2组。想group()匹配对象方法传入整数1或者2，就可以取得匹配文本的不同部分。向group()传入0或者不传入参数，将返回整个匹配的文本。例如：

>>> import re
>>> seq = "ATATAAGATGCGCGCGCTTATGCGCGCA"
>>> rgx = re.compile("(GC){3,}(TTAT)")   #这里模式"(GC){3,}(TTAT)"中，第一个分组就是（GC），第二个分组也就是（TTAT）
>>> result = rgx.search(seq)

>>> result.group(1)  #传入整数1，获得第一个分组的匹配结果
'GC'
>>> result.group(2) #传入整数2，获得第二个分组的匹配结果
'TTAT'
>>> result.group()  #不传入参数，返回整个匹配的结果
'GCGCGCGCTTAT'
>>> result.groups()  #注意group（）和groups（）的区别，group() 不传入参数，返回的是整个匹配的结果，而groups()返回的是模式中每个分组匹配结果组成的元组。
('GC', 'TTAT')

>>> rgx = re.compile(“((GC){3,})”)  #这个模式中有2个分组，从左边往右边数，左边第一个括号就是第一个分组，左边第2个括号就是第2个分组。

>>> result = rgx.search(seq)

>>> result.groups()

(’GCGCGCGC’, ’GC’)

所有在模式中的两个组都被提取了（从左边到右边计数）。正是这样的方法因为该每个组是“捕获”的。如果你不需要内部的子组（如“GC”），你可以注释为“非捕获”。这就需要在组的开头用“?:”：

>>> rgx = re.compile(“((?:GC){3,})”)

>>> result = rgx.search(seq)

>>> result.groups()

(’GCGCGCGC’,)

indall的行为也不同。没有组时，它返回一个匹配的字符串的列表。如果有一个组在模式中，它返回一个这个组的列表。如果有多个组在模式中，它返回一个元组的列表:

>>> rgx = re.compile(“TAT”) # No group at all.

>>> rgx.findall(seq) # This returns a list of matching strings.

[’TAT’, ’TAT’]

seq = “ATATAAGATGCGCGCGCTTATGCGCGCA”

>>> rgx = re.compile(“(GC){3,}”) # One group. Return a list

>>> rgx.findall(seq) # with the group for each match.

[’GC’, ’GC’]                 ########返回group匹配的内容，(GC)在seq中的GCGCGCGC和GCGCGC都可以匹配到，但只返回（GC）匹配的结果，也就是GC

>>> rgx = re.compile(“((GC){3,})”) # Two groups. Return a

>>> rgx.findall(seq) # list with tuples for each match.

[(’GCGCGCGC’, ’GC’), (’GCGCGC’, ’GC’)]    ########模式中2个group，在seq的GCGCGCGC分别返回（GC）{3,}和（GC），在seq的GCGCGC分别返回　　　　                                                                                  （GC）{3,}和（GC）

>>> rgx = re.compile(“((?:GC){3,})”) # Using a non-capturing

>>> rgx.findall(seq) # group to get only the matches.

[’GCGCGCGC’, ’GCGCGC’]

组还可以被标记以备后用。来给出一个组的名字用?P:<name>。代码9.2显示了怎样用这个特性：

例9.2：

import re
rgx = re.compile("(?P<TBX>TATA..).*(?P<CGislands>(?:GC){3,})")
seq = "ATATAAGATGCGCGCGCTTATGCGCGCA"
result = rgx.search(seq)
print(result.group('CGislands'))
print(result.group('TBX'))

这个程序返回：

GCGCGC

TATAGA