正则表达式-分组

转载：http://blog.csdn.net/mutouyihao/article/details/7042160

正则表达式在字符串处理中经常使用，关于正则简单的用法相信有一点程序基础的人都懂得一些，这里就不介绍简单基础了。这里主要讲解一下在JAVA中实现了的正则的高级用法-分组与捕获。

    对于要重复单个字符，非常简单，直接在字符后卖弄加上限定符即可，例如 a+ 表示匹配1个或一个以上的a，a?表示匹配0个或1个a。这些限定符如下所示：

 

X ?	X ，一次或一次也没有
X *	X ，零次或多次
X +	X ，一次或多次
X { n }	X ，恰好 n 次
X { n ,}	X ，至少 n 次
X { n , m }	X ，至少 n 次，但是不超过 m 次

但是我们如果要对多个字符进行重复怎么办呢？此时我们就要用到分组，我们可以使用小括号"()"来指定要重复的子表达式，然后对这个子表达式进行重复，例如：(abc)? 表示0个或1个abc 这里一 个括号的表达式就表示一个分组 。

 

   分组可以分为两种形式，捕获组和非捕获组。

 

捕获组  

捕获组可以通过从左到右计算其开括号来编号 。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

1	((A)(B(C)))
2	(A)
3	(B(C))
4	(C)

组零始终代表整个表达式

之所以这样命名捕获组是为了在匹配中，用来保存与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过Back 引用 在表达式中使用，也可以在匹配操作完成后从匹配器检索。

 

 Back 引用 是说在后面的表达式中    我们可以使用组的编号来引用     前面的表达式所捕获到的文本序列(是文本不是正则) 。

 

 例如 ([" ']).* /1   其中使用了分组，/1就是对引号这个分组的引用，它匹配包含在两个引号或者两个单引号中的所有字符串，如，"abc" 或 " ' " 或 ' " '  ，但是请注意，它并不会对" a'或者 'a"匹配。原因上面已经说明，Back引用只是引用文本而不是表达式。

 

非捕获组  

      以 (?) 开头的组是纯的非捕获 组，它不捕获文本 ，也不针对组合计进行计数。就是说，如果小括号中以?号开头，那么这个分组就不会捕获文本，当然也不会有组的编号，因此也不存在Back 引用。

      在Java中，支持的非捕获组，有如下几种：

  

(?= X )	X ，通过零宽度的正 lookahead
(?! X )	X ，通过零宽度的负 lookahead
(?<= X )	X ，通过零宽度的正 lookbehind
(? X )	X ，通过零宽度的负 lookbehind

 

这四个非捕获组用于匹配表达式X，但是不包含表达式的文本。

(?=X )	零宽度正先行断言。仅当子表达式 X 在 此位置的右侧匹配时才继续匹配。例如，/w+(?=/d) 与后跟数字的单词匹配，而不与该数字匹配。此构造不会回溯。
(?!X)	零宽度负先行断言。仅当子表达式 X 不在 此位置的右侧匹配时才继续匹配。例如，例如，/w+(?!/d) 与后不跟数字的单词匹配，而不与该非数字匹配 。
(?<=X)	零宽度正后发断言。仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?<=19)99 与跟在 19 后面的 99 的实例匹配。此构造不会回溯。
(?	零宽度负后发断言。仅当子表达式 X 不在此位置的左侧匹配时才继续匹配。例如，(?

 

 

举例：

 

 上面都是理论性的介绍，这里就使用一些例子来说明一下问题：

   1、测试匹配性   (?

 

  2 、提取字符串   提取 da12bka3434bdca4343bdca234bm   提取包含在字符a和b之间的数字，但是这个a之前的字符不能是c,b后面的字符必须是d才能提取。

 

        例如这里就只有3434这个数字满足要求。那么我们怎么提取呢？

       首先我们写出提取这个字符串的表达式： (?

       JAVA代码片段如下：

1.  Pattern p = Pattern.compile( "(? );

2.  Matcher m = p.matcher( "da12bka3434bdca4343bdca234bm" );

3.   while (m.find()){

4.    System.out.println(m.group( 1 )); //我们只要捕获组1的数字即可。结果 3434

5.    System.out.println(m.group(0)); // 0组是整个表达式，看这里，并没有提炼出(?

6.  }

    可以看到，非捕获组，最后是不会返回结果的，因为它本身并不捕获文本。

(?:  pattern)是非捕获型括号  匹配pattern，但不捕获匹配结果。

(pattern )是捕获型括号。  匹配pattern，匹配pattern并捕获结果,自动获取组号

(? pattern )  匹配pattern，  匹配pattern并捕获结果，设置name为组名 

    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(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个捕获组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。 

    如果正则表达式中同时存在普通捕获组和命名捕获组，那么捕获组的编号就要特别注意，编号的规则是先对普通捕获组进行编号，再对命名捕获组进行编号。 

     为了避免括号太多使编号混乱，也为了避免无用的捕获提高效率，在不需要捕获只需要指定分组的地方就可以使用非捕获型括号。问题里的非捕获型括号就是为此使用的。