首页 > 代码库 > 解惑正则表达式中的捕获

解惑正则表达式中的捕获

读jQuery源码,其中不可避免的要弄明白正则表达式,在此对非捕获组(non-capturing)进行了一些梳理。

关于捕获的一些主要用法

  1. (?:X)
  2. (?=X)
  3. (?<=X)
  4. (?!X)
  5. (?<!X)

捕获

要书明白捕获,就要先从分组开始。重复单字符我们可以使用限定符,如果重复字符串,用什么呢? 对!用小括号,小括号里包裹指定字表达式(子串),这就是分组。之后就可以限定这个子表示的重复次数了。

那么,什么是捕获呢?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(即匹配的内容)可以在表达式或者其他过程中接着用,怎么用呢?至少应该有个指针啥的引用它吧? 对!默认情况下,每个分组(小括号)会自动

拥有一个组号,从左到右,以分组的左括号为标志,第一个出现的分组组号为1,后续递增。如果出现嵌套,

例如:

“aabcd”

采用正则 (a(b))(c) match 结果入下:

分组捕获
$1(group1)ab
$2(group2)b
$3(group3)c

继续涨姿势。

一、(?:)非捕获组走起。

由下面一个例子引发对非捕获组的学习。

有两个金额:6000¥ 和 1000$。

需求是得到金额和货币种类。

『废话少说,多用正则』:

(\d+)+([$¥])

输出结果为:

OK,满足了要求。这里的正则分成了两个组,一个是(d+),一个是(¥$),前一个组($1)匹配金额,后一个组($2)匹配货币种类。

现在,需求变了!! 我需要这个正则同时可以匹配浮点数小数点前面的整数。如10010.86¥,提炼出 10010 和 ¥。

那么正则如下:

(\d+)(\.?)(\d)([$¥]) 

这里用括号分了四组,所以要输出金额的整数部分和种类,要分别输了$1,$4了。如果输出部分和正则是分开的,我希望只修改正则而不去修改输出部分的代码,也就是还是用$1,$2作为输出。由此可以引出非捕获组(?:)。

把前面的正则修改为:

(\d+)(?:\.?)(?:\d+)([¥$])$ 

这样,还是用$1,$2做为输出,同样输出了 10010 和 ¥

这个正则的中间两个组用到的就是非捕获组(?:),它可以理解为只分组而不捕获。

二、(?=)和(?<=) 前后查找

有的资料把它们叫做肯定式向前查找和肯定式向后查找;

有的资料也叫做肯定顺序环视和肯定逆序环视。

1、直接看下面的例子:

[0-9a-z]{2}(?=aa) var str = "12332aa438aaf"; 

Match List:

132
238

这个正则的意思是:匹配这么一个字符串,它要满足:是两位字符(数字,或字母),且后面紧跟着两个a。

分析一下:

32aa 这个子串满足这个条件,所以可以匹配到,又因为 (?=) 的部分是不捕获的,所以输出的只是 32,不包括aa。同理 38aa 也匹配这个正则,而输出仅是 38。

再深入看一下:

当str第一次匹配成功输出 32 后,程序要继续向后查找是否还有匹配的其它子串。那么这时应该从 32aa 的后一位开始向后查找,还是从 32 的后一位呢?也就是从索引 5 开始还是从 7 开始呢?有人可能想到是从 32aa 的下一位开始往后找,因为 32aa 匹配了正则,所以下一位当然是它的后面也就是从 4 开始。但实际上是从 32 的后一位也就是第一个 a 开始往后找。原因还是 (?=) 是非捕获的。

查阅API文档是这么注释的:

(?=X) X, via zero-width positive lookahead

可见zero-width(零宽度)说的就是这个意思。

现在,把字符串写的更有意思些:str = "aaaaaaaa";

看一下它的输出: aa aa aa

分析一下:

这个字符串一共有8个a。

第一次匹配比较容易找到,那就是前四个:aaaa ,当然第三和第四个 a 是不捕获的,所以输出是第一和第二个a;

接着继续查找,这时是从第三个a开始,三到六,这4个a区配到了,所以输出第三和第四个a;

接着继续查找,这时是从第五个a开始,五到八,这4个a区配到了,所以输出第五和第六个a;

接着往后查找,这时是从第七个a开始,显然,第七和第八个a,不满足正则的匹配条件,查找结束。

我们再延伸一下,刚说的情况的是(?=)放在捕获的字符串后面,它如果放在前面又是什么结果呢?

例子换成:

(?=hopeful)hope 

它的输出是hope。

正则的意思是:是否能匹配hopeful,如果能,则捕获hopeful中的hope。当然继续向后查找匹配的子串,是从f开始。

比较一下可以看出,(?=hopeful)hope 和 hope(?=ful),两个正则的效果其实是一样的。

2、下面说一下 (?<=)

把正则改一下,

(?<=aa)[0-9a-z]{2}; 

字符串还是str = "12332aa438aaf";

它的输出:43。

这个正则的意思是:匹配这么一个字符串,它要满足:是两位字符(数字或字母),且前面紧跟的是两个字母 a。

同样,深入一下,把str换成str = "aaaaaaaa";看一下输出是什么,同样也是:aa aa aa

分析一下:

第一次匹配不用说,是前四个a,输出的是第三和第四个a;

继续向后查找,从第五个a开始,程序发现,第五个和第六个a满足,因为是两位字符,且满足前面紧跟着两个a(第三和第四个a)。所以匹配成功,输出第五个和第六个a;

继续向后查找,从第七个a开始,程序发现,第七个和第八个a满足,因为是两位字符,且满足前面紧跟着两个a(第五和第六个a)。所以匹配成功,输出第七和第八个a。查找结束。

三、(?!)和(?<!) 逆袭!

从外观上看,和前面一组很相似,区别就是把 ‘=’ 换成了 ‘!’

那么意义刚好也是相反的。

[0-9a-z]{2}(?!aa)意思是:匹配两个字符,且后面紧跟着的不是aa

(?<!aa)[0-9a-z]{2} 意思是:匹配两个字符,且前面紧跟着的不是aa

用法和前面讲的差不多,这里不再详述。