正则表达式——捕获分组(capture group)(Java代码)

正则大神主页：https://blog.youkuaiyun.com/lxcnn?t=1

正则表达式入门教程：https://deerchao.cn/tutorials/regex/regex.htm#top

上述两个博客的文章都是以C#为基础写作的，在普通捕获组与命名捕获组的混用上，与Java有所不同

正则运行测试网址：https://regex101.com/

正则中，每个用于匹配字符的()都是一个子表达式，可以被捕获分组捕获到，从而在正则表达式内或表达式外进行引用。环视使用了()，但是它是用来匹配位置信息的，所以不会被捕获；还有就是使用(?:expression)来主动忽略分组。

更新：
在正则表达式本身中使用分组，默认编号分组-\d{4}([:-])\d{2}\1\d{2}；命名分组-\d{4}(?<d>[-:])\d{2}(\k<d>)\d{2}

普通捕获组

正则表达式中，普通捕获组是按照(即左括号出现的顺序进行分组。对类似“2016-01-06”格式的日期进行简单匹配并分组，暂不不考虑闰年等问题。

分组	分组内容
分组0	(\d{4})-(\d{2})-(\d{2})
分组1	\d{4}
分组2	\d{2}
分组3	\d{2}

对于所有的正则表达式，捕获组0都是正则表达式匹配的全部内容，然后第一对括号内包含的匹配内容是捕获组1，第二对括号内是捕获组2，第三对括号内是捕获组3.

Java实例代码如下：

String str = "2016-01-06";
Pattern pattern = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
Matcher matcher = pattern.matcher(str);
if (matcher.find()){
    System.out.println(matcher.group(0));
    System.out.println(matcher.group(1));
    System.out.println(matcher.group(2));
    System.out.println(matcher.group(3));
}
// 结果如下：
// 2016-01-06
// 2016
// 01
// 06

命名捕获组

还是对日期进行正则匹配，表达式本身不变，改为使用命名捕获组组。命名捕获组与普通捕获组的区别在于，在()内添加捕获组的名字，方便后续使用。格式为：(?<name>expression)。name区分大小写。

分组	分组内容
分组year	\d{4}
分组month	\d{2}
分组day	\d{2}

通过在()内添加?<name>，对捕获组进行命名，从而更方便后续对匹配内容的使用。

Java实例代码如下：

String str = "2016-01-06";
Pattern pattern = Pattern.compile("(?<year>\\d{4})-(?<month>\\d{2})-(?<day>\\d{2})");
Matcher matcher = pattern.matcher(str);
if (matcher.find()){
    System.out.println(matcher.group("year"));
    System.out.println(matcher.group("month"));
    System.out.println(matcher.group("day"));
}
// 结果如下：
// 2016
// 01
// 06

普通捕获组与命名捕获组混用

当普通捕获组与命名捕获组混用时，各个语言的具体规则略有差异。

在Java中，不管此捕获组是否被命名，依旧按照普通捕获组的规则进行排序，然后被命名的分组同时也可以作为命名捕获组使用。

普通捕获组	命名捕获组	分组内容
分组0		(\d{4})-(\d{2})-(\d{2})
分组1		\d{4}
分组2	分组month	\d{2}
分组3		\d{2}

Java实例代码如下：

String str = "2016-01-06";
Pattern pattern = Pattern.compile("(\\d{4})-(?<month>\\d{2})-(\\d{2})");
Matcher matcher = pattern.matcher(str);
if (matcher.find()){
    System.out.println(matcher.group(0));
    System.out.println(matcher.group(1));
    System.out.println(matcher.group(2));
    System.out.println(matcher.group(3));
    System.out.println(matcher.group("month"));
}
// 结果如下：
// 2016-01-06
// 2016
// 01
// 06
// 01

通过上述代码可以看到，月份01既可以作为普通捕获组2使用，同时也可以作为命名捕获组month使用。

C#的普通捕获组与命名捕获组混用时的规则与Java不一致。在C#中，会先去除已被命名的捕获组，对剩余的所有捕获组按照普通捕获组的规则进行排序，然后再对命名捕获组进行排序，因此在C#中，所有命名捕获组的序号都会大于普通捕获组的序号。

在上述例子中，已被命名为month的捕获组，在C#中序号应该是分组3，而不是分组2，分组2应该是用于匹配日期的子表达式。

C#普通捕获与命名捕获混用官方规则

Java普通捕获与命名捕获混用官方规则

非捕获组

在正则中，可以选择忽略某些捕获组，不将它们列入分组捕获排序中，从而更方便的获取我们想要匹配的内容。子表达式中增加?:，会被正则引擎忽略，不被计入捕获组中。(?:expression)这种格式的子表达式被称为非捕获组。

普通捕获组	非捕获组	分组内容
分组0		(\d{4})-(\d{2})-(\d{2})
分组1		\d{4}
	非捕获组	?:\d{2}
分组2		\d{2}

Java实例代码如下：

String str = "2016-01-06";
Pattern pattern = Pattern.compile("(\\d{4})-(?:\\d{2})-(\\d{2})");
Matcher matcher = pattern.matcher(str);
if (matcher.find()){
    System.out.println(matcher.group(0));
    System.out.println(matcher.group(1));
    System.out.println(matcher.group(2));
    System.out.println(matcher.group(3));
}
// 结果如下：
// 2016-01-06
// 2016
// 06
// Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 3

通过代码可以看到，匹配月份的子表达式被正则引擎忽略，并没有计入捕获组的排序中。其他子表达式依旧按照正常的分组排序规则进行排序，匹配日期的子表达式作为分组2被统计，导致缺少分组3，在获取时抛异常。

总结

正则表达式的捕获组内容包括有普通捕获组，命名捕获组，普通捕获组与命名捕获组混用，非捕获组。

上一篇：贪婪、非贪婪与占有模式
下一篇：反向引用