如何在正则表达式中反向引用“内部”选择（ () ）？

Posted 2023-02-15

【中文标题】如何在正则表达式中反向引用“内部”选择（ () ）？

【英文标题】：How to back reference "inner" selections ( () ) in a regular expression?

【发布时间】：2022-01-14 16:58:15

【问题描述】：

如何在 Regex 中反向引用内括号？

示例数据是一个产品价格表，根据购买的数量显示不同的价格区间。格式为 quantityLow - quantityHigh : pricePer ;倍数。

我使用 LINQPad 构造了这个 C# Regex 表达式来分隔各个部分，它显示了 Regex 数据分离的便捷可视化。在此示例中，存在“内部”括号（选择），创建了分层数据结构。

string mys = "1-4:2;5-9:1.89";
Regex.Matches (mys, @"((\d+)[-|\+](\d*):(\d+\.?\d*);?)").Dump();  // Graphically show

这分解为（比赛就是一切。在比赛中，有单场比赛和小组赛。在小组赛中是一些单场比赛。）

MatchCollection（2 项） 组集合（4 项） CaptureCollection（1 项）() 组“1-4:2;” CaptureCollection（1 项）（）组“1” CaptureCollection（1 项）（）组“4” CaptureCollection（1 项）（）组“2” CaptureCollection（1 项）() 匹配“1-4;2;” 组集合（4 项） CaptureCollection（1 项）（）组“5-9:1.89” CaptureCollection（1 项）（）组“5” CaptureCollection（1 项）（）组“9” CaptureCollection（1 项）（）组“1.89” CaptureCollection（1 项）（）匹配“5-9:1.89”

仅供参考：

() 括号组找到了可以被 \1..\9 引用的结果（我认为）。 \d 匹配单个数字。后面的 + 匹配一位或多位数字。 * 在匹配零个或多个数字之后。 ? after 说这个匹配是可选的。 。匹配单个字符。 \。在这种情况下匹配句点或小数。

【参考方案1】：

像往常一样使用\1 ... \9（或$1 ... $9 在某些正则表达式实现中）。编号是从左到右的，基于开放括号的位置（因此嵌套组的编号高于其嵌套的组）。

【讨论】：

或\k<foo> 反向引用命名组(?<foo>...)，当有太多时。

有人有任何示例代码来使用自动编号（身份）进行命名反向引用吗？像 (?[1-8]...) 之类的东西，其中包含 name1、name2、name3、name4 等...？

【参考方案2】：

请注意，这是对 Zim 博士评论的回复：

“奇怪的是，这两种方式似乎都可以正常工作。我选择了“调节器”，它至少显示了正则表达式是如何分解的。如果它具有设置实现的功能，我想我在做生意。”

但是我的回答对于评论框来说太长了。

不，您不需要转义加号，在这种情况下是连字符。在字符类中，以下字符具有特殊含义：]、^ 和 -。这三个字符是唯一可能需要转义的字符（注意[ 不需要转义！）。我说 可能 因为这取决于这些元字符出现的位置。 ^ 仅在放置在字符类的开头时才具有特殊含义（作为否定指示符），在其他地方，它不需要转义，只会匹配文字 ^。一些例子来说明：

[^a]   // special meaning: matches any character except 'a'
[a^]   // matches 'a' or '^'
[\^a]  // matches '^' or 'a'

连字符只有在不放在字符类的开头或结尾时才具有特殊含义（作为范围指示符）。例子：

[a-c]  // special meaning: matches 'a', 'b' or 'c'
[ac-]  // matches 'a', 'c' or '-'
[-ac]  // matches '-', 'a' or 'c'
[a\-c] // matches 'a', '-' or 'c'

毫无疑问，一些正则表达式的实现可能与我刚刚发布的有所不同，但大多数语言都将遵守这些规则（至少我使用过的所有语言！）。正如您所注意到的，在字符类中 over escape 字符是安全的：它不会造成任何伤害。 [+] 和 [\+] 这两个类都将匹配文字 +。恕我直言，第一个是首选，因为我发现一个正则表达式有太多难以阅读的转义。但有些人会不同意我的观点，并发现通过使用转义符（虽然不是必需的）更清楚的是，匹配的是文字 + 而不是贪婪的量词。

希望能解决问题。

【讨论】：

此答案已添加到 Stack Overflow Regular Expression FAQ 的“字符类”下。

【参考方案3】：

作为旁注，字符类总是匹配单个字符，“普通”元字符不适用于它们。所以你的类[-|\+] 匹配三个字符-、| 或+ 之一。如您所见，逻辑 OR 元字符在字符类中没有特殊含义。而且您不需要在字符类中转义 + 字符，所以应该这样做：[-+]。

【讨论】：

经过研究，我同意管道不是“或”，但您是否仍需要在类括号内“引用”减号和加号？例如：/^[\d\s()\-\+\/]*$/ 将匹配电话号码 714/921-5424（来自 VisiBone 图表的示例），或者此实现依赖于？

奇怪的是，这两种方式似乎都可以正常工作。我选择了“Regulator”，它至少显示了正则表达式是如何分解的。如果它有设置实现的功能，我想我在做生意。

注意/^[\d\s\(\)\-\+\/]*$/类等价于/^[\d\s()+\/-]*$/