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。
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。
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}-(dd))
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dd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}-(dd)) |
2008-12-31 |
|
1 |
(d{4}) |
2008 |
|
2 |
|
(d{2}-(dd)) |
12-31 |
3 |
|
(dd) |
31 |
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>dd))
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>dd)) |
2008-12-31 |
|
1 |
year |
(?<year>d{4}) |
2008 |
2 |
date |
(?<date>d{2}-(?<day>dd)) |
12-31 |
3 |
day |
(?<day>dd) |
31 |
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}-(dd))
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}-(dd)) |
2008-12-31 |
|
1 |
(d{4}) |
2008 |
|
3 |
date |
(?<date>d{2}-(dd)) |
12-31 |
2 |
|
(dd) |
31 |
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。
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 umber
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。
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。
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。
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, "<$1>");
</script>
//输出
<table><tr><td> test </td></tr></table>
2) 在匹配时的引用,通常通过RegExp.$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?
[javascript] view plain copy
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]+)[^>]*>", "<$1>");
//输出
<table><tr><td> test </td></tr></table>
使用命名捕获组。
string data = "<table id="test"><tr class="light"><td> test </td></tr></table>";
richTextBox2.Text = Regex.Replace(data, @"(?i)<(?<tag>[a-z]+)[^>]*>", "<${tag}>");
//输出
<table><tr><td> test </td></tr></table>
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 + " ";
richTextBox2.Text += "m.Result("$0"):".PadRight(25) + m.Result("$0") + " ";
richTextBox2.Text += "m.Groups[0].Value:".PadRight(25) + m.Groups[0].Value + " ";
richTextBox2.Text += "m.Result("$2"):".PadRight(25) + m.Result("$2") + " ";
richTextBox2.Text += "m.Groups[2].Value:".PadRight(25) + m.Groups[2].Value + " ";
richTextBox2.Text += "m.Result("${url}"):".PadRight(25) + m.Result("${url}") + " ";
richTextBox2.Text += "m.Groups["url"].Value:".PadRight(25) + m.Groups["url"].Value + " ";
richTextBox2.Text += "m.Result("$3"):".PadRight(25) + m.Result("$3") + " ";
richTextBox2.Text += "m.Groups[3].Value:".PadRight(25) + m.Groups[3].Value + " ";
richTextBox2.Text += "m.Result("${text}"):".PadRight(25) + m.Result("${text}") + " ";
richTextBox2.Text += "m.Groups["text"].Value:".PadRight(25) + m.Groups["text"].Value + " ";
}
//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。
本文标签:捕获
版权说明: