先澄清下如下俩个概念:
1、分组(或捕获组)
分组的定义
正则表达式通过使用括号将表达式分为不同的分组,识别的方法是通过从左至右搜寻左半括号,遇到第一个左半括号时,则该左半括号与对应的右半括号所包含的内容即为第一分组,以此类推 。例如,在表达式((A)(B(C)))
,有四个这样的组:((A)(B(C)))、(A)、(B(C))、(C)
分组存在意义
向后引用:在第i个分组中被匹配的字符串,可以在在正则表达式中通过\i方式再次引用,例如\b(\w+)\b\s+\1\b
可以用来匹配重复的单词,像go go
, 或者kitty kitty
。
分组取值:当通过正则表达式匹配到字符串时,可以使用matcher.group(i)
等方式取到第i个分组所匹配到的子字符串。
2、位置类元数据
即像^
、$
、\b
、\B
这样的元字符,是用来表示一个位置。作为一个判断条件,匹配的字符需要满足这样的位置信息,但最终匹配的字符串中并不会包含这个样的位置信息。这也是与其他一些元字符所区别的地方,例如表达式中出现\d
这样元字符,则最终匹配的字符串中必定需要有数字出现,而\b(\w+)\b
表达式匹配的字符串仅仅是一个完整的单词,而不会出现空格等字符来表达位置信息。
其实清楚上面俩个概念后,下面的也就不难理解了:
(exp)
:目标字符串需要匹配exp
,并将该分组匹配的子文本保存到自动命名的组里;
(?<name>exp)
:目标字符串需要匹配exp
,并将该分组匹配的子文本保存到名称为name
的组里,也可以写成(?'name'exp)
;
(?:exp)
:目标字符串需要匹配exp
, 该括号所包括的内容不会被作为一个分组对待, 即不给此“分组”分配组号,也不会并将该”分组”匹配的子文本保存;该表达式与(exp)
在效果上其实应该是没有区别的,区别只是是否算作一个分组及是否保存匹配的子文本。
(?=exp)
:定义目标字符串结束位置要求,即紧随目标字符串后面出现的字符串需要匹配上exp
表达式,该字符串不会被计入目标字符串,表达中出现的括号也不会被视作一个分组;
(?<=exp)
:定义目标字符串起始位置要求,即紧邻目标字符串前面出现的字符串需要匹配上exp
表达式,该字符串不会被计入目标字符串,表达中出现的括号也不会被视作一个分组;
(?!exp)
:定义目标字符串结束位置要求,即紧随目标字符串后面出现的字符串不能匹配上exp
表达式,该字符串不会被计入目标字符串,表达中出现的括号也不会被视作一个分组;效果上与(?=exp)
表示的情况刚好相反;
(?<!exp)
:定义目标字符串起始位置要求,即紧邻目标字符串前面出现的字符串不能匹配上exp
表达式,该字符串不会被计入目标字符串,表达中出现的括号也不会被视作一个分组;效果上与(?<=exp)
表示的情况刚好相反;
正则表达式 - (?!), (?:), (?=)
(?:pattern)
非获取匹配,匹配pattern
但不获取匹配结果,不进行存储供以后使用。这在使用或字符“(|)
”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)
”就是一个比“industry|industries
”更简略的表达式。
(?=pattern)
非获取匹配,正向肯定预查,在任何匹配pattern
的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)
”能匹配“Windows2000
”中的“Windows
”,但不能匹配“Windows3.1
”中的“Windows
”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
(?!pattern)
非获取匹配,正向否定预查,在任何不匹配pattern
的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)
”能匹配“Windows3.1
”中的“Windows
”,但不能匹配“Windows2000
”中的“Windows
”。
(?<=pattern)
非获取匹配,反向肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows
”能匹配“2000Windows
”中的“Windows
”,但不能匹配“3.1Windows
”中的“Windows
”。
(?<!pattern)
非获取匹配,反向否定预查,与正向否定预查类似,只是方向相反。例如“(?<!95|98|NT|2000)Windows
”能匹配“3.1Windows
”中的“Windows
”,但不能匹配“2000Windows
”中的“Windows
”。这个地方不正确,有问题