Java正则表达式学习(三)
8.捕获组
捕获组(capturing group)是将多个字符作为单独的单元来对待的一种方式。构建它们可以通过把字符放在一对圆括号中而成为一组。例如,正则表达式(dog)建了单个的组,包括字符"d" "o" 和 "g"。匹配捕获组输入的字符串部分将会存放于内存中,稍后通过反向引用再次调用。
8.1 编号方式
在Pattern的API描述中,获取组通过从左至右计算开始的圆括号进行编码。例如,在表达式((A)(B(C)))中,有下面的四组:
1.((A)(B(C)))
2.(A)
3.(B(C))
4.(C)
要找出当前的表达式中有多少组,通过调用Matcher对象的groupCount方法。groupCount方法返回int类型值,表示当前Matcher模式中捕获组的数量。例如,groupCount返回4时,表示模式中包含4个捕获组。
有一个特别的组--组0,它表示整个表达式。这个组不包括groupCount的报告范围内。 以(?开始的组是纯粹的非捕获组(non-catturinggroup)),它不捕获文本,也不作为组总数而计数
Matcher中的一些方法,可以指定int类型的特定组号作为参数,因此理解组是如何编号的是尤为重要的 。
public int start(int group):返回之前的匹配操作期间,给定组所捕获子序列的初始索引。
public int end(int group):返回之前的匹配操作期间,给定组所捕获的字序列的最后字符索引加1。
public String group(int group):返回之前的匹配操作期间,通过给定组而捕获的输出字序列。
8.2 反向引用
匹配输入字符串的捕获组部分会存放在内存中,通过反向引用(backreferences)稍后再调用。在正则表达式中,反向引用使用反斜线(\)后跟一个表示需要在调用组号的数字来表示。例如,在表达式(\d\d)定义了匹配一行中的两个数字的捕获组,通过反向引用\1,表达式稍后会被再次调用。
匹配两个数字,且后面跟着两个完全相同的数字时,就可以使用(\d\d)\1 作为正则表达式:
?
?
Enter your regex: (\d\d)\1Enter input string to search: 1212I found the text "1212" starting at index 0 and ending at index 4.?
?
如果更改最后两个数字,这时匹配就会失效:
?
?
Enter your regex: (\d\d)\1Enter input string to search: 1234No match found.?
?
?
对于嵌套的捕获组而言,反向引用采用完全相同的方式进行工作,即指定一个反斜线加上需要被再次调用的组号。
9. 边界匹配器
通过指定一些边界匹配器(boundary matches)的信息,可以使模式匹配更为精确。比如说你对某个特定的单词感兴趣,并且它只出现在行首或者是行尾。又或者你想匹配发生在单词边界(word boundary),或者是上一个匹配的尾部。
下表中列出了所有的边界匹配器及其说明。
??
?
第一个例子匹配是成功的,这是因为模式占据了整个输入的字符串。第二个例子失败了,是由于输入的字符串在开始部分包含了额外的空格。第三个例子指定的表达式是不限的空格,后跟着在行尾的dog。第四个例子,需要dog放在行首,后面跟着是不限数量的单词字符。
对于检查一个单词开始和结束的边界模式(用于长字符里子字符串),这时可以在两边使用\b,例如\bdog\b。
?
Enter your regex: \bdog\bEnter input string to search: The dog plays in the yard.I found the text "dog" starting at index 4 and ending at index 7.Enter your regex: \bdog\bEnter input string to search: The doggie plays in the yard.No match found.?
对于匹配非单词边界的表达式,可以使用\B来代替:
?
Enter your regex: \bdog\BEnter input string to search: The dog plays in the yard.No match found.Enter your regex: \bdog\BEnter input string to search: The doggie plays in the yard.I found the text "dog" starting at index 4 and ending at index 7.
??
对于需要匹配仅出现在前一个匹配的结尾,可以使用\G:
?
Enter your regex: dogEnter input string to search: dog dogI found the text "dog" starting at index 0 and ending at index 3.I found the text "dog" starting at index 4 and ending at index 7.Enter your regex: \GdogEnter input string to search: dog dogI found the text "dog" starting at index 0 and ending at index 3.?
这里的第二个例子仅找到了一个匹配,这时由于第二次出现"dog"不是在前一个匹配结尾的开始。
?