替换字符串中的反向引用语法（为啥是美元符号？）

Posted 2023-02-26

【中文标题】替换字符串中的反向引用语法（为啥是美元符号？）

【英文标题】：Backreferences Syntax in Replacement Strings (Why Dollar Sign?)替换字符串中的反向引用语法（为什么是美元符号？）

【发布时间】：2011-02-22 20:36:18

【问题描述】：

在 Java 中，似乎在其他一些语言中，模式中的反向引用前面有一个反斜杠（例如 \1、\2、\3 等），但在替换字符串中它们前面有一个美元符号（例如$1、$2、$3 和 $0）。

这里有一个 sn-p 来说明：

System.out.println(
    "left-right".replaceAll("(.*)-(.*)", "\\2-\\1") // WRONG!!!
); // prints "2-1"

System.out.println(
    "left-right".replaceAll("(.*)-(.*)", "$2-$1")   // CORRECT!
); // prints "right-left"

System.out.println(
    "You want million dollar?!?".replaceAll("(\\w*) dollar", "US\\$ $1")
); // prints "You want US$ million?!?"

System.out.println(
    "You want million dollar?!?".replaceAll("(\\w*) dollar", "US$ \\1")
); // throws IllegalArgumentException: Illegal group reference

问题：

在替换字符串中使用$ 进行反向引用是Java 独有的吗？如果不是，是什么语言开始的？哪些口味使用它，哪些不使用？ 为什么这是个好主意？为什么不坚持相同的模式语法？这不会导致语言更有凝聚力和更容易学习吗？ 如果上面的语句 1 和 4 是“正确”语句而不是 2 和 3，那么语法会不会更精简？

【问题讨论】：

\1 和 \2 是八进制转义序列，分别用八进制数字 1 和 2 描述字符（参见 java.sun.com/docs/books/jls/second_edition/html/…）。这就是为什么您需要不同的引用语法。

另见***.com/questions/3556558/…

【参考方案1】：

在替换字符串中使用 $ 进行反向引用是 Java 独有的吗？

没有。 Perl 使用它，而且 Perl 肯定早于 Java 的 Pattern 类。 Java 的正则表达式支持是根据 Perl 正则表达式明确描述的。

例如：http://perldoc.perl.org/perlrequick.html#Search-and-replace

为什么这是个好主意？

显然你认为这不是一个好主意！但这是一个好主意的一个原因是使 Java 搜索/替换支持（更多）与 Perl 兼容。

$ 可能被视为比\ 更好的选择还有另一个可能原因。也就是说，\ 必须在 Java 字符串文字中写为 \\。

但这一切纯属猜测。做出设计决定时，我们都没有在房间里。最终，他们为什么以这种方式设计替换 String 语法并不重要。决策已经做出并具体化，任何进一步的讨论都纯属学术性的......除非您恰好正在为 Java 设计一种新语言或新的正则表达式库。

【讨论】：

+1 同意...现在很多正则表达式引擎都按照他们的方式做事，因为 Perl 就是这样做的。所以要真正理解它，你必须理解 Perl 背后的原因。 （警告：不要在家里尝试）

Perl pwns 在正则表达式。你现在到处都能看到它：javascript、XML、Java、php 等等。

"Perl pwns at regex" - 有人愿意帮我把它翻译成英文吗？

【参考方案2】：

在做了一些研究之后，我现在明白了这些问题：Perl 不得不为模式反向引用和替换反向引用使用不同的符号，而 java.util.regex.* 没有有 效仿，它选择效仿，不是出于技术原因，而是出于传统原因。

---

在 Perl 方面

（请记住，我目前对 Perl 的所有了解都来自阅读 Wikipedia 文章，因此请随时纠正我可能犯的任何错误）

不得不在 Perl 中这样做的原因如下：

Perl 使用 $ 作为标记（即附加到变量名的符号）。 Perl 字符串文字是变量插值。 Perl 正则表达式实际上将组捕获为变量$1、$2 等。

因此，由于 Perl 的解释方式及其正则表达式引擎的工作方式，必须在模式中使用前面的斜杠来表示反向引用（例如 \1），因为如果使用符号 $ 代替（例如 @ 987654329@)，它会导致意外的变量插值到模式中。

替换字符串，由于它在 Perl 中的工作方式，在每个匹配的上下文中进行评估。 Perl 在这里使用变量插值是最自然的，因此正则表达式引擎将组捕获到变量 $1、$2 等中，以使其与语言的其余部分无缝工作。

参考文献

Wikipedia/String literal - variable interpolation Wikipedia/Sigil (computer programming)

---

在 Java 方面

Java 是一种与 Perl 非常不同的语言，但最重要的是这里没有变量插值。此外，replaceAll 是一个方法调用，与 Java 中的所有方法调用一样，参数在调用方法之前被评估一次。

因此，仅靠变量插值功能是不够的，因为本质上必须在每次匹配时重新评估替换字符串，而这不是 Java 中方法调用的语义。在replaceAll 被调用之前评估的变量插值替换字符串实际上是没有用的；插值需要发生在方法中，在每场比赛中。

由于这不是 Java 语言的语义，replaceAll 必须手动执行此“即时”插值。因此，绝对没有技术原因为什么$ 是替换字符串中反向引用的转义符号。很可能是\。相反，模式中的反向引用也可以使用$ 而不是\ 进行转义，并且在技术上仍然可以正常工作。

Java 使用正则表达式的原因纯粹是传统的：它只是遵循 Perl 设置的先例。

【讨论】：

在正则表达式中$ 已经被用作锚；使用它作为反向引用的标志会非常混乱，如果不是不可能的话。在替换字符串中，反斜杠用于消歧；如果$10 可以指第十组，但您希望它表示第一组后跟零，则改写$1\0。当然，您可以使用它来转义文字 $。这与它在正则表达式和 Java 字符串文字中的使用是一致的。所以这不是一个完全武断的选择。