正则表达式高级用法之分组的使用教程_正则表达式

分组的使用场景

在书写正则表达式时，通常情况下，我们有两种场景会使用到分组。

一是：对一个子表达式进行重复；二是：想要获取到子表达式匹配到的内容。

对子表达式进行重复

如果需要重复单个字符，直接在字符后面加上限定符即可，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。

但是我们如果要对多个字符进行重复的话，就需要用到分组。

比如：(ab){3} 表示 ab 字符重复3次

正则中常用的限定符如下:

表达式	说明
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

获取到子表达式匹配到的内容

比如表达式: [a-z]*\d*[a-z]*，它表示a-z的字符重复0到多次，后面紧跟0到多个数字，后面再跟上多个a-z的字符。
显然，字符串 abcd324232efg 是满足匹配的串。那么，如果我们只想要获取到匹配串中数字 324232 后面的串 efg 呢？

这时，就可以通过分组的方式来改写正则表达式: [a-z]*\d*([a-z]*)。这样，我们就可以通过获取第 1 个分组匹配到的内容来达到目的。

分组的使用方法

正则中通过小括号“()”来指定需要重复的子表达式，然后再加上限定符对这个子表达式进行重复。

例如：(abc)? 表示0个或1个abc 。

一组括号里面的表达式就表示一个分组。

捕获组

分组可以分为两种形式，捕获组和非捕获组。

捕获组和非捕获组的区别就是：捕获组表示的分组会捕获文本（即:匹配字符），而非捕获组表示的分组不会捕获文本。

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：

分组编号	分组编号对应的子表达式
0	(a)(b(c))
1	(a)
2	(b(c))
3	(c)

注意：第0个分组始终代表整个表达式

分组的序号可以通过 back 引用（反向引用）在表达式中使用，也可以在匹配操作完成后从匹配器检索出分组匹配到的内容。
反向引用的知识将会在后续的文章中进行分析。

分组的使用实例

在一个完整的正则中，如果我们只想获取到某个子表达式匹配到的内容，就可以通过分组来达到目的。

比如:

待匹配串：abcd324232efg

想要获取到这个字符串中第二次连续出现的字母子串efg

我们可以通过分组的方式书写正则: [a-z]*\d*([a-z]*)。

可以看到，我们通过子表达式([a-z]*)来匹配第二次连续出现之母的子串，并且通过()添加了分组，这样，我们就可以通过分组来获取到相应的匹配内容了。

具体的获取方法不同的语言的语法可能会有差异，但是原理是相通的。

下面就来看一下 javascript 和 java 中是如何进行处理的？

javascript 获取分组内容

var str = "abcd324232efg";
var reg = new regexp("([a-z]*)(\\d*)([a-z]*)");
var arr = str.match(reg);
// 显示匹配到的分组内容
alert(arr[0] + "===" + arr[1] + "===" + arr[2] + "===" + arr[3]);
alert(regexp.$1 + "-----" + regexp.$2 + "----" + regexp.$3);

上面的例子中，我添加了 3 个分组。

通过 arr[n] 和 regexp.$n 的方式都能获取到分组匹配内容。

在 javascript 中 \d 需要进行转义

java 获取分组内容

public static void main(string[] args) {
    string str = "abcd324232efg";
    pattern pattern = pattern.compile("([a-z]*)(\\d*)([a-z]*)");
    matcher matcher = pattern.matcher(str);
    if (matcher.find()) {
        system.out.println(matcher.group());
        system.out.println(matcher.group(0));
        system.out.println(matcher.group(1));
        system.out.println(matcher.group(2));
        system.out.println(matcher.group(3));
    }
}

在 java 中，通过 matcher.group(n) 的方式拿到分组匹配内容。

在 javascript 中 \d 需要进行转义

小结

分组通常有两种使用场景：一是：对一个子表达式进行重复；二是：想要获取到子表达式匹配到的内容。

分组是通过 () 来表示的，它是通过从左到右计算其开括号来进行编号的。

补充：正则表达式分组及常见的方法

/*
 * 正则表达式分组功能:
 * 		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： 	
 * split(regex)  参数是正则表达式    返回值是一个数组
 * replaceall(regex,replacement)	第一个参数是正则表达式, 第二个参数要替换成的字符串
 */
import java.util.arrays;
public class regexapply {
	public static void main(string[] args) {
		// todo auto-generated method stub
//		demo1();
//		demo2();
//		demo3();
//		demo4();
//		demo5();
//		demo6();
	}
	private static void demo6() {
		/*
		 * \\.  ""  将所有的. 替换为空字符串
		 * (.)\\1+	"$1"	将第一组出现的多次都替换 第一组出现的一次  $ 代表首字符
		 */
		string s = "我..我我...我....爱..爱爱爱....爱爱..学.学学..学学学...学习习..习...习.习.习......习习习习";
		string s2 = s.replaceall("\\.+", "");
		string s3 = s2.replaceall("(.)\\1+", "$1");	
		system.out.println(s3);
	}
	private static void demo5() {
		/*
		 * 叠词切割： "acyyfgttthjzzzzzko";
		 * (.)\\1+	//1+代表第一组出现一次到多次
		 */
		string s = "acyyfgttthjzzzzzko";
		string regex = "(.)\\1+";					//1+代表第一组出现一次到多次
		string[] arr = s.split(regex);
		
		for (int i = 0; i < arr.length; i++) {
			system.out.println(arr[i]);
		}
	}
	private static void demo4() {
		/*
		 * 叠词 捕获组 (.)\\1(.)\\2     \\1代表第一组又出现一次	\\2代表第二组又出现一次
		 * (..)\\1					  \\1代表第一组又出现了一次
		 */
		//叠词  飘飘亮亮,美美丽丽
		string regex2 = "(.)\\1(.)\\2";					//\\1代表第一组又出现一次	\\2代表第二组又出现一次
		system.out.println("漂漂亮亮".matches(regex2));	//true
		system.out.println("美美丽丽".matches(regex2));	//false
		system.out.println("高高兴兴".matches(regex2));	//true
		system.out.println("死啦死啦".matches(regex2));	//false
		system.out.println("----------------------");
		//叠词 漂亮漂亮,美丽美丽
		string regex = "(..)\\1";
		system.out.println("死啦死啦".matches(regex));		//true			
		system.out.println("高兴高兴".matches(regex));		//true
		system.out.println("快快乐乐".matches(regex));		//false
	}
	private static void demo3() {
		/*
		 * replaceall(regex,replacement)	第一个参数是正则表达式, 第二个参数要替换成的字符串
		 */
		string s = "aaoo1ddd3jgjao";
		string regex = "\\d";
		string s2 = s.replacefirst(regex, "");
		string s3 = s.replaceall(regex, "");
		system.out.println(s2);					//aaooddd3jgjao
		system.out.println(s3);					//aaoodddjgjao
	}
	private static void demo2() {
		/*
		 * split(regex)  参数是正则表达式    返回值是一个数组 
		 */
		string s = "星期一.星期二.星期三.星期四";
		string[] array = s.split("\\.");
		system.out.println(arrays.tostring(array));
	}
	private static void demo1() {
		/*
		 * 校验电话号码
		 * 1.必须是5-15位数字
		 * 2.开头不能位0
		 * 3.必须是纯数字
		 */
		string regex = "[1-9]\\d{5,15}";
		system.out.println("804360385".matches(regex));				//true
		system.out.println("430763075439703307503".matches(regex));	//false
		system.out.println("03534534".matches(regex));				//false
	}
}