正则表达式捕获组,向前引用,零宽度断言,贪婪量词,惰性量词以及

发布时间：2020-12-14 04:24:45 所属栏目：百科来源：网络整理

导读：原来写过一篇正则表达式的文章 http://hi.baidu.com/kabike/item/305cb3e591bbf4b52f140ba7 后来又读了一遍《精通正则表达式》,感觉有了新的认识. 捕获组正则表达式中的括号相当于一个分组,比如下面这个正则表达式,就把字符串分成了"_"分割的三个分组, 然后

原来写过一篇正则表达式的文章
http://hi.baidu.com/kabike/item/305cb3e591bbf4b52f140ba7
后来又读了一遍《精通正则表达式》,感觉有了新的认识.

捕获组
正则表达式中的括号相当于一个分组,比如下面这个正则表达式,就把字符串分成了"_"分割的三个分组,
然后可以利用$1引用第一个分组,$3引用第三个分组

    Java代码 
    
  
 Patternp=Pattern.compile("([^_]+)_(d+)_([^_]+)");
 Stringsrc1="孙燕姿_20091103_遇见.mp3";
 Matcherm=p.matcher(src1);
 System.out.println(m.replaceAll("$1_$3"));
 //output孙燕姿_遇见.mp3

向前引用
假设想匹配字符串中的"hello hello"这样的字串是很容易的,但是想匹配所有的这样的重复字符串呢(比如 "aaa aaa"和"www www")?
可以利用向前引用,即寻找已经匹配的捕获组.
比如下面这个正则表达式,寻找这样的匹配模式:多个字母(形成了捕获组1),一个空格,捕获组1
Patternp=Pattern.compile("(w+)s1");

Stringsrc="Ialwaysmakemakesomemistakeswhenwhenwritting.";

Matcherm=p.matcher(src);

while(m.find()){

System.out.println(m.group());

}

//outputmakemake

whenwhen

零宽度断言
假设想提取字符串中的括号中的数字(不包括括号),其实可以用这样的模式
(d+)
但是这样会把括号也包括到匹配结果中,还要最后去掉括号.这时可以考虑零宽度断言,零宽度断言就像一种判断,匹配的模式为: 多个数字,并且这些数字之前是"(",并且这些数字之后是")"
Patternp=Pattern.compile("(?<=()d+(?=))");

Stringsrc="someuselessword(497872028)someothercrap1321112232";

//output497872028

这个可以有如下变体.提取括号以及@@之间的数字(不包括括号和@@)
Patternp=Pattern.compile("(?<=(|@@)d+(?=)|@@)");

Stringsrc="some@@497872027@@uselessword(497872028)someothercrap1321112232";

//output497872027

贪婪量词和惰性量词
考虑这个例子,提取##之间的部分(包括#),很容易想
Patternp=Pattern.compile("#.+#");

Stringsrc="some#stupid#wordandsomecrap";

//#stupid#

那么字符串改一下呢
Stringsrc="some#stupid#wordandsome#crap#";

//#stupid#wordandsome#crap#

因为默认情况下正则表达式的量词(即那个+)是贪婪的,它尝试尽可能多的匹配.
这时可以试下惰性量词,在+后面加?,表示尽可能少的进行匹配.
Patternp=Pattern.compile("#.+?#");

//#stupid#

//#crap#

其实不用惰性量词,用 #[^#]+# 也可以
支配量词
支配量词比较复杂,我也不是完全清楚,这里谈一些个人见解,sans-serif; font-size:14px; line-height:25.2px">我感觉它工作起来像贪婪量词,但是它不回溯,因为支配量词丢弃原来的状态.
比如贪婪量词模式是w+:
字符串是 hello,那么这个字符串是肯定不满足模式的,因为它末尾没有那个分号.
不过贪婪量词先用 w+匹配 hello,发现不成功,进行回溯,就是用w+匹配hell,依然失败,接着匹配hel.
直到完全失败为止.
支配量词模式为w++:
在w++匹配了hello之后,发现后面没有分号,匹配失败,要进行回溯.但是支配量词没有保留h he hel hell这几个中间状态,sans-serif; font-size:14px; line-height:25.2px">所以无法回溯,直接失败.
因此支配量词在这种情况下理论上效率会高一些,因为它少了这些回溯中间状态的步骤.
先看贪婪量词
Patternp=Pattern.compile("w+:");

StringBuildersb=newStringBuilder();

for(inti=0;i<=40;i++){

sb.append("alonglongsentence");

Stringsrc=sb.toString();

longstart=System.currentTimeMillis();

100;i++){

p.matcher(src).find();

System.out.println(System.currentTimeMillis()-start);

//1391

下面用支配量词
Patternp=Pattern.compile("w++:");

//875

上面都是匹配失败的情况,下面试试成功的.因为成功不需要回溯,因此速度快了很多嘛.为了对比,我把字符串长度和匹配次数都变大了.
400;i++){

sb.append(":");

1000;i++){

//250

//235

现在差别就不明显了.
关于贪婪量词和支配量词
我猜测字符串a12b 和模式ad+c匹配过程如下
那个逗号表示匹配的位置
,a12b,ad+c
a,12b a,d+c
a1,2b a,d+c 记录回溯状态 a1,2b ad+,c
a12,b a,d+c 记录回溯状态 a12,b ad+,sans-serif; font-size:14px; line-height:25.2px">b匹配d失败,回溯状态为a12,sans-serif; font-size:14px; line-height:25.2px">b匹配c失败,回溯状态为a1,sans-serif; font-size:14px; line-height:25.2px">2匹配c失败,没有状态可以回溯,匹配失败
换成支配量词
a12b ad++c

看出来支配量词回溯步骤变少了.a b之间的数字越多,它比贪婪量词要回溯的就越少

原文地址：http://kabike.iteye.com/blog/1759373

（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!

正则表达式 捕获组,向前引用,零宽度断言,贪婪量词,惰性量词以及

正则表达式捕获组,向前引用,零宽度断言,贪婪量词,惰性量词以及