解惑正則表達式中的捕獲

讀jQuery源碼，其中不可避免的要弄明白正則表達式，在此對非捕獲組(non-capturing)進行了一些梳理。

關於捕獲的一些主要用法

1. (?:X)
2. (?=X)
3. (?<=X)
4. (?!X)
5. (?<!X)

捕獲

要書明白捕獲，就要先從分組開始。重複單字符咱們可使用限定符，若是重複字符串，用什麼呢？ 對！用小括號，小括號裏包裹指定字表達式（子串），這就是分組。以後就能夠限定這個子表示的重複次數了。

那麼，什麼是捕獲呢？使用小括號指定一個子表達式後，匹配這個子表達式的文本（即匹配的內容）能夠在表達式或者其餘過程當中接着用，怎麼用呢？至少應該有個指針啥的引用它吧？ 對！默認狀況下，每一個分組（小括號）會自動

擁有一個組號,從左到右，以分組的左括號爲標誌，第一個出現的分組組號爲1，後續遞增。若是出現嵌套，

例如：

「aabcd」

採用正則 (a(b))(c) match 結果入下：

分組	捕獲
$1(group1)	ab
$2(group2)	b
$3(group3)	c

繼續漲姿式。

1、(?:)非捕獲組走起。

由下面一個例子引起對非捕獲組的學習。

有兩個金額：6000￥ 和 1000$。

需求是獲得金額和貨幣種類。

『廢話少說，多用正則』：

(\d+)+([$￥])

輸出結果爲：

OK,知足了要求。這裏的正則分紅了兩個組，一個是(d+)，一個是(￥$)，前一個組($1)匹配金額，後一個組($2)匹配貨幣種類。

如今，需求變了!! 我須要這個正則同時能夠匹配浮點數小數點前面的整數。如10010.86￥，提煉出 10010 和 ￥。

那麼正則以下：

(\d+)(\.?)(\d)([$￥])

這裏用括號分了四組，因此要輸出金額的整數部分和種類，要分別輸了$1,$4了。若是輸出部分和正則是分開的，我但願只修改正則而不去修改輸出部分的代碼，也就是仍是用$1，$2做爲輸出。由此能夠引出非捕獲組(?:)。

把前面的正則修改成：

(\d+)(?:\.?)(?:\d+)([￥$])$

這樣，仍是用$1,$2作爲輸出，一樣輸出了 10010 和 ￥

這個正則的中間兩個組用到的就是非捕獲組（?:），它能夠理解爲只分組而不捕獲。

2、(?=)和(?<=) 先後查找

有的資料把它們叫作確定式向前查找和確定式向後查找；

有的資料也叫作確定順序環視和確定逆序環視。

一、直接看下面的例子：

[0-9a-z]{2}(?=aa) var str = "12332aa438aaf";

Match List:

1	32
2	38

這個正則的意思是：匹配這麼一個字符串，它要知足：是兩位字符（數字，或字母），且後面緊跟着兩個a。

分析一下：

32aa 這個子串知足這個條件，因此能夠匹配到，又由於 (?=) 的部分是不捕獲的，因此輸出的只是 32，不包括aa。同理 38aa 也匹配這個正則，而輸出僅是 38。

再深刻看一下:

當str第一次匹配成功輸出 32 後，程序要繼續向後查找是否還有匹配的其它子串。那麼這時應該從 32aa 的後一位開始向後查找，仍是從 32 的後一位呢？也就是從索引 5 開始仍是從 7 開始呢？有人可能想到是從 32aa 的下一位開始日後找，由於 32aa 匹配了正則，因此下一位固然是它的後面也就是從 4 開始。但其實是從 32 的後一位也就是第一個 a 開始日後找。緣由仍是 (?=) 是非捕獲的。

查閱API文檔是這麼註釋的：

(?=X) X, via zero-width positive lookahead

可見zero-width（零寬度）說的就是這個意思。

如今，把字符串寫的更有意思些：str = "aaaaaaaa";

看一下它的輸出： aa aa aa

分析一下：

這個字符串一共有8個a。

第一次匹配比較容易找到，那就是前四個：aaaa ,固然第三和第四個 a 是不捕獲的，因此輸出是第一和第二個a；

接着繼續查找，這時是從第三個a開始，三到六，這4個a區配到了，因此輸出第三和第四個a；

接着繼續查找，這時是從第五個a開始，五到八，這4個a區配到了，因此輸出第五和第六個a；

接着日後查找，這時是從第七個a開始，顯然，第七和第八個a,不知足正則的匹配條件，查找結束。

咱們再延伸一下，剛說的狀況的是(?=)放在捕獲的字符串後面，它若是放在前面又是什麼結果呢？

例子換成：

(?=hopeful)hope

它的輸出是hope。

正則的意思是：是否能匹配hopeful,若是能，則捕獲hopeful中的hope。固然繼續向後查找匹配的子串，是從f開始。

比較一下能夠看出，(?=hopeful)hope 和 hope(?=ful),兩個正則的效果實際上是同樣的。

二、下面說一下 (?<=)

把正則改一下，

(?<=aa)[0-9a-z]{2};

字符串仍是str = "12332aa438aaf";

它的輸出：43。

這個正則的意思是：匹配這麼一個字符串，它要知足：是兩位字符（數字或字母），且前面緊跟的是兩個字母 a。

一樣，深刻一下，把str換成str = "aaaaaaaa";看一下輸出是什麼，一樣也是：aa aa aa

分析一下：

第一次匹配不用說，是前四個a，輸出的是第三和第四個a;

繼續向後查找，從第五個a開始，程序發現，第五個和第六個a知足，由於是兩位字符，且知足前面緊跟着兩個a(第三和第四個a)。因此匹配成功，輸出第五個和第六個a;

繼續向後查找，從第七個a開始，程序發現，第七個和第八個a知足，由於是兩位字符，且知足前面緊跟着兩個a(第五和第六個a)。因此匹配成功，輸出第七和第八個a。查找結束。

3、(?!)和(?<!) 逆襲!

從外觀上看，和前面一組很類似，區別就是把 ‘=’ 換成了 ‘!’

那麼意義恰好也是相反的。

[0-9a-z]{2}(?!aa)意思是：匹配兩個字符，且後面緊跟着的不是aa

(?<!aa)[0-9a-z]{2} 意思是：匹配兩個字符，且前面緊跟着的不是aa

用法和前面講的差很少，這裏再也不詳述。