php学习第四章：正则表达式(四)匹配规则：分组、环视(零宽断言和负向零宽断言)...

一、分组()

　　()来表示一个子表达式，这个括号内的子表达式被当作一个整体来处理

　　下面我们以一个IPV4的ip地址为例来说明(以下说ip地址是指IPV4下的ip地址)

　　我们知道一个ip地址类似:220.181.111.147(这个是百度的ip地址，作个范例)

　　我们大致看一下ip地址的特征：共有四段，每段以.隔开，除.外都是数字，而且每段最多有三位

　　　　所以我们可以把ip地址简单的表示为:(\d{1,3}\.){3}\d{1,3}  或者\d{1,3}(\.\d{1,3}){3}

　　但是，如果熟悉网络知识的朋友可能知道，ip地址是有一定范围的，其范围大致为1.0.0.1-255.255.255.255，所以上述的表示方法并不准确

　　我们来总结一下ip地址的特征：

　　　　1、ip地址一般是4段，每段长度在1-3个字符之间，每段用.来分割

　　　　2、每段的长度可能是1位、2位、3位

　　　　　　(1)如果是1位，它可以是任意数字:\d       =>情况1

　　　　　　(2)如果是2位，它可以是任意数字：\d\d    =>情况2

　　　　　　(3)如果是3位的话，第一位只可能是1和2这两个值，后面两位的值的范围会根据第一个值来决定

　　　　　　　　1>  如果首位是1，那它后面可以是任意数字：1\d\d                   =>情况3                

　　　　　　　　2> 如果首位是2，那第二位的范围就是0-5，

　　　　　　　　　　　　如果第二位是0-4,那第三位可以是任意数字：2[0-4]\d      =>情况4

　　　　　　　　　　　　如果第二位是5，那第三位的范围是0-5:      25[0-5]        =>情况5

 

　　　　　　现在我们来逐步合并：

　　　　　　　　前三种情况可以合并：1?\d\d?

　　　　　　　　所以每段可以合并成：2[0-4]\d|25[0-5]|1?\d\d?

 

　　综上：ip地址可以表示为：((2[0-4]\d|25[0-5]|1?\d\d?)\.){3}(2[0-4]\d|25[0-5]|1?\d\d?)

　　这里我们把每段当成一个组

二、反向引用：用于重复搜索前面某个分组匹配的文本

　　使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：
    从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

后向引用用于重复搜索前面某个分组匹配的文本。例如：
    \1：代表分组1匹配的文本。
　　难以理解？请看示例：

　　\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

　　你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w+)(或者把尖括号换成'也行：(?'Word'\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>,所以上一个例子也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b。

三、环视：

表4.常用分组语法

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=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
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

 

转载于:https://www.cnblogs.com/withec/archive/2012/12/10/2811123.html