正则基础之 捕获组(capture group)
<div id="navCategory"><h5 class="catalogue">目录</h5><ul class="first_class_ul"><li><a href="#_label0">1、概述</a></li><ul class="second_class_ul"><li><a href="#_lab2_0_0">1.1 什么是捕获组</a></li><li><a href="#_lab2_0_1">1.2 捕获组编号规则</a></li><ul class="third_class_ul"><li><a href="#_label3_0_1_0">1.2.1 普通捕获组编号规则</a></li><li><a href="#_label3_0_1_1">1.2.2 命名捕获组编号规则</a></li><li><a href="#_label3_0_1_2">1.2.3 普通捕获组与命名捕获组混合编号规则</a></li></ul></ul><li><a href="#_label1">2、捕获组的引用</a></li><ul class="second_class_ul"><li><a href="#_lab2_1_2">2.1 反向引用</a></li><ul class="third_class_ul"></ul><li><a href="#_lab2_1_3">2.2 条件判断表达式</a></li><ul class="third_class_ul"></ul><li><a href="#_lab2_1_4">2.3 程序中引用</a></li><ul class="third_class_ul"><li><a href="#_label3_1_4_3">2.3.1 JavaScript中的引用</a></li><li><a href="#_label3_1_4_4">2.3.2 .NET中的引用</a></li></ul></ul></ul></div><p class="maodian"><a name="_label0"></a></p><h2>1、概述</h2><p class="maodian"><a name="_lab2_0_0"></a></p><h3>1.1 什么是捕获组</h3>
<p>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。</p>
<p>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：</p>
<p>普通捕获组：(Expression)</p>
<p>命名捕获组：(?<name>Expression)</p>
<p>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)。</p>
<p>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。</p>
<p class="maodian"><a name="_lab2_0_1"></a></p><h3>1.2 捕获组编号规则</h3>
<p>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。</p>
<p>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。</p>
<p class="maodian"><a name="_label3_0_1_0"></a></p><h4>1.2.1 普通捕获组编号规则</h4>
<p>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 。</p>
<p>正则表达式：<code>(\d{4})-(\d{2}-(\d\d))</code></p>
<p><img alt="" src="https://img.jbzj.com/file_images/article/202305/202305281105151.jpg" /></p>
<p>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。</p>
<p>用以上正则表达式匹配字符串：2008-12-31，匹配结果为：</p>
<table><tbody><tr><td><p>编号</p></td><td><p>命名</p></td><td><p>捕获组</p></td><td><p>匹配内容</p></td></tr><tr><td><p>0</p></td><td></td><td><p>(\d{4})-(\d{2}-(\d\d))</p></td><td><p>2008-12-31</p></td></tr><tr><td><p>1</p></td><td></td><td><p>(\d{4})</p></td><td><p>2008</p></td></tr><tr><td><p>2</p></td><td><p></p></td><td><p>(\d{2}-(\d\d))</p></td><td><p>12-31</p></td></tr><tr><td><p>3</p></td><td><p></p></td><td><p>(\d\d)</p></td><td><p>31</p></td></tr></tbody></table>
<p class="maodian"><a name="_label3_0_1_1"></a></p><h4>1.2.2 命名捕获组编号规则</h4>
<p>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。</p>
<p>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 。</p>
<p>正则表达式：<code>(?<year>\d{4})-(?<date>\d{2}-(?<day>\d\d))</code></p>
<p><img alt="" src="https://img.jbzj.com/file_images/article/202305/202305281105152.jpg" /></p>
<p>用以上正则表达式匹配字符串：2008-12-31</p>
<p>匹配结果为：</p>
<table><tbody><tr><td><p>编号</p></td><td><p>命名</p></td><td><p>捕获组</p></td><td><p>匹配内容</p></td></tr><tr><td><p>0</p></td><td></td><td><p>(?<year>\d{4})-(?<date>\d{2}-(?<day>\d\d))</p></td><td><p>2008-12-31</p></td></tr><tr><td><p>1</p></td><td><p>year</p></td><td><p>(?<year>\d{4})</p></td><td><p>2008</p></td></tr><tr><td><p>2</p></td><td><p>date</p></td><td><p>(?<date>\d{2}-(?<day>\d\d))</p></td><td><p>12-31</p></td></tr><tr><td><p>3</p></td><td><p>day</p></td><td><p>(?<day>\d\d)</p></td><td><p>31</p></td></tr></tbody></table>
<p class="maodian"><a name="_label3_0_1_2"></a></p><h4>1.2.3 普通捕获组与命名捕获组混合编号规则</h4>
<p>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。</p>
<p>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。</p>
<p>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。</p>
<p>正则表达式：<code>(\d{4})-(?<date>\d{2}-(\d\d))</code></p>
<p><img alt="" src="https://img.jbzj.com/file_images/article/202305/202305281105153.jpg" /></p>
<p>用以上正则表达式匹配字符串：2008-12-31，匹配结果为：</p>
<div><table><tbody><tr><td><p><strong>编号</strong></p></td><td><p><strong>命名</strong></p></td><td><p>捕获组</p></td><td><p>匹配内容</p></td></tr><tr><td><p>0</p></td><td></td><td><p>(\d{4})-(?<date>\d{2}-(\d\d))</p></td><td><p>2008-12-31</p></td></tr><tr><td><p>1</p></td><td></td><td><p>(\d{4})</p></td><td><p>2008</p></td></tr><tr><td><p>3</p></td><td><p>date</p></td><td><p>(?<date>\d{2}-(\d\d))</p></td><td><p>12-31</p></td></tr><tr><td><p>2</p></td><td><p></p></td><td><p>(\d\d)</p></td><td><p>31</p></td></tr></tbody></table></div>
<p class="maodian"><a name="_label1"></a></p><h2>2、捕获组的引用</h2>
<p>对捕获组的引用一般有以下几种：</p>
<p>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；<br />2)正则表达式中，(?(name)yes|no)的条件判断结构；<br />3)在程序中，对捕获组捕获内容的引用。</p>
<p class="maodian"><a name="_lab2_1_2"></a></p><h3>2.1 反向引用</h3>
<p>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。</p>
<p>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。</p>
<p>对于普通捕获组和命名捕获组的引用，语法如下：</p>
<p>普通捕获组反向引用：\k<number>，通常简写为\number</p>
<p>命名捕获组反向引用：\k<name>或者\k'name'</p>
<p>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。</p>
<p>反向引用涉及到的内容比较多，后续单独说明。</p>
<p class="maodian"><a name="_lab2_1_3"></a></p><h3>2.2 条件判断表达式</h3>
<p>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。</p>
<p class="maodian"><a name="_lab2_1_4"></a></p><h3>2.3 程序中引用</h3>
<p>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。</p>
<p class="maodian"><a name="_label3_1_4_3"></a></p><h4>2.3.1 JavaScript中的引用</h4>
<p>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$number方式的引用。程序中的引用一般在替换和匹配时使用。</p>
<p>注：以下应用举例仅考虑简单应用场景，对于<a href="javascript:document.write('<b>hello</b>')"/>这种复杂场景暂不考虑。</p>
<p>1) 在Replace中引用，通常是通过$number方式引用。</p>
<p>举例：替换掉html标签中的属性。</p>
<div class="jb51code"><pre class="brush:js;"><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 = /<(+)[^>]*>/ig;
document.getElementById("result").value = data.replace(reg, "<$1>");
</script>
//输出
<table><tr><td> test </td></tr></table></pre></div>
<p>2) 在匹配时的引用，通常通过RegExp.$number方式引用。</p>
<p>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?</p>
<div class="jb51code"><pre class="brush:js;"><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;
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.$4 + "\n";
}
}
</script></pre></div>
<p class="maodian"><a name="_label3_1_4_4"></a></p><h4>2.3.2 .NET中的引用</h4>
<p>由于.NET支持命名捕获组，所以在.NET中的引用方式会多一些。通常也是在两种场景下应用，一是替换，一是匹配。</p>
<p>1) 替换中的引用</p>
<p>普通捕获组：$number</p>
<p>命名捕获组：${name}</p>
<p>替换中应用，仍是上面的例子。</p>
<p>举例：替换掉html标签中的属性。使用普通捕获组。</p>
<div class="jb51code"><pre class="brush:vb;">string data = "<table id=\"test\"><tr class=\"light\"><td> test </td></tr></table>";
richTextBox2.Text = Regex.Replace(data, @"(?i)<(+)[^>]*>", "<$1>");
//输出
<table><tr><td> test </td></tr></table></pre></div>
<p>使用命名捕获组。</p>
<div class="jb51code"><pre class="brush:vb;">string data = "<table id=\"test\"><tr class=\"light\"><td> test </td></tr></table>";
richTextBox2.Text = Regex.Replace(data, @"(?i)<(?<tag>+)[^>]*>", "<${tag}>");
//输出
<table><tr><td> test </td></tr></table></pre></div>
<p>2) 匹配后的引用</p>
<p>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。</p>
<div class="jb51code"><pre class="brush:vb;">string test = "<a href=\"//www.jb51.net\">jb51</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.Value：".PadRight(25) + m.Groups.Value + "\n";
richTextBox2.Text += "m.Result(\"$2\")：".PadRight(25) + m.Result("$2") + "\n";
richTextBox2.Text += "m.Groups.Value：".PadRight(25) + m.Groups.Value + "\n";
richTextBox2.Text += "m.Result(\"${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("$3") + "\n";
richTextBox2.Text += "m.Groups.Value：".PadRight(25) + m.Groups.Value + "\n";
richTextBox2.Text += "m.Result(\"${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="//www.jb51.net">jb51</a>
m.Result("$0")： <a href="//www.jb51.net">jb51</a>
m.Groups.Value： <a href="//www.jb51.net">jb51</a>
m.Result("$2")： //www.jb51.net
m.Groups.Value： //www.jb51.net
m.Result("${url}")： //www.jb51.net
m.Groups["url"].Value： //www.jb51.net
m.Result("$3")： jb51
m.Groups.Value： jb51
m.Result("${text}")： jb51
m.Groups["text"].Value： jb51</pre></div>
<p>对于捕获组0的引用，可以简写作m.Value。</p>
頁:
[1]