【Java】分组

一、分组

分组其实就是一个小括号而已，例如下图的正则表达式。

第一个是：邮箱的正则，这里我们是将红色框框起来的这一堆进行了分组，这一堆在正式的邮箱中就表示 .cn 或者 .edu.cn，这一部分是出现一次或两次。

第二个是：身份证号码的简易正则表达式，这里就是将后面的四位分成了一组。

那为什么要这么分呢？因为这里是有 | 符号的，如果我们没有将它分组，它就会把左边这个整体当做是第一个条件，中间的 X 是第二个条件，右边的 x 是第三个条件。

但是我现在加上了分组，此时它就会认为：\\d 是第一个条件，中间的 X 是第二个条件，右边的 x 是第三个条件。

第三个是：我们之前写的关于24小时时间的正则表达式

我们还是以案例来看正则：在这里，我把小时做了一个单独的分组，这里的原因也是因为在小时中有一个 |，如果这里你没有进行分组，它就会将右边的所有当做第二个条件。

但现在我已经分组了，它就会认为 [01]\\d 是第一个条件，2[0-3] 是第二个条件，因为在小时中，有可能是 1 开头的，也有可能是 2 开头的，如果你是 1 开头的，后面可以是任意的数字；但是如果你是 2 开头的，后面只能是 0-3，两种情况是不一样的，所以我们需要分开书写。

关于 24小时 的正则表达式我们还有一种写法：由于 :分钟 和 :秒钟 的规则其实是一样的，既然是一样的，我们就没有必要去写两遍，我们可以把 :分钟 看做是一组，这一组一共出现两次。

这就是我们之前写的分组，但是在分组的时候有一些小细节需要掌握一下。

二、细节

正则表达式中，每一组其实是有组号的，也就是序号，它的规则有两个。

规则1：从 1 开始，连续不间断。

规则2：以左括号为基准，最左边的是第一组，其次为第二组，以此类推。

例如：(\\d+)(\\d+)(\\d+)

以左括号为基准，即：只看左括号，不看其他的。

现在，最左边的是第一组(红色)，中间的是第二组(蓝色)，右边的是第三组(绿色)。

接下来考你个问题：下面蓝色框起来的这一组，它是第几组呢？

正确答案：第二组。

根据规则二：以左括号为基准，因此只看左括号，不看其他的，下图用红框框起来了。

最左的的是第一组(红色)，中间的是第二组(蓝色)，最右边的是第三组(绿色)。

这个组号在正则表达式中是有实际用处的，接下来就通过几个练习来阐述。

三、捕获分组

捕获分组：把这一组的数据捕获出来，再用一次。

1）需求1：判断一个字符串的开始字符和结束字符是否一致？在这里只考虑一个字符

前面的第一个字符我不知道你写的是什么，就可以把第一个字符看做是单独的一组，结尾的时候再把第一组中的数据拿出来再用一次。

举例: a123a b456b 17891 &abc& a123b(false)

接下来开始写正则表达式，在写正则表达式之前先来回忆一下之前说过的技巧：拿着一个正确的数据，从左往右依次去写。

例如：a123a ，我可以将它分成三个部分 a 123 a。

一部分是开始，可以是字母，可以是数字也可以是负号，也就是说可以是任意的，写一个 (.) 就行了，这就表示：首字母可以是任意的，而且我现在将首字母当成了是第一组。

String regex1 = "(.)";

第二部分是中间的，中间可以是任意的，并且至少出现一次，.+ 就OK。

String regex1 = "(.).+";

第三部分是末尾，注意，末尾就不能再写 . 了，如果你此时再写 .，就表示任意的字符，这样就跟第一组没什么关联了，在末尾得写：\\1，表示：我要把第一组的数据拿出来再用一次。

\\组号：表示把第X组的内容再拿出来用一次。

String regex1 = "(.).+\\1";
System.out.println("a123a".matches(regex1)); // true
System.out.println("b456b".matches(regex1)); // true
System.out.println("17891".matches(regex1)); // true
System.out.println("&abc&".matches(regex1)); // true
System.out.println("a123b".matches(regex1)); // false

2）需求2:判断一个字符串的开始部分和结束部分是否一致？这里可以有多个字符

需求2就是在需求1的基础上增加了一点点

举例: abc123abc b456b 123789123 &!@abc&!@ abc123abd(false)

第一部分任意的字符至少出现一次，.+ 就行了。

然后再写中间的这部分，和后面部分

String regex2 = "(.+).+\\1";
System.out.println("a123a".matches(regex1)); // true
System.out.println("b456b".matches(regex1)); // true
System.out.println("17891".matches(regex1)); // true
System.out.println("&abc&".matches(regex1)); // true
System.out.println("a123b".matches(regex1)); // false

3）需求3:判断一个字符串的开始部分和结束部分是否一致？开始部分内部每个字符也需要一致

举例: aaa123aaa bbb456bbb 111789111 &&abc&&

在书写的时候还是把它分成三部分。

首先来写开始部分，开始部分肯定也要把它分为一组，并且字符可以是任意的，因此写个 . 就行了。

但是后面有多个字符，能写 .+ 吗？肯定不行，因为 .+ 表示任意的字符至少出现一次，如果是 abc，它也是满足的；

但是题目要求了：开始部分内部每个字符也需要一致，必须要 aaa 才能满足。

那怎么办呢？

注意，当你在正则表达式中看见：XXX需要一致，此时就需要用到我们上面所说的捕获分组：要把XXX数据看做一组，然后把这一组的数据再用一次，这样才能一致，数据才能重复。

因此我们可以这么写：将第一个字符单独看做一组

String regex3 = "(.)";

而这个字符需要反复出现，所以这里可以写 \\1。

String regex3 = "(.)\\1";

那到底出现多少次呢？不知道，这个是没有上限的，因此我们在后面写个 * 就行了。

* 表示 0次或多次。

要注意的是，这里的 * 控制的是这里的 \\1，它表示重复的内容可以不出现，也可以出现多次。

String regex3 = "(.)\\1*";

再来写第二部分，第二部分很简单，就是 .+

String regex3 = "(.)\\1*.+";

最后一部分：将前面 (.)\\1* 这个整体，还需要再拿出来用，有的人说：这还不简单，再将这一堆括起来不就行了吗？

String regex3 = "((.)\\1*).+";

但是你要注意了，括起来之后，里面的需要就需要变成 2 了。

因为组号是以左括号为基准，最先出现的就是第一组。

String regex3 = "((.)\\2*).+";

在后面，就要写 \\1，下面就是最终的结果了

String regex3 = "((.)\\2*).+\\1";
System.out.println("aaa123aaa".matches(regex3)); // true
System.out.println("bbb456bbb".matches(regex3)); // true
System.out.println("111789111".matches(regex3)); // true
System.out.println("&&abc&&".matches(regex3)); // true
System.out.println("aaa123aab".matches(regex3)); // false

刚刚我们已经学会了正则表达式中的捕获分组，当我们在正则表达式中后续还需要使用本组内容的时候，就可以用到它了。

在正则表达式内部可以使用 \\组号 的形式来使用；但是在正则表达式的外面，它也是可以用组里面的信息的：使用的时候用 $组号 来进行体现。

4）练习：口吃替换

需求：将字符串：我要学学编编编编程程程程程程。

替换为：我要学编程

相当于将重复的字去掉，只留下一个字就行了。

题目说了替换，那肯定要用到方法。

首先定一个字符串，把原来的大串放这里

String str = "我要学学编编编编程程程程程程";

然后再用 str 去调用方法，注意调用的是 replaceAll()。

如果用的是 replace()，它方法的形参叫做 target，这是不识别正则表达式的，因此需要使用下面的 replaceAll()，它的形参是 regex，是识别正则表达式的。

写正则之前，需要先想清楚需求：把重复的内容，替换成单个的

因此现在我们要做的是，先把前面重复的东西去写一个正则表达式。

我们可以把重复部分的首字母，单独去分成一组：(.)，这一组是第一组，因此就是 \\1。而

str.replaceAll("(.)");

现在我需要将第一组的拿出来再用，再用的时候出现几次比较好？是不是至少出现一次

String result = str.replaceAll("(.)\\1+");

那我们要替换成谁呢？应该替换成：第一组的内容，因此这里我需要继续使用第一组的东西，因此这里写 $1 就行了。

$ 表示：把正则表达式中第一组的内容，再拿出来用，但是由于现在是在正则表达式的外面用的，因此不能用 \\1，而是 $1 。

String result = str.replaceAll("(.)\\1+", "$1");
System.out.println(result); // 我要学编程

四、非捕获分组

捕获分组就是：我可以把数据用括号括起来，后续如果还要继续使用本组数据的时候，可以用 \\组号 或者 $组号 的形式再次使用。

但是在有些情况下，我仅仅是要把数据括起来，在以后不需要再使用本组的数据了，这个就叫做非捕获分组。

它的格式我们之前见过，它就是将数据仅仅括起来，而且它是不占用这里的组号的。

非捕获分组：分组之后不需要再用本组数据，仅仅是把数据括起来，不占用组号。

身份证号码： 41080119930228457x

510801197609022309

15040119810705387X

130133197204039024

430102197606046442

下面是复制粘贴过来的 简易版校验身份证号码。

String regex1 ="[1-9]\\d{16}(\\d|X|x)}";

在 (\\d|X|x) 中，我仅仅是想把它括起来而已，在以后，我不想用里面的数据，此时就可以在左括号的后面加一个 ?:，这种方式就叫做 非捕获分组，它的特点是：不占用组号。

String regex1 ="[1-9]\\d{16}(?:\\d|X|x)}";

但如果你后面还写一个 \\1，它就会报错。

这里 \\1 报错原因 :(?:) 就是非捕获分组，此时是不占用组号的。

也就是说此时它压根就不知道谁是第一组

除此之外，(?:) (?=) (?!)都是非捕获分组。

但一般情况下更多的使用第一个 ?:，之前我们将 ?: 的时候曾经说了，这里的 ? 相当于前面所有数据，: 指的就是前面的数据 [1-9]\\d{16} 后面跟随的就是 \\d|X|x，那么匹配获取的时候，获取的是整体，因此更多的使用第一个 ?:。

那能不能不写呢？可以不写，那为什么还要讲呢？

这是因为我们百度搜出来的一些正则表达式，还有插件中找到的正则表达式都有写，如果不讲，我们就看不懂。

五、总结

1、正则表达式中分组有两种

捕获分组、非捕获分组

2、捕获分组（默认情况）

捕获分组可以获取每组中的内容，反复使用。

在正则表达式内部可以使用 \\组号 的形式来使用；但是在正则表达式的外面，它也是可以用组里面的信息的：使用的时候用 $组号 来进行体现。

3、组号的特点

规则1：从 1 开始，连续不间断。

规则2：以左括号为基准，最左边的是第一组，其次为第二组，以此类推。

4、非捕获分组

非捕获分组：分组之后不需要再用本组数据，仅仅是把数据括起来，不占用组号。

(?:) 、(?=)、(?!) 都是非捕获分组。