java正则表达式，捕获组重命名怎么搞

Python030

java正则表达式，捕获组重命名怎么搞,第1张

1. 捕获组及其编号：

1) 捕获组之前讲过，就是匹配到的内容，按照()子表达式划分成若干组；

2) 例如正则表达式：(ab)(cd(ef))就有三个捕获组，没出现一对()就是一个捕获组

3) 捕获组编号规则：

i. 引擎会对捕获组进行编号，编号规则是左括号(从左到右出现的顺序，从1开始编号；

ii. 例如：

2. 反向引用：

1) 捕获组的作用就是为了可以在正则表达式内部或者外部（Java方法）引用它；

2) 如何引用？当然是通过前面讲的用捕获组的编号来引用咯！

3) 正则表达式内部引用：

i. \X：X是一个十进制数，X的范围必须落在捕获组编号范围之内，该表达式就匹配X号捕获组所匹配到的内容；

ii. 从上面的描述可以看出，\X匹配的内容是必须X号捕获组匹配成功之后才能确定的！

iii. 例如：([ab])\1，匹配aabbcc的结果是aa和bb，\1的内容必须要让1号捕获组捕获后才能确定，如果1号捕获的是a那么\1就是a，1号捕获到了b那么\1就是b；

4) 正则表达式外部引用：就是用Matcher对象的start、end、group查询匹配信息时，使用捕获组编号对捕获组引用（int group）；

3. 捕获组命名：

1) 如果捕获组的数量非常多，那都用数字进行编号并引用将会非常混乱，并且难以记忆每个捕获组的内容及意义，因此对捕获组命名显得尤为重要；

2) Java 7开始提供了对捕获组命名的语法，并且可以通过捕获组的名称对捕获组反向引用（内外都行）；

i. 命名捕获组的语法格式：(?<自定义名>expr)

ii. 例如：(?<year>\d{4})-(?<date>\d{2}-(?<day>\d{2}))

a. 有三个命名捕获组year、date和day

b. 从左到右编号分别为1、2、3（编号同样是有效的）

3) 命名捕获组的反向引用：

i. 正则表达式内引用：\k<捕获组名称>

！例如：(?<year>\d{4})-\k<year>可以匹配1999-1999

ii. 外部引用：Matcher对象的start、end、group的String name参数指定要查询的捕获组的名称；

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) 。

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}-(\d\d))

用以上正则表达式匹配字符串：2008-12-31，匹配结果为：

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： (?P<year>\d{4})-(?P<date>\d{2}-(?P<day>\d\d))

匹配结果为：

组其实就是用来提取正则中匹配到的内容。

比如有正则表达式：abc(\d{2,5})efg，这个正则本身的意思很简单，就是字符串abc和efg之间有2到5个数字，所以字符串"abc12efg"、“abc34567efg”都能满足这个正则匹配。这个相信你能理解。

那么正则表达式模式中用小括号包起来的"\d{2,5}"这部分就叫“捕获组”，正则表达式引擎会将这部分匹配到的内容记下来，以便以后取用。java代码中，可以在调用Matcher对象的find方法得到true的返回值的时候（true说明正则表达式模式找到了符合匹配的内容），调用该Matcher对象的group(int groupNo)方法获得指定的组内容。还拿刚才那个例子来说，调用matcher.group(1)就会得到"12"、“34567”这样实际匹配的内容。这里要特别注意一下，组编号是从1开始计算的。0号组实际上就是整个正则表达式匹配到的内容。

再深入一点，上面讲到的所谓组是“捕获组”，正则引擎会记下来匹配内容，但是有时候我们不需要捕获，只是想要限制匹配，就会用到非捕获组。如果你真明白了捕获组，再看非捕获组以及前瞻后顾就明白了。