正则表达式之捕获组/非捕获组

 

•  
  • 捕获组

      语法：

字符	描述	示例
(pattern)	匹配pattern并捕获结果，自动设置组号。	(abc)+d 匹配abcd或者abcabcd
(?<name>pattern) 或 (?'name'pattern)	匹配pattern并捕获结果，设置name为组名。
\num	对捕获组的反向引用。其中 num 是一个正整数。	(\w)(\w)\2\1 匹配abba
\k< name > 或 \k' name '	对命名捕获组的反向引用。其中 name 是捕获组名。	(?<group>\w)abc\k<group> 匹配xabcx

 

      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。

      例如：

(\d{4})-(\d{2}-(\d{2}))

1        1 2          3         32

 

      以下是用程序处理捕获组的示例，对一个Url地址进行解析，并显示所有捕获组。

      可以看到按顺序设置的捕获组号。

 

Regex.Match方法

1 using System.Text.RegularExpressions;
2   namespace Wuhong.Test
3 {
4 class Program
5 {
6 static void Main( string [] args)
7 {
8 // 目标字符串
9   string source = " http://reg-test-server:8080/download/file1.html# " ;
10 // 正则式
11   string regex = @" (\w+):\/\/([^/:]+)(:\d+)?([^# :]*) " ;
12
13 Regex regUrl = new Regex(regex);
14
15 // 匹配正则表达式
16   Match m = regUrl.Match(source);
17 Console.WriteLine(m.Success);
18 if (m.Success)
19 {
20 // 捕获组存放在Match.Groups集合中，索引值从1开始，索引0处为匹配的整个字符串值
21 // 按“组号 : 捕获内容”的格式显示
22   for ( int i = 0 ; i < m.Groups.Count; i ++ )
23 {
24 Console.WriteLine( string .Format( " {0} : {1} " , i, m.Groups[i]));
25 }
26 }
27
28 Console.ReadLine();
29 }
30 }
31 }

.

 

      也可以自己指定子表达式的组名。这样在表达式或程序中可以直接引用组名，当然也可以继续使用组号。但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。

      例如：

(\d{4})-(?<date>\d{2}-(\d{2}))

1        1 3                       2         23

 

      下面在程序中处理命名捕获组，显示混合规则生成的组号，并利用捕获组的内容对源字符串进行替换。

      可以看到先对普通捕获组进行编号，再对命名捕获组编号。

 

Regex.Replace方法

1 using System.Text.RegularExpressions;
2   namespace Wuhong.Test
3 {
4 class Program
5 {
6 static void Main( string [] args)
7 {
8 // 目标字符串
9   string source = " http://reg-test-server:8080/download/file1.html# " ;
10 // 正则式，对其中两个分组命名
11   string regex = @" (\w+):\/\/(?<server>[^/:]+)(?<port>:\d+)?([^# :]*) " ;
12
13 Regex regUrl = new Regex(regex);
14
15 // 匹配正则表达式
16   Match m = regUrl.Match(source);
17 Console.WriteLine(m.Success);
18 if (m.Success)
19 {
20 // 捕获组存放在Match.Groups集合中，索引值从1开始，索引0处为匹配的整个字符串值
21 // 按“组号 : 捕获内容”的格式显示
22   for ( int i = 0 ; i < m.Groups.Count; i ++ )
23 {
24 Console.WriteLine( string .Format( " {0} : {1} " , i, m.Groups[i]));
25 }
26 }
27
28 // 替换字符串
29 // “$组号”引用捕获组的内容。
30 // 需要特别注意的是“$组号”后不能跟数字形式的字符串，如果出现此情况，需要使用命名捕获组，引用格式“${组名}”
31   string replacement = string .Format( " $1://{0}{1}$2 " , " new-reg-test-server " , "" );
32 string result = regUrl.Replace(source, replacement);
33 Console.WriteLine(result);
34
35 Console.ReadLine();
36 }
37 }
38 }

 

 

•  
  • 非捕获组

      语法：

字符	描述	示例
(?:pattern)	匹配pattern，但不捕获匹配结果。	'industr(?:y|ies) 匹配'industry'或'industries'。
(?=pattern)	零宽度正向预查，不捕获匹配结果。	'Windows (?=95|98|NT|2000)' 匹配 "Windows2000" 中的 "Windows" 不匹配 "Windows3.1" 中的 "Windows"。
(?!pattern)	零宽度负向预查，不捕获匹配结果。	'Windows (?!95|98|NT|2000)' 匹配 "Windows3.1" 中的 "Windows" 不匹配 "Windows2000" 中的 "Windows"。
(?<=pattern)	零宽度正向回查，不捕获匹配结果。	'2000 (?<=Office|Word|Excel)' 匹配 " Office2000" 中的 "2000" 不匹配 "Windows2000" 中的 "2000"。
(?<!pattern)	零宽度负向回查，不捕获匹配结果。	'2000 (?<!Office|Word|Excel)' 匹配 " Windows2000" 中的 "2000" 不匹配 " Office2000" 中的 "2000"。

 

      非捕获组只匹配结果，但不捕获结果，也不会分配组号，当然也不能在表达式和程序中做进一步处理。

      首先(?:pattern)与(pattern)不同之处只是在于不捕获结果。

      接下来的四个非捕获组用于匹配pattern（或者不匹配pattern）位置之前（或之后）的内容。匹配的结果不包括pattern。

      例如：

(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内的内容。如：<div>hello</div>之中的hello，匹配结果不包括前缀<div>和后缀</div>。

 

      下面是程序中非捕获组的示例，用来提取邮编。

      可以看到反向回查和反向预查都没有被捕获。

 

Regex.Matches方法

1 using System.Text.RegularExpressions;
2   namespace Wuhong.Test
3 {
4 class Program
5 {
6 static void Main( string [] args)
7 {
8 // 目标字符串
9   string source = " 有6组数字：010001，100，21000，310000，4100011，510002，把邮编挑出来。 " ;
10 // 正则式
11   string regex = @" (?<!\d)([1-9]\d{5})(?!\d) " ;
12
13 Regex regUrl = new Regex(regex);
14
15 // 获取所有匹配
16   MatchCollection mList = regUrl.Matches(source);
17 for ( int j = 0 ; j < mList.Count; j ++ )
18 {
19 // 显示每个分组，可以看到每个分组都只有组号为1的项，反向回查和反向预查没有被捕获
20   for ( int i = 0 ; i < mList[j].Groups.Count; i ++ )
21 {
22 Console.WriteLine( string .Format( " {0} : {1} : {2} " , j, i, mList[j].Groups[i]));
23 }
24 }
25
26 Console.ReadLine();
27 }
28 }
29 }

 

 

• 注释

      语法：

字符	描述	示例
(?#comment)	comment是注释，不对正则表达式的处理产生任何影响	2[0-4]\d(?#200-249)|25[0-5](?#250-255)|1?\d\d?(?#0-199) 匹配0-255的整数

      这个不解释了。