正则表达式之捕获组/非捕获组

时间：2011-02-18 来源：reni

捕获组

语法：

字符	描述	示例
(pattern)	匹配pattern并捕获结果，自动设置组号。	(abc)+d 匹配abcd或者abcabcd
(?<name>pattern) 或 (?'name'pattern)	匹配pattern并捕获结果，设置name为组名。
\num	对捕获组的反向引用。其中 num 是一个正整数。	(\w)(\w)\2\1 匹配abba
\k< name > 或 \k' name '	对命名捕获组的反向引用。其中 name 是捕获组名。	(?<group>\w)abc\k<group> 匹配xabcx

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个捕获组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

例如：

(\d{4})-(\d{2}-(\d{2}))

1 1 2 3 32

可以看到按顺序设置的捕获组号。

Regex.Match方法

 1 using System.Text.RegularExpressions;
 2  namespace Wuhong.Test
 3 {
 4     class Program
 5     {
 6         static void Main(string[] args)
 7         {
 8             //目标字符串
 9              string source = "http://reg-test-server:8080/download/file1.html# ";
10             //正则式
11              string regex = @"(\w+):\/\/([^/:]+)(:\d+)?([^# :]*)";
12 
13             Regex regUrl = new Regex(regex);
14 
15             //匹配正则表达式
16              Match m = regUrl.Match(source);
17             Console.WriteLine(m.Success);
18             if (m.Success)
19             {
20                 //捕获组存放在Match.Groups集合中，索引值从1开始，索引0处为匹配的整个字符串值
21                 //按“组号 : 捕获内容”的格式显示
22                  for (int i = 0; i < m.Groups.Count; i++)
23                 {
24                     Console.WriteLine(string.Format("{0} : {1}", i, m.Groups[i]));
25                 }
26             }
27 
28             Console.ReadLine();
29         }
30     }
31 }

也可以自己指定子表达式的组名。这样在表达式或程序中可以直接引用组名，当然也可以继续使用组号。但如果正则表达式中同时存在普通捕获组和命名捕获组，那么捕获组的编号就要特别注意，编号的规则是先对普通捕获组进行编号，再对命名捕获组进行编号。

例如：

(\d{4})-(?<date>\d{2}-(\d{2}))

1 1 3 2 23

下面在程序中处理命名捕获组，显示混合规则生成的组号，并利用捕获组的内容对源字符串进行替换。

可以看到先对普通捕获组进行编号，再对命名捕获组编号。

Regex.Replace方法

 1 using System.Text.RegularExpressions;
 2  namespace Wuhong.Test
 3 {
 4     class Program
 5     {
 6         static void Main(string[] args)
 7         {
 8             //目标字符串
 9              string source = "http://reg-test-server:8080/download/file1.html# ";
10             //正则式，对其中两个分组命名
11              string regex = @"(\w+):\/\/(?<server>[^/:]+)(?<port>:\d+)?([^# :]*)";
12 
13             Regex regUrl = new Regex(regex);
14 
15             //匹配正则表达式
16              Match m = regUrl.Match(source);
17             Console.WriteLine(m.Success);
18             if (m.Success)
19             {
20                 //捕获组存放在Match.Groups集合中，索引值从1开始，索引0处为匹配的整个字符串值
21                 //按“组号 : 捕获内容”的格式显示
22                  for (int i = 0; i < m.Groups.Count; i++)
23                 {
24                     Console.WriteLine(string.Format("{0} : {1}", i, m.Groups[i]));
25                 }
26             }
27 
28             //替换字符串
29             //“$组号”引用捕获组的内容。
30             //需要特别注意的是“$组号”后不能跟数字形式的字符串，如果出现此情况，需要使用命名捕获组，引用格式“${组名}”
31             string replacement = string.Format("$1://{0}{1}$2", "new-reg-test-server", "");
32             string result = regUrl.Replace(source, replacement);
33             Console.WriteLine(result);
34 
35             Console.ReadLine();
36         }
37     }
38 }

非捕获组

语法：

字符	描述	示例
(?:pattern)	匹配pattern，但不捕获匹配结果。	'industr(?:y\|ies) 匹配'industry'或'industries'。
(?=pattern)	零宽度正向预查，不捕获匹配结果。	'Windows (?=95\|98\|NT\|2000)' 匹配 "Windows2000" 中的 "Windows" 不匹配 "Windows3.1" 中的 "Windows"。
(?!pattern)	零宽度负向预查，不捕获匹配结果。	'Windows (?!95\|98\|NT\|2000)' 匹配 "Windows3.1" 中的 "Windows" 不匹配 "Windows2000" 中的 "Windows"。
(?<=pattern)	零宽度正向回查，不捕获匹配结果。	'2000 (?<=Office\|Word\|Excel)' 匹配 " Office2000" 中的 "2000" 不匹配 "Windows2000" 中的 "2000"。
(?<!pattern)	零宽度负向回查，不捕获匹配结果。	'2000 (?<!Office\|Word\|Excel)' 匹配 " Windows2000" 中的 "2000" 不匹配 " Office2000" 中的 "2000"。

非捕获组只匹配结果，但不捕获结果，也不会分配组号，当然也不能在表达式和程序中做进一步处理。

首先(?:pattern)与(pattern)不同之处只是在于不捕获结果。

接下来的四个非捕获组用于匹配pattern（或者不匹配pattern）位置之前（或之后）的内容。匹配的结果不包括pattern。

例如：

(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内的内容。如：<div>hello</div>之中的hello，匹配结果不包括前缀<div>和后缀</div>。

下面是程序中非捕获组的示例，用来提取邮编。

可以看到反向回查和反向预查都没有被捕获。

Regex.Matches方法

 1 using System.Text.RegularExpressions;
 2  namespace Wuhong.Test
 3 {
 4     class Program
 5     {
 6         static void Main(string[] args)
 7         {
 8             //目标字符串
 9              string source = "有6组数字：010001，100，21000，310000，4100011，510002，把邮编挑出来。";
10             //正则式
11              string regex = @"(?<!\d)([1-9]\d{5})(?!\d)";
12 
13             Regex regUrl = new Regex(regex);
14 
15             //获取所有匹配
16              MatchCollection mList = regUrl.Matches(source);
17             for (int j = 0; j < mList.Count; j++)
18             {
19                 //显示每个分组，可以看到每个分组都只有组号为1的项，反向回查和反向预查没有被捕获
20                  for (int i = 0; i < mList[j].Groups.Count; i++)
21                 {
22                     Console.WriteLine(string.Format("{0} : {1} : {2}", j, i, mList[j].Groups[i]));
23                 }
24             }
25 
26             Console.ReadLine();
27         }
28     }
29 }