正则基础之——捕获组

最新推荐文章于 2024-05-23 11:53:35 发布

kingdom_0

最新推荐文章于 2024-05-23 11:53:35 发布

阅读量611

点赞数

文章标签：正则表达式 javascript .net border string 语言

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： (?<name>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 (?<name>Expression) 是等价的。在 PHP 和 Python 中命名捕获组语法为： (?P<name>Expression) 。

另外需要说明的一点是，除 (Expression) 和 (?<name>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))

普通捕获组

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

命名捕获组

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

捕获组——混合

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})-(?<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<number> ，通常简写为 /number

命名捕获组反向引用： /k<name> 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 < a href ="javascript:document.write('<b>hello</b>')"/> 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。

<


textarea


 


id


=

"result"

 


rows


=

"10"

 


cols


=

"100"

></


textarea


>

<


script


 


type


=

"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


>

//

输出

2) 在匹配时的引用，通常通过 RegExp.$number 方式引用。

举例： 同时获取 <img…> 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 plain copy to clipboard print ?

<textarea id= "result" rows= "10" cols= "100" ></textarea>
<script type="text/javascript" >
var data = [ ' <img alt="" border="0" name="g6-o44-1" οnlοad="DrawImage" src="/bmp/foo1.jpg" />' , ' <img src="/bmp/foo2.jpg" alt="" border="0" name="g6-o44-2" οnlοad="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>

<textarea id="result" rows="10" cols="100"></textarea> <script type="text/javascript"> var data = [' <img alt="" border="0" name="g6-o44-1" οnlοad="DrawImage" src="/bmp/foo1.jpg" />', ' <img src="/bmp/foo2.jpg" alt="" border="0" name="g6-o44-2" οnlοad="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> < 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 = "<table id=/"test/"><tr class=/"light/"><td> test </td></tr></table>" ;

richTextBox2.Text = Regex .Replace(data, @"(?i)<([a-z]+)[^>]*>" , "<$1>" );

//

输出

使用命名捕获组。

string data = "<table id=/"test/"><tr class=/"light/"><td> test </td></tr></table>" ;

richTextBox2.Text = Regex .Replace(data, @"(?i)<(?<tag>[a-z]+)[^>]*>" , "<${tag}>" );

//

输出

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 = "<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" ;

}

// 输出

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

对于捕获组 0 的引用，可以简写作 m.Value 。

kingdom_0

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫