正則基礎之——捕獲組（capture group）
1 概述
1.1 什麼是捕獲組
捕獲組就是把正則表達式中子表達式匹配的內容，保存到內存中以數字編號或顯式命名的組裏，方便後面引用。固然，這種引用既能夠是在正則表達式內部，也能夠是在正則表達式外部。 javascript
捕獲組有兩種形式，一種是普通捕獲組，另外一種是命名捕獲組，一般所說的捕獲組指的是普通捕獲組。語法以下：html
普通捕獲組：(Expression)java
命名捕獲組：(?<name>Expression) 正則表達式
普通捕獲組在大多數支持正則表達式的語言或工具中都是支持的，而命名捕獲組目前只有.NET、PHP、Python等部分語言支持，聽說Java會在7.0中提供對這一特性的支持。上面給出的命名捕獲組的語法是.NET中的語法，另外在.NET中使用(?’name’Expression)與使用(?<name>Expression)是等價的。在PHP和Python中命名捕獲組語法爲：(?P<name>Expression)。工具
另外須要說明的一點是，除(Expression)和(?<name>Expression)語法外，其它的(?...)語法都不是捕獲組。url
1.2 捕獲組編號規則
編號規則指的是以數字爲捕獲組進行編號的規則，在普通捕獲組或命名捕獲組單獨出現的正則表達式中，編號規則比較清晰，在普通捕獲組與命名捕獲組混合出現的正則表達式中，捕獲組的編號規則稍顯複雜。spa
在展開討論以前，須要說明的是，編號爲0的捕獲組，指的是正則表達式總體，這一規則在支持捕獲組的語言中，基本上都是適用的。下面對其它編號規則逐一展開討論。.net
1.2.1 普通捕獲組編號規則
若是沒有顯式爲捕獲組命名，即沒有使用命名捕獲組，那麼須要按數字順序來訪問全部捕獲組。在只有普通捕獲組的狀況下，捕獲組的編號是按照「(」出現的順序，從左到右，從1開始進行編號的 。code
正則表達式：(\d{4})-(\d{2}-(\d\d)) orm
上面的正則表達式能夠用來匹配格式爲yyyy-MM-dd的日期，爲了在下表中得以區分，月和日分別採用了\d{2}和\d\d這兩種寫法。
用以上正則表達式匹配字符串：2008-12-31，匹配結果爲：
| 編號 |
命名 |
捕獲組 |
匹配內容 |
| 0 |
(\d{4})-(\d{2}-(\d\d)) |
2008-12-31 |
|
| 1 |
(\d{4}) |
2008 |
|
| 2 |
|
(\d{2}-(\d\d)) |
12-31 |
| 3 |
|
(\d\d) |
31 |
1.2.2 命名捕獲組編號規則
命名捕獲組經過顯式命名，能夠經過組名方便的訪問到指定的組，而不須要去一個個的數編號，同時避免了在正則表達式擴展過程當中，捕獲組的增長或減小對引用結果致使的不可控。
不過容易忽略的是，命名捕獲組也參與了編號的，在只有命名捕獲組的狀況下，捕獲組的編號也是按照「(」出現的順序，從左到右，從1開始進行編號的 。
正則表達式：(?<year>\d{4})-(?<date>\d{2}-(?<day>\d\d))
用以上正則表達式匹配字符串：2008-12-31
匹配結果爲：
| 編號 |
命名 |
捕獲組 |
匹配內容 |
| 0 |
(?<year>\d{4})-(?<date>\d{2}-(?<day>\d\d)) |
2008-12-31 |
|
| 1 |
year |
(?<year>\d{4}) |
2008 |
| 2 |
date |
(?<date>\d{2}-(?<day>\d\d)) |
12-31 |
| 3 |
day |
(?<day>\d\d) |
31 |
1.2.3 普通捕獲組與命名捕獲組混合編號規則
當一個正則表達式中，普通捕獲組與命名捕獲組混合出現時，捕獲組的編號規則稍顯複雜。對於其中的命名捕獲組，隨時均可以經過組名進行訪問，而對於普通捕獲組，則只能經過肯定其編號後進行訪問。
混合方式的捕獲組編號，首先按照普通捕獲組中「(」出現的前後順序，從左到右，從1開始進行編號，當普通捕獲組編號完成後，再按命名捕獲組中「(」出現的前後順序，從左到右，接着普通捕獲組的編號值繼續進行編號。
也就是先忽略命名捕獲組，對普通捕獲組進行編號，當普通捕獲組完成編號後，再對命名捕獲組進行編號。
正則表達式：(\d{4})-(?<date>\d{2}-(\d\d))
用以上正則表達式匹配字符串：2008-12-31，匹配結果爲：
| 編號 |
命名 |
捕獲組 |
匹配內容 |
| 0 |
(\d{4})-(?<date>\d{2}-(\d\d)) |
2008-12-31 |
|
| 1 |
(\d{4}) |
2008 |
|
| 3 |
date |
(?<date>\d{2}-(\d\d)) |
12-31 |
| 2 |
|
(\d\d) |
31 |
2 捕獲組的引用
對捕獲組的引用通常有如下幾種：
1) 正則表達式中，對前面捕獲組捕獲的內容進行引用，稱爲反向引用；
2) 正則表達式中，(?(name)yes|no)的條件判斷結構；
3) 在程序中，對捕獲組捕獲內容的引用。
2.1 反向引用
捕獲組捕獲到的內容，不只能夠在正則表達式外部經過程序進行引用，也能夠在正則表達式內部進行引用，這種引用方式就是反向引用。
反向引用的做用一般是用來查找或限定重複，限定指定標識配對出現等等。
對於普通捕獲組和命名捕獲組的引用，語法以下：
普通捕獲組反向引用：\k<number>，一般簡寫爲\number
命名捕獲組反向引用：\k<name>或者\k'name'
普通捕獲組反向引用中number是十進制的數字，即捕獲組的編號；命名捕獲組反向引用中的name爲命名捕獲組的組名。
反向引用涉及到的內容比較多，後續單獨說明。
2.2 條件判斷表達式
條件判斷結構在平衡組中談到過，基本應用和擴展應用均可以在其中找到例子，這裏再也不贅述，請參考 .NET正則基礎之——平衡組。
2.3 程序中引用
根據語言的不一樣，程序中對捕獲組引用的方式也有所不一樣，下面就JavaScript和.NET進行舉例說明。
2.3.1 JavaScript中的引用
因爲JavaScript中不支持命名捕獲組，因此對於捕獲組的引用就只支持普通捕獲組的反向引用和$number方式的引用。程序中的引用通常在替換和匹配時使用。
注：如下應用舉例僅考慮簡單應用場景，對於<a href="javascript:document.write('<b>hello</b>')"/>這種複雜場景暫不考慮。
1) 在Replace中引用，一般是經過$number方式引用。
舉例：替換掉html標籤中的屬性。
<textarea id="result" rows="10" cols="100"></textarea>
<script type="text/javascript">
var data = "<table id=\"test\"><tr class=\"light\"><td> test </td></tr></table>";
var reg = /<([a-z]+)[^>]*>/ig;
document.getElementById("result").value = data.replace(reg, "<$1>");
</script>
//輸出
<table><tr><td> test </td></tr></table>
2) 在匹配時的引用，一般經過RegExp.$number方式引用。
舉例：同時獲取<img…>中的src和name屬性值，屬性的順序不固定。參考 一條正則能不能同時取出一個img標記的src和name?
2.3.2 .NET中的引用
因爲.NET支持命名捕獲組，因此在.NET中的引用方式會多一些。一般也是在兩種場景下應用，一是替換，一是匹配。
1) 替換中的引用
普通捕獲組：$number
命名捕獲組：${name}
替換中應用，還是上面的例子。
舉例：替換掉html標籤中的屬性。使用普通捕獲組。
string data = "<table id=\"test\"><tr class=\"light\"><td> test </td></tr></table>";
richTextBox2.Text = Regex.Replace(data, @"(?i)<([a-z]+)[^>]*>", "<$1>");
//輸出
<table><tr><td> test </td></tr></table>
使用命名捕獲組。
string data = "<table id=\"test\"><tr class=\"light\"><td> test </td></tr></table>";
richTextBox2.Text = Regex.Replace(data, @"(?i)<(?<tag>[a-z]+)[^>]*>", "<${tag}>");
//輸出
<table><tr><td> test </td></tr></table>
2) 匹配後的引用
對於匹配結果中捕獲組捕獲內容的引用，能夠經過Groups和Result對象進行引用。
string test = "<a href=\"http://www.csdn.net\">CSDN</a>";
Regex reg = new Regex(@"(?is)<a(?:(?!href=).)*href=(['""]?)(?<url>[^""'\s>]*)\1[^>]*>(?<text>(?:(?!</a>).)*)</a>");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
richTextBox2.Text += "m.Value：".PadRight(25) + m.Value + "\n";
richTextBox2.Text += "m.Result(\"$0\")：".PadRight(25) + m.Result("$0") + "\n";
richTextBox2.Text += "m.Groups[0].Value：".PadRight(25) + m.Groups[0].Value + "\n";
richTextBox2.Text += "m.Result(\"$2\")：".PadRight(25) + m.Result("$2") + "\n";
richTextBox2.Text += "m.Groups[2].Value：".PadRight(25) + m.Groups[2].Value + "\n";
richTextBox2.Text += "m.Result(\"${url}\")：".PadRight(25) + m.Result("${url}") + "\n";
richTextBox2.Text += "m.Groups[\"url\"].Value：".PadRight(25) + m.Groups["url"].Value + "\n";
richTextBox2.Text += "m.Result(\"$3\")：".PadRight(25) + m.Result("$3") + "\n";
richTextBox2.Text += "m.Groups[3].Value：".PadRight(25) + m.Groups[3].Value + "\n";
richTextBox2.Text += "m.Result(\"${text}\")：".PadRight(25) + m.Result("${text}") + "\n";
richTextBox2.Text += "m.Groups[\"text\"].Value：".PadRight(25) + m.Groups["text"].Value + "\n";
}
//輸出
m.Value： <a href="http://www.csdn.net">CSDN</a>
m.Result("$0")： <a href="http://www.csdn.net">CSDN</a>
m.Groups[0].Value： <a href="http://www.csdn.net">CSDN</a>
m.Result("$2")： http://www.csdn.net
m.Groups[2].Value： http://www.csdn.net
m.Result("${url}")： http://www.csdn.net
m.Groups["url"].Value： http://www.csdn.net
m.Result("$3")： CSDN
m.Groups[3].Value： CSDN
m.Result("${text}")： CSDN
m.Groups["text"].Value： CSDN
對於捕獲組0的引用，能夠簡寫做m.Value。