1 概述
1.1 什麼是捕獲組
捕獲組就是把正則表達式中子表達式匹配的內容,保存到內存中以數字編號或顯式命名的組裏,方便後面引用。當然,這種引用既可以是在正則表達式內部,也可以是在正則表達式外部。
捕獲組有兩種形式,一種是普通捕獲組,另一種是命名捕獲組,通常所說的捕獲組指的是普通捕獲組。語法如下:
普通捕獲組:(Expression)
命名捕獲組:(?<name>Expression)
普通捕獲組在大多數支持正則表達式的語言或工具中都是支持的,而命名捕獲組目前只有.NET、PHP、Python等部分語言支持,據說Java會在7.0中提供對這一特性的支持。上面給出的命名捕獲組的語法是.NET中的語法,另外在.NET中使用(?’name’Expression)與使用(?<name>Expression)是等價的。在PHP和Python中命名捕獲組語法爲:(?P<name>Expression)。
另外需要說明的一點是,除(Expression)和(?<name>Expression)語法外,其它的(?...)語法都不是捕獲組。
1.2 捕獲組編號規則
編號規則指的是以數字爲捕獲組進行編號的規則,在普通捕獲組或命名捕獲組單獨出現的正則表達式中,編號規則比較清晰,在普通捕獲組與命名捕獲組混合出現的正則表達式中,捕獲組的編號規則稍顯複雜。
在展開討論之前,需要說明的是,編號爲0的捕獲組,指的是正則表達式整體,這一規則在支持捕獲組的語言中,基本上都是適用的。下面對其它編號規則逐一展開討論。
1.2.1 普通捕獲組編號規則
如果沒有顯式爲捕獲組命名,即沒有使用命名捕獲組,那麼需要按數字順序來訪問所有捕獲組。在只有普通捕獲組的情況下,捕獲組的編號是按照“(”出現的順序,從左到右,從1開始進行編號的 。
正則表達式:(/d{4})-(/d{2}-(/d/d))
上面的正則表達式可以用來匹配格式爲yyyy-MM-dd的日期,爲了在下表中得以區分,月和日分別採用了/d{2}和/d/d這兩種寫法。
用以上正則表達式匹配字符串:2008-12-31,匹配結果爲:
編號 |
命名 |
捕獲組 |
匹配內容 |
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 命名捕獲組編號規則
命名捕獲組通過顯式命名,可以通過組名方便的訪問到指定的組,而不需要去一個個的數編號,同時避免了在正則表達式擴展過程中,捕獲組的增加或減少對引用結果導致的不可控。
不過容易忽略的是,命名捕獲組也參與了編號的,在只有命名捕獲組的情況下,捕獲組的編號也是按照“(”出現的順序,從左到右,從1開始進行編號的 。
正則表達式:(?<year>/d{4})-(?<date>/d{2}-(?<day>/d/d))
用以上正則表達式匹配字符串:2008-12-31
匹配結果爲:
編號 |
命名 |
捕獲組 |
匹配內容 |
0 |
|
(?<year>/d{4})-(?<date>/d{2}-(?<day>/d/d)) |
2008-12-31 |
1 |
year |
(?<year>/d{4}) |
2008 |
2 |
date |
(?<date>/d{2}-(?<day>/d/d)) |
12-31 |
3 |
day |
(?<day>/d/d) |
31 |
1.2.3 普通捕獲組與命名捕獲組混合編號規則
當一個正則表達式中,普通捕獲組與命名捕獲組混合出現時,捕獲組的編號規則稍顯複雜。對於其中的命名捕獲組,隨時都可以通過組名進行訪問,而對於普通捕獲組,則只能通過確定其編號後進行訪問。
混合方式的捕獲組編號,首先按照普通捕獲組中“(”出現的先後順序,從左到右,從1開始進行編號,當普通捕獲組編號完成後,再按命名捕獲組中“(”出現的先後順序,從左到右,接着普通捕獲組的編號值繼續進行編號。
也就是先忽略命名捕獲組,對普通捕獲組進行編號,當普通捕獲組完成編號後,再對命名捕獲組進行編號。
正則表達式:(/d{4})-(?<date>/d{2}-(/d/d))
用以上正則表達式匹配字符串:2008-12-31,匹配結果爲:
編號 |
命名 |
捕獲組 |
匹配內容 |
0 |
|
(/d{4})-(?<date>/d{2}-(/d/d)) |
2008-12-31 |
1 |
|
(/d{4}) |
2008 |
3 |
date |
(?<date>/d{2}-(/d/d)) |
12-31 |
2 |
|
(/d/d) |
31 |
2 捕獲組的引用
對捕獲組的引用一般有以下幾種:
1) 正則表達式中,對前面捕獲組捕獲的內容進行引用,稱爲反向引用;
2) 正則表達式中,(?(name)yes|no)的條件判斷結構;
3) 在程序中,對捕獲組捕獲內容的引用。
2.1 反向引用
捕獲組捕獲到的內容,不僅可以在正則表達式外部通過程序進行引用,也可以在正則表達式內部進行引用,這種引用方式就是反向引用。
反向引用的作用通常是用來查找或限定重複,限定指定標識配對出現等等。
對於普通捕獲組和命名捕獲組的引用,語法如下:
普通捕獲組反向引用:/k<number>,通常簡寫爲/number
命名捕獲組反向引用:/k<name>或者/k'name'
普通捕獲組反向引用中number是十進制的數字,即捕獲組的編號;命名捕獲組反向引用中的name爲命名捕獲組的組名。
反向引用涉及到的內容比較多,後續單獨說明。
2.2 條件判斷表達式
條件判斷結構在平衡組中談到過,基本應用和擴展應用都可以在其中找到例子,這裏不再贅述,請參考 .NET正則基礎之——平衡組。
2.3 程序中引用
根據語言的不同,程序中對捕獲組引用的方式也有所不同,下面就JavaScript和.NET進行舉例說明。
2.3.1 JavaScript中的引用
由於JavaScript中不支持命名捕獲組,所以對於捕獲組的引用就只支持普通捕獲組的反向引用和$number方式的引用。程序中的引用一般在替換和匹配時使用。
注:以下應用舉例僅考慮簡單應用場景,對於<a href="javascript:document.write('<b>hello</b>')"/>這種複雜場景暫不考慮。
1) 在Replace中引用,通常是通過$number方式引用。
舉例:替換掉html標籤中的屬性。
<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, "<$1>");
</script>
//輸出
<table><tr><td> test </td></tr></table>
2) 在匹配時的引用,通常通過RegExp.$number方式引用。
舉例:同時獲取<img…>中的src和name屬性值,屬性的順序不固定。參考 一條正則能不能同時取出一個img標記的src和name?
view plaincopy to clipboardprint?
1. <textarea id="result" rows="10" cols="100"></textarea>
2. <script type="text/javascript">
3. 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" />'] ;
4. var reg = /<img/b(?=(?:(?!name=).)*name=(['"]?)([^'"/s>]+)/1)(?:(?!src=).)*src=(['"]?)([^'"/s>]+)/3[^>]*>/i;
5. for(var i=0;i<data.length;i++)
6. {
7. var s = data[i];
8. document.getElementById("result").value += "源字符串:" + s + "/n";
9. document.write("<br />");
10. if(reg.test(s))
11. {
12. document.getElementById("result").value += "name: " + RegExp.$2 + "/n";
13. document.getElementById("result").value += "src: " + RegExp.$4 + "/n";
14. }
15. }
16. </script>
2.3.2 .NET中的引用
由於.NET支持命名捕獲組,所以在.NET中的引用方式會多一些。通常也是在兩種場景下應用,一是替換,一是匹配。
1) 替換中的引用
普通捕獲組:$number
命名捕獲組:${name}
替換中應用,仍是上面的例子。
舉例:替換掉html標籤中的屬性。使用普通捕獲組。
使用命名捕獲組。
對於捕獲組0的引用,可以簡寫作m.Value
2) 匹配後的引用
對於匹配結果中捕獲組捕獲內容的引用,可以通過Groups和Result對象進行引用。
對於捕獲組0的引用,可以簡寫作m.Value