正則基礎之——捕獲組(capture group)

1        概述

1.1     什麼是捕獲組

捕獲組就是把正則表達式中子表達式匹配的內容,保存到內存中以數字編號或顯式命名的組裏,方便後面引用。固然,這種引用既能夠是在正則表達式內部,也能夠是在正則表達式外部。javascript

捕獲組有兩種形式,一種是普通捕獲組,另外一種是命名捕獲組,一般所說的捕獲組指的是普通捕獲組。語法以下:html

普通捕獲組:(Expression)java

命名捕獲組:(?<name>Expression)正則表達式

普通捕獲組在大多數支持正則表達式的語言或工具中都是支持的,而命名捕獲組目前只有.NET、PHP、Python等部分語言支持,聽說Java會在7.0中提供對這一特性的支持。上面給出的命名捕獲組的語法是.NET中的語法,另外在.NET中使用(?’name’Expression)與使用(?<name>Expression)是等價的。在PHP和Python中命名捕獲組語法爲:(?P<name>Expression)工具

另外須要說明的一點是,除(Expression)(?<name>Expression)語法外,其它的(?...)語法都不是捕獲組。url

1.2     捕獲組編號規則

編號規則指的是以數字爲捕獲組進行編號的規則,在普通捕獲組或命名捕獲組單獨出現的正則表達式中,編號規則比較清晰,在普通捕獲組與命名捕獲組混合出現的正則表達式中,捕獲組的編號規則稍顯複雜。spa

在展開討論以前,須要說明的是,編號爲0的捕獲組,指的是正則表達式總體,這一規則在支持捕獲組的語言中,基本上都是適用的。下面對其它編號規則逐一展開討論。.net

1.2.1  普通捕獲組編號規則

若是沒有顯式爲捕獲組命名,即沒有使用命名捕獲組,那麼須要按數字順序來訪問全部捕獲組。在只有普通捕獲組的狀況下,捕獲組的編號是按照「(」出現的順序,從左到右,從1開始進行編號的。code

正則表達式:(\d{4})-(\d{2}-(\d\d))htm

 普通捕獲組 

上面的正則表達式能夠用來匹配格式爲yyyy-MM-dd的日期,爲了在下表中得以區分,月和日分別採用了\d{2}和\d\d這兩種寫法。

用以上正則表達式匹配字符串:2008-12-31,匹配結果爲:

編號

命名

捕獲組

匹配內容

0

 

(\d{4})-(\d{2}-(\d\d))

2008-12-31

1

 

(\d{4})

2008

2

 

(\d{2}-(\d\d))

12-31

3

 

(\d\d)

31

1.2.2  命名捕獲組編號規則

命名捕獲組經過顯式命名,能夠經過組名方便的訪問到指定的組,而不須要去一個個的數編號,同時避免了在正則表達式擴展過程當中,捕獲組的增長或減小對引用結果致使的不可控。

不過容易忽略的是,命名捕獲組也參與了編號的,在只有命名捕獲組的狀況下,捕獲組的編號也是按照「(」出現的順序,從左到右,從1開始進行編號的。

正則表達式:(?<year>\d{4})-(?<date>\d{2}-(?<day>\d\d))

命名捕獲組 

 

用以上正則表達式匹配字符串:2008-12-31

匹配結果爲:

編號

命名

捕獲組

匹配內容

0

 

(?<year>\d{4})-(?<date>\d{2}-(?<day>\d\d))

2008-12-31

1

year

(?<year>\d{4})

2008

2

date

(?<date>\d{2}-(?<day>\d\d))

12-31

3

day

(?<day>\d\d)

31

1.2.3  普通捕獲組與命名捕獲組混合編號規則

當一個正則表達式中,普通捕獲組與命名捕獲組混合出現時,捕獲組的編號規則稍顯複雜。對於其中的命名捕獲組,隨時均可以經過組名進行訪問,而對於普通捕獲組,則只能經過肯定其編號後進行訪問。

混合方式的捕獲組編號,首先按照普通捕獲組中「(」出現的前後順序,從左到右,從1開始進行編號,當普通捕獲組編號完成後,再按命名捕獲組中「(」出現的前後順序,從左到右,接着普通捕獲組的編號值繼續進行編號。

也就是先忽略命名捕獲組,對普通捕獲組進行編號,當普通捕獲組完成編號後,再對命名捕獲組進行編號。

正則表達式:(\d{4})-(?<date>\d{2}-(\d\d))

 捕獲組——混合

 

用以上正則表達式匹配字符串:2008-12-31,匹配結果爲:

編號

命名

捕獲組

匹配內容

0

 

(\d{4})-(?<date>\d{2}-(\d\d))

2008-12-31

1

 

(\d{4})

2008

3

date

(?<date>\d{2}-(\d\d))

12-31

2

 

(\d\d)

31

2       捕獲組的引用

對捕獲組的引用通常有如下幾種:

1)       正則表達式中,對前面捕獲組捕獲的內容進行引用,稱爲反向引用;

2)       正則表達式中,(?(name)yes|no)的條件判斷結構;

3)       在程序中,對捕獲組捕獲內容的引用。

2.1     反向引用

捕獲組捕獲到的內容,不只能夠在正則表達式外部經過程序進行引用,也能夠在正則表達式內部進行引用,這種引用方式就是反向引用。

反向引用的做用一般是用來查找或限定重複,限定指定標識配對出現等等。

對於普通捕獲組和命名捕獲組的引用,語法以下:

普通捕獲組反向引用:\k<number>,一般簡寫爲\number

命名捕獲組反向引用:\k<name>或者\k'name'

普通捕獲組反向引用中number是十進制的數字,即捕獲組的編號;命名捕獲組反向引用中的name爲命名捕獲組的組名。

反向引用涉及到的內容比較多,後續單獨說明。

2.2     條件判斷表達式

條件判斷結構在平衡組中談到過,基本應用和擴展應用均可以在其中找到例子,這裏再也不贅述,請參考.NET正則基礎之——平衡組

2.3     程序中引用

根據語言的不一樣,程序中對捕獲組引用的方式也有所不一樣,下面就JavaScript和.NET進行舉例說明。

2.3.1  JavaScript中的引用

因爲JavaScript中不支持命名捕獲組,因此對於捕獲組的引用就只支持普通捕獲組的反向引用和$number方式的引用。程序中的引用通常在替換和匹配時使用。

注:如下應用舉例僅考慮簡單應用場景,對於<a href="javascript:document.write('<b>hello</b>')"/>這種複雜場景暫不考慮。

1)         在Replace中引用,一般是經過$number方式引用。

舉例:替換掉html標籤中的屬性。

<textareaid="result"rows="10"cols="100"></textarea>
<scripttype="text/javascript">
var data = "<table id=\"test\"><tr class=\"light\"><td> test </td></tr></table>";
var reg = /<([a-z]+)[^>]*>/ig;
document.getElementById("result").value = data.replace(reg, "<$1>");
</script>
//輸出
<table><tr><td> test </td></tr></table>

 

2)         在匹配時的引用,一般經過RegExp.$number方式引用。

舉例:同時獲取<img…>中的src和name屬性值,屬性的順序不固定。參考一條正則能不能同時取出一個img標記的src和name?

<textarea id="result" rows="10" cols="100"></textarea> 

<script type="text/javascript"> 

var data = [' <img alt="" border="0" name="g6-o44-1" onload="DrawImage" src="/bmp/foo1.jpg" />', ' <img src="/bmp/foo2.jpg" alt="" border="0" name="g6-o44-2" onload="DrawImage" />'] ;

var reg = /<img\b(?=(?:(?!name=).)*name=(['"]?)([^'"\s>]+)\1)(?:(?!src=).)*src=(['"]?)([^'"\s>]+)\3[^>]*>/i;

for(var i=0;i<data.length;i++)

{

    var s = data[i];

    document.getElementById("result").value += "源字符串:" + s + "\n";

    document.write("<br />");

    if(reg.test(s))

    {

        document.getElementById("result").value += "name: " + RegExp.$2 + "\n";

        document.getElementById("result").value += "src: " + RegExp.$4 + "\n";

    }

}

</script>

 

2.3.2  .NET中的引用

因爲.NET支持命名捕獲組,因此在.NET中的引用方式會多一些。一般也是在兩種場景下應用,一是替換,一是匹配。

1)         替換中的引用

普通捕獲組:$number

命名捕獲組:${name}

替換中應用,還是上面的例子。

舉例:替換掉html標籤中的屬性。使用普通捕獲組。

string data ="<table id=\"test\"><tr class=\"light\"><td> test
</td></tr></table>";
richTextBox2.Text
= Regex.Replace(data, @"(?i)<([a-z]+)[^>]*>", "<$1>");
//輸出
<table><tr><td> test </td></tr></table>

使用命名捕獲組。

string data ="<table id=\"test\"><tr class=\"light\"><td> test
</td></tr></table>";
richTextBox2.Text
= Regex.Replace(data, @"(?i)<(?<tag>[a-z]+)[^>]*>", "<${tag}>");
//輸出
<table><tr><td> test </td></tr></table>

 

2)         匹配後的引用

對於匹配結果中捕獲組捕獲內容的引用,能夠經過Groups和Result對象進行引用。

string test = "<a href=\"http://www.csdn.net\">CSDN</a>";
Regex reg = new Regex(@"(?is)<a(?:(?!href=).)*href=(['""]?)(?<url>[^""'\s>]*)\1[^>]*>(?<text>(?:(?!</a>).)*)</a>");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
richTextBox2.Text += "m.Value􀍹".PadRight(25) + m.Value + "\n";
richTextBox2.Text += "m.Result(\"$0\") : ".PadRight(25) + m.Result("$0") + "\n";
richTextBox2.Text += "m.Groups[0].Value : ".PadRight(25) +m.Groups[0].Value + "\n";
richTextBox2.Text += "m.Result(\"$2\") : ".PadRight(25) + m.Result("$2") + "\n";
richTextBox2.Text += "m.Groups[2].Value : ".PadRight(25) + m.Groups[2].Value + "\n";
richTextBox2.Text += "m.Result(\"${url}\") : ".PadRight(25) + m.Result("${url}") + "\n";
richTextBox2.Text += "m.Groups[\"url\"].Value : ".PadRight(25) + m.Groups["url"].Value + "\n";
richTextBox2.Text += "m.Result(\"$3\") : ".PadRight(25) + m.Result("$3") + "\n";
richTextBox2.Text += "m.Groups[3].Value : ".PadRight(25) + m.Groups[3].Value + "\n";
richTextBox2.Text += "m.Result(\"${text}\") : ".PadRight(25) + m.Result("${text}") + "\n";
richTextBox2.Text += "m.Groups[\"text\"].Value : ".PadRight(25) + m.Groups["text"].Value + "\n";
}
//輸出
m.Value : <a href="http://www.csdn.net">CSDN</a>
m.Result("$0") : <a href="http://www.csdn.net">CSDN</a>
m.Groups[0].Value : <a href="http://www.csdn.net">CSDN</a>
m.Result("$2") : http://www.csdn.net
m.Groups[2].Value : http://www.csdn.net
m.Result("${url}") : http://www.csdn.net
m.Groups["url"].Value : http://www.csdn.net
m.Result("$3") : CSDN
m.Groups[3].Value : CSDN
m.Result("${text}") : CSDN
m.Groups["text"].Value : CSDN

 

對於捕獲組0的引用,能夠簡寫做m.Value。

 

下面舉一個項目中遇到的正則匹配:

Pattern p = Pattern.compile("\\(((((\\d*(\\.\\d+)?)\\×\\(\\d\\+\\d*(\\.\\d+)*%*\\)\\×(\\d*(\\.\\d+)?))?)\\+(((\\d*(\\.\\d+)?)\\×(\\d*(\\.\\d+)?))?)(\\+(\\d*(\\.\\d+)?))?)\\)(\\×(\\d*(\\.\\d+)?)\\×(\\d*(\\.\\d+)?))");  
String s = "(3.52×(1+1.5%)×65+2.2×1+0)×1.01×1";  
Matcher m = p.matcher(s);  
while (m.find()) {  
    int count = m.groupCount();
    for(int i = 0;i<=count;i++){
    	System.out.print(i+" ");
    	System.out.println(m.group(i));  
    }
}  

//輸出爲:
0 (3.52×(1+1.5%)×65+2.2×1+0)×1.01×1
1 3.52×(1+1.5%)×65+2.2×1+0
2 3.52×(1+1.5%)×65
3 3.52×(1+1.5%)×65
4 3.52
5 .52
6 .5
7 65
8 null
9 2.2×1
10 2.2×1
11 2.2
12 .2
13 1
14 null
15 +0
16 0
17 null
18 ×1.01×1
19 1.01
20 .01
21 1
22 null

解釋:

(0)、group(0)表示匹配正則表達式的整個字符串,由於字符串s恰好只匹配一次正則表達式,因此顯示爲(3.52×(1+1.5%)×65+2.2×1+0)×1.01×1

(1)、正則表達式中的\\(不計算在組裏面的,因此group(1)表示從左邊起第二個(裏面的內容(由於第一個是\\(,因此不在組計數的裏面),因此爲3.52×(1+1.5%)×65+2.2×1+0,

\\(表示非正則表達式中的組,而是匹配字符串中自己就攜帶了(號,在計算分組下標的時候,只計算匹配規則中的組括號(,而不計算\\(。

(2)、2,3,4,同理

(5)、匹配爲(\\.\\d+),對應匹配字符串中的.52

完整的組下標爲:

相關文章
相關標籤/搜索