正则基础之——捕获组（capture group） - 雁过无痕 - CSDN博客

来源：百度文库 编辑：神马文学网 时间：2024/04/27 21:02:07
正则基础之——捕获组（capture group） 收藏 1        概述
1.1     什么是捕获组
捕获组就是把正则表达式中子表达式匹配的内容，保存到内存中以数字编号或显式命名的组里，方便后面引用。当然，这种引用既可以是在正则表达式内部，也可以是在正则表达式外部。 捕获组有两种形式，一种是普通捕获组，另一种是命名捕获组，通常所说的捕获组指的是普通捕获组。语法如下：普通捕获组：(Expression)命名捕获组：(?Expression) 普通捕获组在大多数支持正则表达式的语言或工具中都是支持的，而命名捕获组目前只有.NET、PHP、Python等部分语言支持，据说Java会在7.0中提供对这一特性的支持。上面给出的命名捕获组的语法是.NET中的语法，另外在.NET中使用(?’name’Expression)与使用(?Expression)是等价的。在PHP和Python中命名捕获组语法为：(?PExpression)。另外需要说明的一点是，除(Expression)和(?Expression)语法外，其它的(?...)语法都不是捕获组。1.2     捕获组编号规则
编号规则指的是以数字为捕获组进行编号的规则，在普通捕获组或命名捕获组单独出现的正则表达式中，编号规则比较清晰，在普通捕获组与命名捕获组混合出现的正则表达式中，捕获组的编号规则稍显复杂。在展开讨论之前，需要说明的是，编号为0的捕获组，指的是正则表达式整体，这一规则在支持捕获组的语言中，基本上都是适用的。下面对其它编号规则逐一展开讨论。1.2.1  普通捕获组编号规则
如果没有显式为捕获组命名，即没有使用命名捕获组，那么需要按数字顺序来访问所有捕获组。在只有普通捕获组的情况下，捕获组的编号是按照“(”出现的顺序，从左到右，从1开始进行编号的 。正则表达式：(\d{4})-(\d{2}-(\d\d))   上面的正则表达式可以用来匹配格式为yyyy-MM-dd的日期，为了在下表中得以区分，月和日分别采用了\d{2}和\d\d这两种写法。用以上正则表达式匹配字符串：2008-12-31，匹配结果为：编号
 命名
 捕获组
 匹配内容
 
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  命名捕获组编号规则
命名捕获组通过显式命名，可以通过组名方便的访问到指定的组，而不需要去一个个的数编号，同时避免了在正则表达式扩展过程中，捕获组的增加或减少对引用结果导致的不可控。不过容易忽略的是，命名捕获组也参与了编号的，在只有命名捕获组的情况下，捕获组的编号也是按照“(”出现的顺序，从左到右，从1开始进行编号的 。正则表达式：(?\d{4})-(?\d{2}-(?\d\d))  
用以上正则表达式匹配字符串：2008-12-31匹配结果为：编号
 命名
 捕获组
 匹配内容
 
0
   (?\d{4})-(?\d{2}-(?\d\d))
 2008-12-31
 
1
 year
 (?\d{4})
 2008
 
2
 date
 (?\d{2}-(?\d\d))
 12-31
 
3
 day
 (?\d\d)
 31
 
1.2.3  普通捕获组与命名捕获组混合编号规则
当一个正则表达式中，普通捕获组与命名捕获组混合出现时，捕获组的编号规则稍显复杂。对于其中的命名捕获组，随时都可以通过组名进行访问，而对于普通捕获组，则只能通过确定其编号后进行访问。混合方式的捕获组编号，首先按照普通捕获组中“(”出现的先后顺序，从左到右，从1开始进行编号，当普通捕获组编号完成后，再按命名捕获组中“(”出现的先后顺序，从左到右，接着普通捕获组的编号值继续进行编号。也就是先忽略命名捕获组，对普通捕获组进行编号，当普通捕获组完成编号后，再对命名捕获组进行编号。正则表达式：(\d{4})-(?\d{2}-(\d\d))  
用以上正则表达式匹配字符串：2008-12-31，匹配结果为：编号
 命名
 捕获组
 匹配内容
 
0
   (\d{4})-(?\d{2}-(\d\d))
 2008-12-31
 
1
   (\d{4})
 2008
 
3
 date
 (?\d{2}-(\d\d))
 12-31
 
2
 
 (\d\d)
 31
 
2       捕获组的引用
对捕获组的引用一般有以下几种：1)       正则表达式中，对前面捕获组捕获的内容进行引用，称为反向引用；2)       正则表达式中，(?(name)yes|no)的条件判断结构；3)       在程序中，对捕获组捕获内容的引用。 2.1     反向引用
捕获组捕获到的内容，不仅可以在正则表达式外部通过程序进行引用，也可以在正则表达式内部进行引用，这种引用方式就是反向引用。反向引用的作用通常是用来查找或限定重复，限定指定标识配对出现等等。对于普通捕获组和命名捕获组的引用，语法如下：普通捕获组反向引用：\k，通常简写为\number命名捕获组反向引用：\k或者\k'name'普通捕获组反向引用中number是十进制的数字，即捕获组的编号；命名捕获组反向引用中的name为命名捕获组的组名。反向引用涉及到的内容比较多，后续单独说明。2.2     条件判断表达式
条件判断结构在平衡组中谈到过，基本应用和扩展应用都可以在其中找到例子，这里不再赘述，请参考 .NET正则基础之——平衡组。2.3     程序中引用
根据语言的不同，程序中对捕获组引用的方式也有所不同，下面就JavaScript和.NET进行举例说明。2.3.1  JavaScript中的引用
由于JavaScript中不支持命名捕获组，所以对于捕获组的引用就只支持普通捕获组的反向引用和$number方式的引用。程序中的引用一般在替换和匹配时使用。注：以下应用举例仅考虑简单应用场景，对于这种复杂场景暂不考虑。1)         在Replace中引用，通常是通过$number方式引用。举例：替换掉html标签中的属性。 //输出
test
2)         在匹配时的引用，通常通过RegExp.$number方式引用。举例：同时获取中的src和name属性值，属性的顺序不固定。参考 一条正则能不能同时取出一个img标记的src和name? view plaincopy to clipboardprint?
   
 


 < type="text/javascript">   2.3.2  .NET中的引用
由于.NET支持命名捕获组，所以在.NET中的引用方式会多一些。通常也是在两种场景下应用，一是替换，一是匹配。1)         替换中的引用普通捕获组：$number命名捕获组：${name}替换中应用，仍是上面的例子。举例：替换掉html标签中的属性。使用普通捕获组。string data = "
test
";richTextBox2.Text = Regex.Replace(data, @"(?i)<([a-z]+)[^>]*>", "<$1>");//输出
test
使用命名捕获组。string data = "
test
";richTextBox2.Text = Regex.Replace(data, @"(?i)<(?[a-z]+)[^>]*>", "<${tag}>");//输出
test
2)         匹配后的引用对于匹配结果中捕获组捕获内容的引用，可以通过Groups和Result对象进行引用。string test = "http://www.csdn.net\">CSDN";Regex reg = new Regex(@"(?is)[^""'\s>]*)\1[^>]*>(?(?:(?!).)*)");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";}//输出m.Value：                 CSDNm.Result("$0")：          CSDNm.Groups[0].Value：       CSDNm.Result("$2")：          http://www.csdn.netm.Groups[2].Value：       http://www.csdn.netm.Result("${url}")：      http://www.csdn.netm.Groups["url"].Value：   http://www.csdn.netm.Result("$3")：          CSDNm.Groups[3].Value：       CSDNm.Result("${text}")：     CSDNm.Groups["text"].Value：  CSDN
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/lxcnn/archive/2009/05/03/4146148.aspx
正则基础之——捕获组（capture group） - 雁过无痕 - CSDN博客 正则基础之——环视 - 雁过无痕 - CSDN博客 数据集成之主数据管理（一）基础概念篇 - woohooli的专栏 - CSDN博客 LINUX常用命令（基础） - ckboss的专栏 - CSDN博客 Java正则表达式入门 - 看上去很美 - CSDN博客 深入浅出之正则表达式（二） - 摩诘 - 博客园 深入浅出之正则表达式（二） - 摩诘 - 博客园 深入浅出之正则表达式（一） - 摩诘 - 博客园 正则表达式:正则表达式基础 [老狐教程]之《玩转RAW格式》——基础篇（二） - 无忌论坛 [老狐教程]之《玩转RAW格式》——基础篇（二） - 无忌论坛 内部排序 - 重剑无锋 - CSDN博客 30分钟K线，60分钟K线短线行情判断与涨停板捕获技巧——十善业，不二过——东方财富网博客 [老狐教程]之《玩转RAW格式》——基础篇 - 无忌论坛 CSDN技术中心 正则表达式 90%完成状态——项目经理应该小心的游戏之十四 - 牧心 - CSDN博客 日程小鸡——项目经理应该小心的游戏之十三 - 牧心 - CSDN博客 无线标记语言(WML)基础之基本知识 - CSDN 新闻 无线标记语言(WML)基础之程序结构 - CSDN 新闻 深入浅出之正则表达式（一） 深入浅出之正则表达式（二） 到了之后，我们会知道身处何方——项目经理应该小心的游戏之九 - 牧心 - CSDN博客 Qt之美（一）：D指针/私有实现 - Xizhi Zhu的博客 - CSDN博客 正则表达式之道