正则表达式入门选择，分组和向后引用

Posted 2020-08-15 hahazexia

分组就是对文本加括号以帮助执行某种操作，比如：

• 在两种或更多可选模式中选择一个
• 创建子模式
• 捕获一个分组后以便之后向后引用
• 对组合的模式使用某项操作（如量词）
• 使用非捕获分组
• 原子分组

选择操作
选择操作可在多个可选模式中匹配一个。例如，你想在"The rime of the Ancyent Mariner"中找出the出现过多少次，包括THE，The和the的形式。
若在RegExr上方文本框输入

(THE|The|the)

则看到所有the都被标亮。
可以使用选项来使分组更简短。例如：

(?i)

可以让模式不再区分大小写。所有上面带选择操作的模式可以写成

(?i)the

正则表达式中的选项

子模式
正则表达式中的子模式是指分组中的一个或多个分组。
例如：

(the|The|THE)
(t|T)h(e|eir)

括号对于子模式不是必须的。

\\b[tT]h[ceinry]*\\b

这个模式会匹配the或The还有thee，thy以及thence等单词。

• \\b匹配单词起始边界
• [tT]是字符组，它匹配小写字母t或者大写字母T。可以看做是第一个子模式。
• 然后匹配小写字母h
• 第二个也就是最后一个子模式也表示为字符组[ceinry]，后面量词*表示一个或多个
• \\b单词的结尾边界

捕获分组和后向引用
当一个模式的全部或者部分内容由一对括号分组时，它就对内容进行捕获并临时存储与内存中。可以通过后向引用重用捕获的内容。

\\1

或者

$1

这里\\1或$1引用的是第一个捕获的分组，而\\2或$2引用的是第二个捕获的分组，以此类推。
命名分组
命名分组就是有名字的分组。
假如你要查找含有连续六个0的字符串：

000000

就可以用这个模式对连续三个0的分组命名：

(?<z>0{3})

然后你可以再使用该分组：

(?<z>0{3})\\k<z>

或者

(?<z>0{3})\\k\'z\'

或者

(?<z>0{3})\\g{z}

命名分组的语法

非捕获分组
非捕获分组不会将内容存储在内存中。在你并不想引用分组的时候可以使用，因为没有存储内容，所以可以带来性能上的提升。

(the|The|THE)

这个分组不需要任何后向引用，所以可以写成非捕获分组：

(?:the|The|THE)

添加选项将其变为不区分大小写的模式：

(?i)(?:the)

也可以这样写：

(?:(?i)the)

最推荐的写法是这样的：

(?i:the)

原子分组
另一种非捕获分组是原子分组。
如果你使用的正则表达式引擎进行回溯操作，这种分组就可以将回溯操作关闭，但它只针对原子分组内的部分，而不针对整个正则表达式。

(?>the)

小结：

1.(THE|The|the)，通过竖线|可以多个可选模式中匹配一个

2.括号()内的模式和字符组[]都可以看做一个分组

3.括号()内的分组会被捕获到内存中，使用\\1或者$1后向引用

4.通过命名的分组可以用名字来后向引用

5.(?:the|The|THE)非捕获分组不会存在内存中，以提高性能