使用小括号指定一个子表达式后,匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下,每个分组会自动拥有一个组号,规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。
注:
呃……其实,组号分配还不像我刚说得那么简单:
- 分组0对应整个正则表达式
- 实际上组号分配过程是要从左向右扫描两遍的:第一遍只给未命名组分配,第二遍只给命名组分配--因此所有命名组的组号都大于未命名的组号
- 你可以使用(
?:exp
)这样的语法来剥夺一个分组对组号分配的参与权.
后向引用用于重复搜索前面某个分组匹配的文本。例如,\1
代表分组1匹配的文本
。难以理解?请看示例:
\b(\w+)\b\s+\1\b
可以用来匹配重复的单词
,像go go
, 或者kitty kitty
。这个表达式首先是一个单词
,也就是单词开始处和结束处之间的多于一个的字母或数字
(\b(\w+)\b
),这个单词会被捕获到编号为1的分组中,然后是1个或几个空白符
(\s+
),最后是分组1中捕获的内容(也就是前面匹配的那个单词)
(\1
)。
你也可以自己指定子表达式的组名。要指定一个子表达式的组名,请使用这样的语法:(?<Word>\w+)
(或者把尖括号换成'
也行:(?'Word'\w+)
),这样就把\w+
的组名指定为Word
了。要反向引用这个分组捕获的内容,你可以使用\k<Word>
,所以上一个例子也可以写成这样:\b(?<Word>\w+)\b\s+\k<Word>\b
。
使用小括号的时候,还有很多特定用途的语法。下面列出了最常用的一些:
表4.常用分组语法:
| 分类 | 代码/语法 | 说明 |
| -- | -- |
| 捕获 | (exp)
| 匹配exp,并捕获文本到自动命名的组里
|
| 捕获 | (?<name>exp)
| 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp)
|
| 捕获 | (?:exp)
| 匹配exp,不捕获匹配的文本,也不给此分组分配组号
|
| 零宽断言 | (?=exp)
| 匹配exp前面的位置
|
| 零宽断言 | (?<=exp)
| 匹配exp后面的位置
|
| 零宽断言 | (?!exp)
| 匹配后面跟的不是exp的位置
|
| 零宽断言 | (?<!exp)
| 匹配前面不是exp的位置
|
| 注释 | (?#comment)
| 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读
|
我们已经讨论了前两种语法。第三个(?:exp)
不会改变正则表达式的处理方式,只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面,也不会拥有组号
。“我为什么会想要这样做?”——好问题,你觉得为什么呢?