分組和反向引用是正則裡最容易暈的兩個概念,但只要理清「分組編號規則」和「引用語義」,大部分問題都能迎刃而解。
元字符 (pattern) 的作用是把一段模式括起來作為整體重複匹配,同時它還會「捕獲」匹配到的內容。
相關的引用方式有兩類:
RegExp.$1 ~ RegExp.$9:拿到對應分組匹配到的子串$1 ~ $9:在 replace 的第二個參數裡引用\1 ~ \9:反向引用,要求後文與前面分組的內容一致var reg = /(A+)((B|C|D)+)(E+)/gi; // 對應關係: // RegExp.$1 <-> (A+) // RegExp.$2 <-> ((B|C|D)+) // RegExp.$3 <-> (B|C|D) // RegExp.$4 <-> (E+)
規則很簡單:按左括號出現的順序從左往右編號。所以嵌套情況下,外層分組的號一定小於它內部的分組。上例中 ((B|C|D)+) 的左括號先出現,因此是 $2,內層的 (B|C|D) 才是 $3。
var str = "ABCDE"; var reg = /(A+)((B|C|D)+)(E+)/gi; str.match(reg); // ["ABCDE"] reg.exec(str); // ["ABCDE", "A", "BCD", "D", "E"] RegExp.$1; // "A" RegExp.$2; // "BCD" RegExp.$3; // "D" RegExp.$4; // "E"
注意 $3 的結果是 "D" 而不是 "BCD"。因為 (B|C|D)+ 中的分組只在每次重複時捕獲「最後一次」的匹配結果,前面幾輪的內容不會累積。這也是一個常見誤解點。
如果只想分組而不需要捕獲,應該使用非捕獲分組 (?:...),這樣既不佔用編號,也能省一點內存。
\1 ~ \9 表示「引用前面第 N 個分組實際匹配到的文本」。
最經典的例子是匹配兩個連續相同的字符:
var str = "AA Am 99"; var reg = /(\w)\1/g; str.match(reg); // ["AA", "99"]
為什麼 (\w)\1 不等於 (\w)(\w)?因為 (\w)(\w) 匹配的是任意兩個連續字符,Ac、MM、K9 都算;而 (\w)\1 要求後一個字符必須與前一個完全相同——\1 是對 (\w) 的一次實例化引用,(\w) 匹配到 A 時 \1 就必須是 A,匹配到 9 時 \1 就必須是 9。
關鍵字高亮是最典型的場景:
var key = "keywords";
var text = " I am a text, and I have a keywords before this";
var reg = new RegExp("(" + key + ")", "g");
text.replace(reg, "<span style='color:red'>$1</span>");
// " I am a text, and I have a <span style='color:red'>keywords</span> before this"
把關鍵字用括號包成分組,替換時用 $1 引用,這樣做的好處是:即使關鍵字里含有正則元字符需要轉義,替換模板也不用改。
更實用的做法是傳函數給 replace,這樣能拿到匹配的上下文並避免嵌套替換:
text.replace(reg, function (match, p1, offset, string) {
return '<span style="color:red">' + p1 + '</span>';
});
下面兩個例子(Java 語法,正則語義與 JS 一致)展示了反向引用在「匹配重複結構」上的威力:
// 示例 1:匹配 99-3933 這種形式
String s = "99-3933";
boolean b = Pattern.matches("([\\d])\\1[-]([3])\\1\\2{2}", s);
// ([\d]) 捕獲後用 \1 引用,要求第二位與第一位相同
// ([3]) 捕獲後用 \2 引用
// 示例 2:用外層分組重複整體結構
String s = "99-393399-3933";
boolean b = Pattern.matches("(([\\d])\\2[-]([3])\\2\\3{2})\\1", s);
// 外層括號是第 1 組,內層依次是第 2、3 組
// 末尾的 \1 要求後半段與前半段完全一致
示例 2 尤其值得琢磨:外層括號把「兩位數字-四位數字」整體捕獲為第 1 組,末尾的 \1 就相當於要求這個模式連續出現兩次且內容一致。這是用正則處理「重複結構」的標準思路。
記住三條規則基本就夠用了: