Java正则表达式捕获组索引

Question

我有以下这行代码：

typeName="ABC:xxxxx;";

我需要获取单词ABC，

我写了以下的代码片段，

Pattern pattern4=Pattern.compile("(.*):");
matcher=pattern4.matcher(typeName);

String nameStr="";
if(matcher.find())
{
    nameStr=matcher.group(1);

}

所以如果我输入 group(0) 我会得到 ABC:，但如果我输入 group(1)，那么它就是 ABC。因此我想知道：

1. 0 和 1 是什么意思？如果有好的例子可以解释，那就更好了。

2. 正则表达式模式中包含一个 :，为什么 group(1) 的结果不包括它？是因为组1检测到括号内的所有单词吗？

3. 那么，如果我再加两个括号，例如：\\s*(\d*)(.*)，那么会有两个组吗？group(1)将返回 (\d*) 部分，而group(2)将返回 (.*) 部分吗？

给出代码片段是为了澄清我的困惑。这不是我正在处理的代码。上面给出的代码可以使用 String.split() 更简单地完成。

- P basak

Answer 1

捕获和分组

捕获分组 (pattern) 创建了一个具有捕获属性的分组。

你可能经常看到并使用的相关语法是(?:pattern)，它创建了一个没有捕获属性的非捕获分组。

当需要重复一系列模式时，通常会使用分组，例如(\.\w+)+，或者用于指定交替出现的位置，例如^(0*1|1*0)$（先是^，然后是0*1或1*0，最后是$），与^0*1|1*0$（^0*1或1*0$）相对应。

除了进行分组之外，捕获分组还将记录匹配捕获分组内部模式的文本。以您的示例(.*):为例，.*匹配ABC，:匹配:，由于.*在捕获分组(.*)内部，因此文本ABC被记录为捕获分组1。

分组编号

整个模式被定义为编号0的分组。

模式中的任何捕获分组都从1开始索引。这些索引是由捕获分组的左括号出现的顺序定义的。以下是下面模式中所有5个捕获分组的示例：

(group)(?:non-capturing-group)(g(?:ro|u)p( (nested)inside)(another)group)(?=assertion)
|     |                       |          | |      |      ||       |     |
1-----1                       |          | 4------4      |5-------5     |
                              |          3---------------3              |
                              2-----------------------------------------2

在模式中，你可以使用捕获组号码进行向后引用\n，在替换字符串中，你可以使用$n。

^{在其他正则表达式语言（如PCRE、Perl）中，它们也可用于子程序调用。}

你可以使用Matcher.group(int group)方法访问某些分组匹配的文本。可根据上述规则识别分组编号。

^{在某些正则表达式语言（如PCRE、Perl）中，有一种“分支重置”功能，允许您使用相同的号码来处理交替分支中不同的捕获组。}

组名

从Java 7开始，你可以定义一个命名捕获组 (?<name>pattern)，并且你可以使用Matcher.group(String name)方法访问匹配的内容。这个正则表达式比较长，但代码更有意义，因为它表示你正在尝试匹配或提取的内容。

组名可以在模式中使用向后引用\k<name>，在替换字符串中可以使用${name}。

命名捕获组仍然使用相同的编号方案进行编号，因此它们也可以通过Matcher.group(int group)访问。

在内部，Java的实现只是将名称映射到组号码。因此，你不能为2个不同的捕获组使用相同的名称。

- nhahtdh

---

哇！谢谢 @nhahtdh 解释非捕获组和嵌套组顺序的问题。在读了你的解释之前，我对组号是如何工作一直感到困惑。非常感谢！ - MMeah

Answer 2

对于我们其余的人

这里是一个简单明了的示例，说明它是如何工作的：

( G1 )( G2 )( G3 )( G4 )( G5 )
正则表达式：([a-zA-Z0-9]+)([\s]+)([a-zA-Z ]+)([\s]+)([0-9]+)

字符串："!* UserName10 John Smith 01123 *!"

group(0): UserName10 John Smith 01123
group(1): UserName10
group(2):  
group(3): John Smith
group(4):  
group(5): 01123

你可以看到，我创建了五个被括号包含的组。

我在每一侧都加上了 !* 和 *! 以使其更清晰。请注意，这些字符都不在正则表达式中，因此不会出现在结果中。Group(0)仅仅给出整个匹配的字符串（所有搜索标准在单行中）。 Group 1在第一个空格之前停止，因为空格字符未包含在搜索标准中。组2和4只是表示空格，这里实际上是一个空格字符，但也可以是制表符或换行符等。Group 3包含空格，因为我将其放入了搜索标准...等等。

希望这样说得清楚。

- Michael Sims

---

完美的例子，易于初学者理解。我有一个疑问，这是否与Python中的正则表达式分组相同？还是有什么区别？我对正则表达式很新，所以在两种语言中都有点困惑。 - Mani

这不是一个有效的Java正则表达式：反斜杠必须加倍。 - Nicolas Raoul

@NicolasRaoul：双反斜杠是由于字符串文字中的转义语法。实际的正则表达式语法（即如果您将包含正则表达式的字符串打印到控制台）不需要双反斜杠。 - nhahtdh

@NicolasRaoul 如果您将我的正则表达式字符串复制并粘贴到使用能干的IDE的实际Java代码中，IDE将根据需要正确格式化转义斜杠。但是我的正则表达式在技术和语法上都是正确的，并且它的主要目的是演示正则表达式代码与所获得结果之间的关联（使用非常具体的示例）...放松一点...☺ - Michael Sims

同时有趣又精准。做得好，@MichaelSims。 - Asanka Siriwardena

Answer 3

圆括号()用于启用正则表达式短语的分组。

group(1)包含圆括号(.*)内的字符串，因此在此情况下是.*

group(0)包含整个匹配的字符串。

如果您有更多的分组（即(...)），它们将被放入下一个索引（2、3等）的组中。

- Michal Borek

---

那么，我理解正确，添加括号实际上是为了创建分组？ - P basak