正则基础之分组与引用

1. 分组（grouping）

• 括号(…)

1.2 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])$

1.2 用括号改变量词的作用元素

• 用一个括号将可选出现的部分分组，再用量词?限定
• ab+ 与 (ab)+
  • ab+ 受+限定的就只有b
  • 字符串ab重复出现一次以上，就应该写作(ab)+，此时(ab)成为一个整体，由量词+来限定

2. 多选结构

多选结构的形式是(…|…)，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）

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

2.1 匹配数字

示例一：
\d{15}|\d{18} 匹配结果不准确，因为18 位数字也会匹配上前 15 位

示例二：
改为 \d{18}|\d{15} 或 ^(\d{15}|\d{18)$

image.png

2.2 非贪婪模式（量词 + ?）

示例一：
\d{15}\d{3}? 由于 \d{3} 表示三次，加问号非贪婪还是 3 次

示例二：
\d{15}(\d{3})? 在 \d{3} 整体后加问号，表示后面三位有或无

image.png

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（capturing group）

• () 分组捕获
• (?: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
• (\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

3.1 分组编号

• 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
• num的编号从1开始，
• group()方法，不给出参数num，默认就等于调用group(0)

不保存子组
在括号里面使用 ?: (?:...)

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

示例1：
\1 表示匹配第一个分组

image.png

示例2：
正则 ((a)b)(c)\3，按左括号出现的顺序编号 \3 匹配 c

image.png

示例3：连续重复单词的匹配

image.png image.png

3.3 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})(-)
replace: ($1) $2  # $1 表示第一个表达式
# 结果：(333) 444455555

image.png

3.2 非捕获分组（non-capturing group）

• (\w{2,})\1 匹配重复数据
• aba#ababcc - (?:(?:a)b)(c)\1

数据：aba#ababcab
示例1：((a)b)(c)\1

image.png

示例2：((?:a)b)(c)\1

image.png

示例3：(?:(a)b)(c)\1

image.png

示例4：(?:(?:a)b)(c)\1
数据 aba#ababcc

image.png