如何在正则表达式中使用非捕获组,即(?:),它们有什么好处?


当前回答

让我举一个地理坐标的例子,下面是两组

Latitude,Longitude

([+-]?\d+(?:\.\d+)?),([+-]?\d+(?:\.\d+)?)

让我们拿一个([+-]?\d+(?:\.\d+)?)

坐标可以是58这样的整数,也可以是58.666因此,可选的(.666)第二部分(\.\d+)?被提及。

(...)? - for optional

但这是加括号的,这将是另一组匹配。我们不需要两场比赛,一场58分,另一场666分,我们需要一个纬度作为比赛。这里是非捕获组(?:)

与非捕获组[+-]?\d+(?:\.\d+)?,58.666和58都是单场比赛

其他回答

让我用一个例子来解释一下。

考虑以下文本:

http://stackoverflow.com/
https://stackoverflow.com/questions/tagged/regex

现在,如果我在上面应用下面的正则表达式。。。

(https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

…我会得到以下结果:

Match "http://stackoverflow.com/"
     Group 1: "http"
     Group 2: "stackoverflow.com"
     Group 3: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "https"
     Group 2: "stackoverflow.com"
     Group 3: "/questions/tagged/regex"

但我不在乎协议——我只想要URL的主机和路径。因此,我将正则表达式更改为包含非捕获组(?:)。

(?:https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

现在,我的结果如下:

Match "http://stackoverflow.com/"
     Group 1: "stackoverflow.com"
     Group 2: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "stackoverflow.com"
     Group 2: "/questions/tagged/regex"

看见第一组尚未捕获。解析器使用它来匹配文本,但稍后在最终结果中忽略它。


编辑:

根据要求,让我也尝试解释一下群体。

嗯,团体有很多目的。它们可以帮助您从更大的匹配(也可以命名)中提取准确的信息,让您重新匹配先前匹配的组,并可以用于替换。让我们来举几个例子,好吗?

假设您有某种XML或HTML(请注意,regex可能不是这项工作的最佳工具,但它是一个很好的示例)。你想解析标签,所以你可以这样做(我添加了空格以便于理解):

   \<(?<TAG>.+?)\> [^<]*? \</\k<TAG>\>
or
   \<(.+?)\> [^<]*? \</\1\>

第一个正则表达式有一个命名组(TAG),而第二个正则表达式使用一个公共组。两个正则表达式都执行相同的操作:它们使用第一个组中的值(标记的名称)来匹配结束标记。不同之处在于,第一个使用名称来匹配值,第二个使用组索引(从1开始)。

让我们现在尝试一些替换。考虑以下文本:

Lorem ipsum dolor sit amet consectetuer feugiat fames malesuada pretium egestas.

现在,让我们在上面使用这个哑正则表达式:

\b(\S)(\S)(\S)(\S*)\b

此正则表达式匹配至少包含3个字符的单词,并使用组分隔前三个字母。结果是:

Match "Lorem"
     Group 1: "L"
     Group 2: "o"
     Group 3: "r"
     Group 4: "em"
Match "ipsum"
     Group 1: "i"
     Group 2: "p"
     Group 3: "s"
     Group 4: "um"
...

Match "consectetuer"
     Group 1: "c"
     Group 2: "o"
     Group 3: "n"
     Group 4: "sectetuer"
...

因此,如果我们应用替换字符串:

$1_$3$2_$4

…在它上面,我们尝试使用第一个组,添加下划线,使用第三个组,然后是第二个组,再添加另一个下划线,最后是第四个组。生成的字符串将与下面的字符串类似。

L_ro_em i_sp_um d_lo_or s_ti_ a_em_t c_no_sectetuer f_ue_giat f_ma_es m_la_esuada p_er_tium e_eg_stas.

您也可以使用命名组进行替换,使用${name}。

要玩正则表达式,我建议http://regex101.com/,提供了有关正则表达式工作方式的大量详细信息;它还提供了一些正则表达式引擎供选择。

让我举个例子:

Regex代码:(?:animal)(?:=)(\w+)(,)\1\2

搜索字符串:

第1行-动物=猫、狗、猫、老虎、狗

第2行-动物=猫、猫、狗、狗、老虎

第3行-动物=狗、狗、猫、猫、老虎

(?:动物)-->未捕获组1

(?:=)-->未捕获组2

(\w+)-->捕获的组1

(,)-->捕获的组2

\1-->捕获组1的结果,即第1行是猫,第2行是猫、第3行是狗。

\2-->捕获组2的结果,即逗号(,)

因此,在这段代码中,通过给出“1”和“2”,我们在代码后面分别回忆或重复捕获的组1和组2的结果。

根据代码的顺序,(?:动物)应为第1组,(?=)应为2组,并继续。。

但通过给出?:我们使匹配组不被捕获(在匹配组中不计数,因此分组编号从第一个捕获的组开始,而不是未捕获的组),这样以后就不能在代码中调用匹配组(?:动物)结果的重复。

希望这能解释非捕获组的使用。

(?:…)充当一个组(…),但不捕获匹配的数据。它确实比标准的捕获组效率高得多。当你想对某个东西进行分组,但以后不需要重用它时,就可以使用它了@托托

我不能评论最上面的答案来这样说:我想补充一个明确的观点,这只是在最上面的回答中暗示的:

非捕获组(?…)不会从原始完全匹配中删除任何字符,它只会对程序员进行可视化的正则表达式重组。

要访问正则表达式的特定部分而不定义外来字符,您将始终需要使用.group(<index>)

我想我会给你答案。在未检查匹配是否成功的情况下,不要使用捕获变量。

除非匹配成功,否则捕获变量$1等无效,并且它们也不会被清除。

#!/usr/bin/perl  
use warnings;
use strict;   
$_ = "bronto saurus burger";
if (/(?:bronto)? saurus (steak|burger)/)
{
    print "Fred wants a  $1";
}
else
{
    print "Fred dont wants a $1 $2";
}

在上面的示例中,为了避免在$1中捕获bronto,使用了(?:)。

如果模式匹配,则$1被捕获为下一个分组模式。

因此,输出如下:

Fred wants a burger

如果不希望保存匹配项,则此选项很有用。