正则表达式的固化分组

固化分组，又叫原子组。

语法格式：(?>…)

我们在使用非贪婪模式时，匹配过程中可能会进行多次的回溯，回溯越多，正则表达式的运行效率就越低。而固化分组就是用来减少回溯次数的。

实际上，固化分组 (?>…) 的匹配与正常的匹配并无分别，它并不会改变匹配结果。唯一的不同就是：固化分组匹配结束时，它匹配到的文本已经固化为一个单元，只能作为整体而保留或放弃，小括号内的子表达式中未使用的备用状态都会被放弃，所以回溯永远也不能选择其中的状态(因此不能参与回溯)。

javaScript，java 和 python 中并不支持固化分组的语法。不过，它在 php 和 .NET 中表现良好。

下面我们通过一个 php 的固化分组正则表达式例子来深入地理解固化分组：

假如要处理一批数据，原格式为 123.456, 因为浮点数显示问题，部分数据格式会变为 123.456000000789 这种, 现要求只保留小数点后 2~3 位，但是最后一位不能为 0，那么这个正则怎么写呢?

$str = "123.456000000789";
echo preg_replace("/(\.\d\d[1-9]?)\d*/","\\1",$str); // 123.456

以上的正则表达式，对于 123.456 这种格式的数据，将白白处理一遍，为了提高效率，我们应该将 123.456 排除在外，我们将量词 * 改成 +。如下所示：

$str = "123.456";
echo preg_replace("/(\.\d\d[1-9]?)\d+/","\\1",$str);

(.\d\d[1-9]?) 会正常匹配到 .456，而 \d+ 表示匹配大于等于 1 个由 0-9 的任意数字组成的字符串，即匹配至少一个任意数字，所以 \d+ 匹配到 6 后面的结尾处位置时，会匹配失败，然后会要求 [1-9]? 回溯到备选状态，也就是放弃匹配数字 6，让给 \d+ 去匹配，结果匹配成功，最后整个正则式匹配到字符串 .456，(.\d\d[1-9]?) 匹配到 .45，\d+ 匹配到 6，所以 \1 引用到的是 .45，也就是把源字符串 123.456，后面的 .456 替换成了 .45，本来保留小数点后 3 位是符合需求的，现在反而被处理成了 .45，显然 123.45 不是我们期望的匹配结果，那我们应该怎么做呢？能否让 [1-9]? 一旦匹配成功，便不再进行回溯，这里就要用到固化分组，如下所示：

$str = "123.456";
echo preg_replace("/(\.\d\d(?>[1-9]?))\d+/","\\1",$str);

(?>[1-9]?) 就是固化分组，(?>[1-9]?) 成功匹配了 6，因为 (?>[1-9]?) 是固化分组，所以 ? 产生的备选状态被放弃，此时固化分组匹配到的 6 便不能用于正则引擎的回溯。子表达式 \d+ 匹配失败，尝试回溯也失败，导致整个正则表达式第 1 次迭代匹配失败，后面会继续迭代匹配到源字符串的结尾处，最后正则引擎才停止服务，不过后面的几次迭代匹配也都是失败的，那么最终的结果就是，正则表达式没有匹配到任何东西，替换动作也没有执行，这符合我们的需求。

php 还提供了占有优先的语法，效果和固化分组一样：

$str = "123.456";
echo preg_replace("/(\.\d\d[1-9]?+)\d+/","\\1",$str);

在量词 ? 后面加个 +，就变成了占有优先量词，意为着 [1-9]?+ 匹配到 6 后，是没有备选状态的（即无法回溯），这样 \d+ 最后匹配失败，最终导致整个匹配过程失败，没有匹配到任何东西。

虽然 java 不支持固化分组的语法，但 java 也提供了占有优先的语法，同样能够避免正则回溯。如下：

String str = "123.456";
System.out.println(str.replaceAll("(\\.\\d\\d[1-9]?+)\\d+", "$1"));// 123.456

值得注意的是：java 中 replaceAll 方法需要双反斜杠 \\作为转义符号。