【读书】正则指引-3-括号
发布时间：2020-12-14 01:25:30 所属栏目：百科 来源：网络整理
导读：分组 小括号（以下称为括号）可以提供的第一个功能就是 分组（grouping） 。 通过之前的学习，可以知道量词用于限定之前元素的出现次数，这个元素可能是一个字符，也可能是一个字符组，还可能是一个表达式。如果把一个表达式用括号包围起来，就形成了括号内
分组小括号（以下称为括号）可以提供的第一个功能就是分组（grouping）。通过之前的学习，可以知道量词用于限定之前元素的出现次数，这个元素可能是一个字符，也可能是一个字符组，还可能是一个表达式。如果把一个表达式用括号包围起来，就形成了括号内的表达式，而这种表达式通常被称为“子表达式”。 换句话说，子表达式就是利用括号分组功能形成的表达式。 比如，(ab)+表示希望字符串ab重复出现一次以上。（对比ab+的含义） 分组的作用是可以准确表达“长度只能是m或 n”的语义。 分组功能使用场景：
多选结构解决15和18位身份证匹配问题其实有两种思路。第一种（上面给出的正则表达式），是将18位号码多出的3位“合并”到匹配15位号码的表达式中。第二种，则是直接将15位和18位身份证号分开处理。同样还是使用括号，但使用的是括号的第二个功能，多选结构（alternative）。多选结构的形式是(…|…)，即在括号内以竖线|分隔开多个子表达式，这些子表达式也叫做多选分支。在一个多选结构内，多选分支的数目没有限制。在匹配时，整个多选结构被视为单个元素，只要其中某个子表达式能够匹配，整个多选结构的匹配就成功。如果所有子表达式都不能匹配，则整个多选结构匹配失败。 所以，身份证号码匹配的第二种方式为：([1-9]d{14}|[1-9]d{14}d{2}[0-9x]) 多选结构使用场景：
引用分组括号不仅仅能把有联系的元素归拢起来并分组，还有其他作用，即使用括号之后，正则表达式会保存每个分组真正匹配的文本，等到匹配完成后，可以通过group(num)之类的方法“引用”分组在匹配时捕获的内容。其中num表示对应的编号，括号分组的编号规则是从左向右计数，从1开始。这就是括号的第三个功能，捕获分组（capturing group）。这种括号叫做捕获型括号。一般来说，正则表达式匹配完成之后，都会得到一个表示“匹配结果”的对象，对它调用获取分组的方法，传入分组编号num，就可以得到对应分组匹配的文本。num的编号是从1开始的，不过编号为0的分组也是默认存在的，其对应整个表达式匹配的文本。 关于括号存在嵌套的问题：无论括号如何嵌套，分组的编号都是根据开括号出现顺序来计数的，开括号是从左向右起第多少个开括号，整个括号分组的编号就是多少。 引用分组是使用场景：
在提取日期 2010-12-22 这个内容时，正确的正则表达式为 (d{4})-(d{2})-(d{2}) 而错误的表达式可能被写成 (d){4}-(d{2})-(d{2}) 引用分组捕获的文本，不仅仅用于数据提取，也可以用于替换。 在各种语言中都有类似substitute(pattern,replacement,string)这种形式的正则替换命令。其中replacement处可以使用引用分组，形式是num（有些语言中为$num，下文同，本文中只写作num），其中num为对应分组的编号。同时要明白replacement处为普通字符串，在某些语言中，需要特别指明replacement使用原生字符串才行，否则num这种引用分组在普通字符串中会被当做不合法的转义序列处理。 另外，如果想在replacement中引用整个表达匹配的文本，不能使用 ，即便使用原生字符串也不行。一种变通策略是给整个表达式加上一对括号，之后使用1来引用。 反向引用反向引用（back-reference）主要用于检测重叠出现的内容，即允许在正则表达式内部引用之前的捕获分组匹配的文本。其使用形式也是num。反向引用的使用场景：
各种引用的记法上面说过，对分组进行引用的时候使用num这类表示法，同时还说过，还有另外一些语言使用了不同的表示方式。如下图所示一般情况下，我们认为$num要好于num。原因在于，$0可以准确表示“第0个分组（也就是整个表达式匹配的文本）”，而 则不行，因为不少语言的字符串中，num本身可能就是一个有意义的转义序列，表示值为num的ASCII码字符，所以 会被解释成“ASCII编码为0的字符”。 二义性问题：无论采用num还是$num进行引用都会遇到二义性问题，如果出现了10，它到底表示第10个捕获分组10，还是第1个捕获分组1之后跟着一个字符0？ 各种语言的解决方式有所不同，Python和PHP中提供了特定的表示法来专门解决这类问题（细节略）。而Java、Ruby和JavaScript中则是通过制定规则来解决这类问题的：如果是一位数，则引用对应的捕获分组；如果是两位数且存在对应捕获分组时，引用对应的捕获分组，如果不存在对应的捕获分组，则引用一位数编号的捕获分组。 简单思考一下就可以发现，后面这几种语言的策略存在一个问题无法解决：如果存在编号为10的捕获分组，无法用10表示“编号为1的捕获分组和字符0”，因为此时10表示的必然是编号为10的捕获分组。在实际开发中，尤其是进行文本替换时有时确实会遇到这个问题，在现有的规则下是无解的。所幸的是，一般情况下，我们根本不会用到太多的捕获分组（即基本上用不到10以上的分组）；另外，已经有越来越多的语言提供了命名分组，它可以彻底解决这个问题。 命名分组使用数字编号来标识捕获分组存在不够直观，括号多了容易搞错序号，引用时不够方便的问题。所以，一些语言和工具提供了命名分组（named grouping），可以将它看成另一种捕获分组。命名分组在每种语言中各有不同，此处不做展开。另外，由于历史原因和后向兼容性，即便使用了命名分组，每个命名分组同时也具有数字编号，其编号规则没有变化。 非捕获分组前面介绍了括号的三种主要用途，需要指出的是，各种用途间不是彼此独立的，而是互相重叠的：单纯的分组可以视为“只包含一个多选分支的多选结构”；整个多选结构也会被视为单个元素，可以由单个量词限定。最重要的是，无论是否需要引用分组，只要出现了括号，正则表达式在匹配时就会把括号内的子表达式存储起来，提供引用。如果并不需要引用，保存这些信息无疑会影响正则表达式的性能；如果表达式比较复杂，要处理的文本又很多，更可能严重影响性能。为解决这种问题，正则表达式提供了非捕获分组（non-capturing group），非捕获分组类似普通的捕获分组，只是在开括号后紧跟一个问号和冒号(?:…)，这样的括号叫做非捕获型括号。它的作用只是限定量词的作用范围，不捕获任何文本。在引用分组时，分组的编号同样会按照开括号出现的顺序从左向右递增，只是必须以捕获分组为准，非捕获分组会略过。 补充括号的转义括号的转义要求和括号相关的所有三个元字符(、)、|都必须转义(、)、|。URL RewriteURL Rewrite是常见web服务器都具备的功能，用来进行网址的转发。例子如下外部访问 URL http://www.example.com/blog/2006/12 内部实现 http://www.example.com/blog/posts.php?year=2006&month=12 这样重写的好处是隔离了外部接口和内部实现，方便修改；也有利于提供更有意义、更直观的URL。 一般来说，URL Rewrite都是使用转发规则实现的，每条转发规则对应一类URL，以正则表达式解析并提取出所有需要的信息，重组之后再转发。 学习URL Rewrite的使用可以参考当前的各类主流Web服务器的配置，此处略。 总结本篇将《正则指引》的第三章内容进行了概括总结，下次讲解正则表达式中的断言。参考资料《正则指引》：余晟。（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |