正则基础之分组

1. 分组

• 正则里用 () 表示分组

1.1 分组匹配

示例：ab+ 与 (ab)+
ab+ 受+限定的就只有b
(ab)+，此时(ab)成为一个整体，由量词+来限定

1.2 分组匹配2

• 非贪婪模式：量词 + ?

正则 \d{15}\d{3}?
d{3} 表示三次，加问号非贪婪还是 3 次

正则 \d{15}(\d{3})?
在 \d{3} 整体后加问号，表示后面三位可有可无

2. 多选结构

格式：(…|…)，在括号内以竖线 | 分隔开多个子表达式，这些子表达式也叫多选分支 (option)

2.1 没有括号的多选结构

^ab|cd$ 表示“字符串开头的ab或者字符串结尾的cd”
因为竖线 | 的优先级很低，所以 ^ab|cd$ 其实是 (^ab|cd$)，而不是 ^(ab|cd)$

2.2 匹配身份证

从1999年10月1日起，全国实行公民身份证号码制度，居民身份证编号由原15位升至18位

正则表达式 [1-9]\d{13,16}[0-9x]
首位是数字（0除外）
中间都是数字
末位是数字或x （15位末位没有x）

描述	正则
15位身份证号	[1-9]\d{14}
18位身份证号	[1-9]\d{14}\d{2}[0-9x]
正则表达式	[1-9]\d{14}(\d{2}[0-9x])?
正则 - 多选结构	^([1-9]\d{14}|[1-9]\d{14}\d{2}[0-9x])$

2.3 匹配IP地址

• IP 地址 (0~255).(0~255).(0~255).(0~255)

匹配一段数值在0～255之间的文本，正则 ([0-9]|[0-9]{2}|1[0-9][0-9]|2[0-4][0-9]|25[0-5])

情况分析	正则
如果是 1 位数，则对数字无限制	[0-9]
如果是 2 位数，则对数字无限制	[0-9]{2}
如果是 3 位数
若第 1 位数字是 1，则第 2、3 位数字无限制	1[0-9][0-9]
若第 1 位数字是 2
第 2 位数字是 0~4，则第 3 位数字无限制	2[0-4][0-9]
第 2 位数字是 5，则第 3 位数字只能是 0~5	25[0-5]

3. 捕获分组

• () 分组捕获
• 分组编号只取决于开括号出现的顺序
• group(num), num表示对应括号的编号，括号分组的编号规则是从左向右计数，从 1 开始

3.1 分组

(\d{3})-(\d{5}) 分组提取数据，\d{3}-\d{5} 只是匹配
(.mp4|.avi|.wmv) 匹配多个，[Uu] 匹配单个字符

3.2 分组回溯引用

• 引用分组捕获的文本，不仅仅用于数据提取，也可以用于替换
• 分组引用的编号用 \number 表示，比如，\1 匹配第一个分组，以此类推

示例一：

示例二：

正则 ((a)b)(c)\1

正则 ((a)b)(c)\3，按左括号出现的顺序编号，\3 匹配 c

3.3 匹配重复数据

示例一：正则 (\w{2,})\1

示例二：连续重复单词的匹配

3.4 分组引用替换

• 分组 一个括号是一组，可以把指定的组暂时先缓存起来 $1

# 数据：3334444-55555
regex: (\d{3})(\d{4})(-)
 # $1 表示第一个表达式
replace: ($1) $2
# 结果：(333) 444455555

4. 非捕获分组

• (?:express) 非分组捕获，括号只用于归组，把某个部分当成“单个元素”，不分配编号，后面不会再进行这部分的引用
• ?:express 匹配但不获取结果

示例一：((?:a)b)(c)\1

示例二：(?:(a)b)(c)\1

示例三：(?:(?:a)b)(c)\1