我学正则表达式——组（group）和回溯引用(backreference)

靓号的选择

人怕不动，脑怕不用。

一觉醒来，漫步到公司之后。项目经理又交来一个任务：

“公司最近打算升级号码管理，针对VIP客户推出靓号服务，暂定靓号为6位，尾数AAAA的为靓号，比如118888是靓号。”

这个任务太简单了，不就是从0到9一直循环嘛，从000000-009999，选取后四位相同的号码输出。

用9个正则表达式：

\d{2}0{4}

...

\d{2}9{4}

大功告成！我兴冲冲地用QQ向项目经理报告了这一成果，满怀期待的等着他的回复。

不料，一个弹在了QQ对话框上，后面跟了句“000000”这种号码能用吗！！

我赶紧拿000000一测，还真能匹配。

唉。

又挨训了！好吧，换成

[1-9]\d0{4}

再发过去，又换来一声叹息。“还能简单点吗，这有10个正则啊”。

百度，百度，再百度。

正则中的组和回溯引用

在正则表达式中，每个括号括起来的部分叫做一个组，比如表达式
(\d{2})([a-z])

中，

组1为\d{2}

组2为[a-z]

其中，还暗含了一个组0，即整个正则表达式。

以11abcd为例，如果我们采用上面的正则表达式，则

组1为11

组2为abcd

有了组的概念后，我们便可以利用这个组来做文章，比如，如果我们要找重复了两次的数字，如11,22，可以写这样的表达式：

(\d)\1

它的意思是，第一个是数字，第二个数字跟第一个数字相同。正则表达式中，用了一个专门的术语来描述\1这种概念，即回溯引用。

再回到我们最初的问题，后四位号码相同，各位猜到怎么写了吗？

答案是：

[1-9]\d(\d)\1\1\1

或者：

[1-9]\d(\d)\1{3}

小结

在本文中，我们学习了()和回溯引用的用法：

• ()用于把正则表达式分成匹配组
• 回溯引用则使用了匹配组来进行再次匹配和过滤

注意：中文的（）和英文的()是不同的，正则表达式必须用英文括号