正则表达式组详解

正则表达式组与向后引用的关系是什么呢？我们在学习正则表达式组的时候需要注意什么呢？那么这里我们来详细的看看具体的到底有什么是关键点。

正则表达式组的理解

把正则表达式的一部分放在圆括号内，你可以将它们形成组。然后你可以对整个组使用一些正则操作，例如重复操作符。

要注意的是，只有圆括号“()”才能用于形成组。“[]”用于定义字符集。“{}”用于定义重复操作。

当用“()”定义了一个正则表达式组后，正则引擎则会把被匹配的组按照顺序编号，存入缓存。当对被匹配的组进行向后引用的时候，可以用“\数字”的方式进行引用。\1引用第一个匹配的后向引用组，\2引用第二个组，以此类推，\n引用第n个组。而\0则引用整个被匹配的正则表达式本身。我们看一个例子。

假设你想匹配一个HTML标签的开始标签和结束标签，以及标签中间的文本。比如BThis is a test/B，我们要匹配B和/B以及中间的文字。我们可以用如下正则表达式：“([A-Z][A-Z0-9]*)[^]*.*?/\1”

首先，“”将会匹配“B”的第一个字符“”。然后[A-Z]匹配B，[A-Z0-9]*将会匹配0到多次字母数字，后面紧接着0到多个非“”的字符。最后正则表达式的“”将会匹配“B”的“”。接下来正则引擎将对结束标签之前的字符进行惰性匹配，直到遇到一个“/”符号。然后正则表达式中的“\1”表示对前面匹配的组“([A-Z][A-Z0-9]*)”进行引用，在本例中，被引用的是标签名“B”。所以需要被匹配的结尾标签为“/B”

正则表达式组的相关解析：

你可以对相同的后向引用组进行多次引用，([a-c])x\1x\1将匹配“axaxa”、“bxbxb”以及“cxcxc”。如果用数字形式引用的组没有有效的匹配，则引用到的内容简单的为空。

一个后向引用不能用于它自身。([abc]\1)是错误的。因此你不能将\0用于一个正则表达式匹配本身，它只能用于替换操作中。

后向引用不能用于字符集内部。(a)[\1b]中的\1并不表示后向引用。在字符集内部，\1可以被解释为八进制形式的转码。

向后引用会降低引擎的速度，因为它需要存储匹配的组。如果你不需要向后引用，你可以告诉引擎对某个组不存储。例如：Get(?:Value)。其中“(”后面紧跟的“?:”会告诉引擎对于组(Value)，不存储匹配的值以供后向引用。

正则表达式组之重复操作与后向引用

当对组使用重复操作符时，缓存里后向引用内容会被不断刷新，只保留最后匹配的内容。例如：([abc]+)=\1将匹配“cab=cab”，但是([abc])+=\1却不会。因为([abc])第一次匹配“c”时，“\1”代表“c”；然后([abc])会继续匹配“a”和“b”。最后“\1”代表“b”，所以它会匹配“cab=b”。

应用：检查重复单词--当编辑文字时，很容易就会输入重复单词，例如“the the”。使用\b(\w+)\s+\1\b可以检测到这些重复单词。要删除第二个单词，只要简单的利用替换功能替换掉“\1”就可以了。

正则表达式组的命名和引用

在PHP，Python中，可以用(?Pnamegroup)来对组进行命名。在本例中，词法?Pname就是对组(group)进行了命名。其中name是你对组的起的名字。你可以用(?P=name)进行引用。

.NET的命名组

.NET framework也支持命名组。不幸的是，微软的程序员们决定发明他们自己的语法，而不是沿用Perl、Python的规则。目前为止，还没有任何其他的正则表达式实现支持微软发明的语法。

下面是.NET中的例子：

(?firstgroup)(?’second’group)

正如你所看到的，.NET提供两种词法来创建命名组：一是用尖括号“”，或者用单引号“’’”。尖括号在字符串中使用更方便，单引号在ASP代码中更有用，因为ASP代码中“”被用作HTML标签。

要引用一个命名组，使用\kname或\k’name’.