正则表达式分组相关的知识

来源：百度文库编辑：神马文学网时间：2024/04/28 02:14:10

一、组的分类
正则中的组有捕获组和非捕获组，而捕获组又分为普通的捕获组和命名捕获组，分别为
捕获组：(exp)
命名捕获组：(?exp)
非捕获组：(?:exp)

二、组的作用
1、捕获组的作用

捕获组的作用是将正则表达式exp匹配到的内容保存到组里，供以后使用

比如这样一个字符串：
CSDN
我想得到网址，而它符合的规则是在标签内，那就可以这样做

C# code

string test = "CSDN";Match m = Regex.Match(test, @"]*>", RegexOptions.IgnoreCase);if (m.Success)MessageBox.Show(m.Groups[1].Value);

上面的正则表达式匹配到了，而我们想得到网址，表达式其它部分只是为了保证取到的网址是在标签内的，所以这里用到的捕获组，把匹配到的网址保存到捕获组里，然后用m.Groups[1].Value得到这个捕获组所匹配到的内容
m.Groups[1].Value是一种对捕获的引用方式，还有另外一种引用方式m.Result("$1")，效果是一样的

普通捕获组是用1,2,3...这样的自然数对捕获组进行引用的
而命名捕获组可以不用去数捕获组的序号，直接通过捕获组的命称对它进行引用

C# code

string test = "CSDN";Match m = Regex.Match(test, @"[^""]*)""[^>]*>", RegexOptions.IgnoreCase);if (m.Success)MessageBox.Show(m.Groups["url"].Value);

至于捕获组的分组命名及序号排序规则，在后面说明

2、非捕获组的作用
非捕获组的作用有两个，第一个比较常用，第二个了解一下即可

(1)、节省系统资源，提高效率
在使用“|”表示“或”的关系时，稍微复杂的情况，需要用()来限制“|”的作用范围，否则即表示“|”的左右两侧整体为“或”的关系，这是题外话，这里不详细说明了，还有用{num}来表达式匹配次数时，有时前面也要用到()限制作用范围
而使用()来限制作用范围的同时，默认情况下会把匹配到的结果保存到一个捕获组里，而大多数时候，我们是不需要保存这部分内容的，这就带来一定的副作用，浪费了系统资源，降低了效率
非捕获组的一个作用就是用来消除这种副作用的，(?:exp)用来匹配exp所表示的规则，但不将匹配结果保存到捕获组里

比如匹配HH:mm:ss这样的时间

C# code

MessageBox.Show(Regex.IsMatch("18:23:55", "^(?:[01][0-9]|2[0-3])(?::[0-5][0-9]){2}$").ToString());

(?:[01][0-9]|2[0-3])验证小时部分是否符合规则，但不会将匹配结果保存到捕获组里
(?::[0-5][0-9]){2}验证了分秒部分，但不会将匹配结果保存到捕获组里

(2)、在使用Regex.Split方法时，起到与RegexOptions .ExplicitCapture参数相同的作用，这个用得不多，了解一下就行了

三、捕获组分组命名及序号排序
普通捕获组是按“(”从左到右出现的先后顺序以自然数1,2,3...进行命名的
命名捕获组就是以(?exp)中的name进行命名的

但是要注意一点，在表达式匹配成功的前提下，$0在任何情况下都表示整个表达式所匹配到的内容，m.Groups[0].Value表示整个表达式匹配到的内容，可以简写为m.Value

另外就是命名捕获组除了可以用name对它进行引用外，还可以通过序号对它引用，它的命名规则为：先对普通捕获组从左到右进行序号命名，然后再从开头，从左到右对命名捕获组进行序号命名，举例如下

[^"]*)"\s*title="([^"]*)"[^>]*>(?[\s\S]*?)
2 url 1 3 text

C# code

string test = "CSDN";Match m = Regex.Match(test, @"[^""]*)""\s*title=""([^""]*)""[^>]*>(?[\s\S]*?)", RegexOptions.IgnoreCase);if (m.Success){richTextBox1.Text += m.Groups[0].Value + "\n";       //CSDN    richTextBox1.Text += m.Groups[1].Value + "\n";       //床上等你    richTextBox1.Text += m.Groups[2].Value + "\n";       //http://bbs.csdn.net    richTextBox1.Text += m.Groups["url"].Value + "\n";   //http://bbs.csdn.net    richTextBox1.Text += m.Groups[3].Value + "\n";       //CSDN    richTextBox1.Text += m.Groups["text"].Value + "\n";  //CSDN}

四、组的另一种引用方式
除了上面 m.Groups[1].Value 和 m.Result("$1") 这两种对结果集进行处理时的引用方式外，还有在替换时的一种引用方式，举例如下

只保留网址和链接文字，去掉标签中其它无用信息

C# code

string test = "CSDN";string result = Regex.Replace(test, @"]*>(?[\s\S]*?)", @"${text}", RegexOptions.IgnoreCase);MessageBox.Show(result);

普通捕获组就是用$number来引用，而命名捕获是用${name}来引用

预搜索
(?=exp)
(?!exp)
(?<=exp)
(?
下面的说明很容易让人头晕，不看也罢，我将以另一种方式对它们的作用和用法进行说明
(?=exp) 匹配exp前面的位置
(? <=exp) 匹配exp后面的位置
(?!exp) 匹配后面跟的不是exp的位置
(?
有的资料上翻译为零宽度断言，我习惯于预搜索这种叫法，前两个为正向预搜索，后两个为反向预搜索，当然还有其它翻译，其实都是一个意思，知道就行，不必在意

这四种表达式，它们与非捕获的相同之处在于，并不将匹配到的结果保存到捕获组，不同之处在于，非捕获组匹配到的内容，虽然不保存到捕获组，但却是在结果$0实实在在存在的，而以上四种表达式所匹配到的内容，一般来说，是不存在$0内的，所以说它们匹配的结果是零宽度的

更好的理解方式，是把它们作为附加条件，而不是正则表达式的组成部分

为了更好的说明，先说一下“缝隙”的概念，“缝隙”是零宽度的，它只是字符串中的一个位置，而不是实际的字符，如字符串“ab”，在“a”前面，“a”和“b”中间，还有“b”后面，分别有一个“缝隙”，也就是整个字符串有三个“缝隙”

(?=exp) 在所在“缝隙”的后面附加一个条件，也就是“缝隙”后面必须能够匹配exp的内容
(?!exp) 在所在“缝隙”的后面附加一个条件，也就是“缝隙”后面必须不能够匹配exp的内容
(?<=exp) 在所在“缝隙”的前面附加一个条件，也就是“缝隙”前面必须能够匹配exp的内容
(?
举例说明如下：
<[^>]*>表达式任意html标签

附加一个条件
<(?!img)[^>]*>
这个就表示除标签外的所有标签，看下实际例子

C# code

string test = "CSDN
";MatchCollection mc = Regex.Matches(test, @"<(?!img)[^>]*>", RegexOptions .IgnoreCase);foreach(Match m in mc){richTextBox1.Text += m.Value + "\n";}

输出结果为：

这时再看一下<(?!img)[^>]*>这个正则表达式
(?!img)所在的“缝隙”是“<”和它后面的第一个字符之间的“缝隙”，它表示的意思就是，在这个“缝隙”的后面，不能是img，整个表达式的意思也就是不匹配标签

同理，<(?=img)[^>]*>表示只匹配标签

C# code

string test = "CSDN
";MatchCollection mc = Regex.Matches(test, @"<(?=img)[^>]*>", RegexOptions.IgnoreCase);foreach(Match m in mc){MessageBox.Show(m.Value);}

输出：

(?<=]*>)]*>表示只匹配前面为标签的标签

C# code

string test = "CSDN
";MatchCollection mc = Regex.Matches(test, @"(?<=]*>)]*>", RegexOptions.IgnoreCase);foreach(Match m in mc){MessageBox.Show(m.Value);}

输出：

(?]*>)]*>表示只匹配前面不为标签的标签　

C# code

string test = "CSDN
";MatchCollection mc = Regex.Matches(test, @"(?]*>)]*>", RegexOptions.IgnoreCase);foreach(Match m in mc){MessageBox.Show(m.Value);}

输出：

以上面的这个(?<=]*>)]*>为例，表达式中虽然有(?<=]*>)，但是在结果m.Value中并不存在它匹配到的内容，所以说它是零宽度的，只是作为一个附加条件存在

正则表达式分组相关的知识【正则表达式专题】正则表达式的应用 JS的正则表达式常用的正则表达式正则表达式--递归匹配、非贪婪匹配与分组替换 Java正则表达式的总结 java 正则表达式的使用一些常用的正则表达式 Extjs 正则表达式的判断常用的一些正则表达式正则表达式正则表达式正则表达式正则表达式正则表达式正则表达式:正则表达式基础正则表达式的五个成功习惯 [ 永远的UNIX > Java正则表达式详解 ] 处理正则表达式的java包:regexp 常用的匹配正则表达式和实例揭开正则表达式的神秘面纱正则表达式的五个成功习惯正则表达式的用法（下）常用的JavaScript验证正则表达式