http://www.cnblogs.com/pmars/archive/2011/12/30/2307507.html
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:(?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(?Expression)是等价的。在PHP和Python中命名捕获组语法为:(?PExpression)。
另外需要说明的一点是,除(Expression)和(?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))
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:(?\d{4})-(?\d{2}-(?\d\d))
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
year
(?\d{4})
2008
2
date
(?\d{2}-(?\d\d))
12-31
3
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})-(?\d{2}-(\d\d))
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
3
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,通常简写为\number
命名捕获组反向引用:\k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$number方式的引用。程序中的引用一般在替换和匹配时使用。
注:以下应用举例仅考虑简单应用场景,对于hello')"/>这种复杂场景暂不考虑。
1) 在Replace中引用,通常是通过$number方式引用。
举例:替换掉html标签中的属性。
var data = "
test |
var reg = /]*>/ig;
document.getElementById("result").value = data.replace(reg, "");
//输出
test |
2) 在匹配时的引用,通常通过RegExp.$number方式引用。
举例:同时获取中的src和name属性值,属性的顺序不固定。参考一条正则能不能同时取出一个img标记的src和name?
2.3.2 .NET中的引用
由于.NET支持命名捕获组,所以在.NET中的引用方式会多一些。通常也是在两种场景下应用,一是替换,一是匹配。
1) 替换中的引用
普通捕获组:$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 ="
test |
richTextBox2.Text
= Regex.Replace(data, @"(?i)]*>", "");
//输出
test |
使用命名捕获组。
string data ="
test |
richTextBox2.Text
= Regex.Replace(data, @"(?i)[a-z]+)[^>]*>", "");
//输出
test |
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 = "CSDN";
Regex reg = new Regex(@"(?is)[^""'\s>]*)\1[^>]*>(?(?:(?!).)*)");
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 : CSDN
m.Result("$0") : CSDN
m.Groups[0].Value : CSDN
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。