正则表达式学习笔记（二）捕获与环视

我们接着上面的笔记学习。我们今天的内容是捕获，后向引用和环视功能（正向，反向）。

在开始之前，有一些对于上一章博客的补充说明。上一章博客我们讲了元字符以及它的作用（用于匹配），但是有一些初学者容易懵逼的点之前没有说明，现在补充在这里。

1. 有些元字符代表在不同的语境下面代表不同的意思。

典型的有^和-，众所周知，^是锚点，匹配一个行的开头，但是如果在标记括号中，它代表的是反选，[^a]表示匹配一个不是a的字符，与[a]的意思相反。

对于-，在一般语境下面平平无奇，但是在标记括号[]中，在两个数字或者两个字母中间的时候，满足这两个条件，-语义发生变化，成为范围符号。比如，一般语境下面,-匹配-，在[]中，[1-3]和[a-z]分别匹配1到3和所有的小写字母。但是请注意，一定是满足既在标记括号中，又在字母或者数字中间，-才会是范围符号，如果[-az]就仅仅是匹配-或者a或者b了。

2. 正则表达式中，匹配的含义。

按照初学者（包括楼主）的理解，匹配就是匹配某个字符，如果找到了某个目标字符，我们就算匹配成功。诚然，这也是传统意义上面的字符查找，但是正则表达式作为一种强大的工具，匹配的含义远远大于传统意义，正则表达式可以匹配某个位置。如果对这一点感到疑惑，请想想锚点，无论是匹配行开头还是行结尾，锚点永远匹配的是一个位置而非某个字符。

3. 正则表达式有不同的流派。

作为一种强大的工具，很多语言对正则表达式都提供了良好的支持，比如Perl，Python，C#，Java甚至Notepad++等，但是每种语言对于正则表达式的支持又有些微的差别，有可能会出现要表达同样的语义，在不同的流派下面需要不同的句子，但是请不要担心，尽管选择你喜欢的，熟悉的工具来练习正则表达式吧，在你成为一个大师之前，你遇到这种情况的可能性是很小的。注意，在我们这个系列里面，所有的例子，楼主都用Notepad++测试通过，所以如果想跟着楼主一起来写，你最好也使用Notepad++吧。

 

好了，废话了那么久，让我们开始这一章的学习。

捕获与后向引用：

我们之前学习过的子表达式()，除了表明在()之间的元素属于一个单元——比如，\D\d+和(\D\d)+是不一样的两个模式，前者表明数字至少需要出现一次，后者表明非数字和数字组合至少需要出现一次——之外，还有捕获的功能。捕获的意思，就是把已经匹配成功的在()之间的串，存储在以数字1为基底的变量中。访问所捕获变量时用\1,\2进行访问。

像\1,\2,\3等也叫做后向引用，可以出现在模式当中完成一些用其他功能比较难以实现的功能，最典型的用法就是，通过后向引用来查看文章里面有没有重复出现的单词。

当然，可能有人也有疑问了，难道每一个子表达式()都有捕获作用吗？默认情况下，是的，但是如果不想要某个子表达式开启捕获功能，可以使用(?:)而不是()来关闭捕获功能仅仅保留子表达式的功能，这样表达式的匹配不会受到影响，但是不会存储子表达式匹配到的串。在大部分情况下，这是提高效率的一种方式。所以如果在使用子表达式之前能很确定我们不需要捕获里面的值，就请放心的关闭捕获功能吧。

 

环视：

环视是指不消耗文本内容而查看文本是否匹配的一种方式，有点像程序员熟悉的堆栈操作TOP，在不弹出栈底的同时查看栈底内容。这么说可能有点抽象，让我们先看看环视的定义和几个例子。

其实很好记忆，对吧？所有这四个元字符都以(?开头，如果不是否定，就用=，如果是否定，就用!。如果是后视，就再加上一个<在?后面。

环视就是典型的匹配了位置而不是字符的操作，对于环视，有个经典的应用，是往11位手机号码中插入短横线，把12345678912的电话号码输出为123-4567-8912。如果人工一条一条的来修改，是费力不讨好的事情，使用环视则可轻松完成。尝试使用模式 (?:(?=(\d{4})+$)) 替换

即可完成。其中，?:表示不需要捕获（因为捕获会降低性能，虽然很轻微，但是在不需要的时候最好还是关闭），(?=(\d{4})+$) 表示匹配的位置前面有至少1组4位数字并直接到行尾，这样匹配到的就是两个位置，分别在3和7后面，因为3后面有45678912而7后面有8912，分别替换这两位置为-，原字符串就变为123-4567-8912。

怎么样，见识到正则表达式的强大了没有？如果心动了就赶快练起来吧。平时工作中大家可以尝试刻意的制造一些机会去使用正则表达式，其实大家经常在工作中都会遇到一些需求，可以使用正则表达式来大幅简化任务，比如，提取email地址，代码审查的小工具，数字格式化等，这些任务我们当然可以用C#等重型工具来完成，但是如果掌握了正则，直接用文本编辑器就可以解决任务，是不是就更快了呢？所以大家遇到这种机会，一定不要放过使用啊。