Ruby正则表达式中的非捕获组

Question

我正在尝试从字符串中获取ID号码，比如说

id/number/2000GXZ2/ref=sr

使用

(?:id\/number\/)([a-zA-Z0-9]{8})

由于某种原因，非捕获组没有起作用，给出了以下结果：

id/number/2000GXZ2

- AKarpun

---

你是如何得到结果的？ 你需要获取第一个捕获组。 - Tushar

非捕获组的作用是将内容进行分组，但不会生成捕获结果，同时不会从全局匹配中删除已匹配的子字符串。 - Casimir et Hippolyte

如果您正确获取了http://rubular.com/r/6NcnBGTEwy，则它可以正常工作。 - Nermin

一个正则表达式本身并不会做任何事情。你是如何使用这个正则表达式的？用它来分割字符串吗？还是用它替换字符串的某些部分？ - sawa

你需要从这个中获取什么信息：id/number/2000GXZ2/ref=sr？（哪一部分） - Shafizadeh

Answer 1

正如其他人所提到的，非捕获组仍然计入总匹配次数。如果您不想在匹配中包含该部分，请使用后顾（lookbehind）。

Rubular 示例

(?<=id\/number\/)([a-zA-Z0-9]{8})

(?<=pat) - 正向零宽断言：确保前面的字符与 pat 匹配，但不将这些字符包含在匹配文本中。

Ruby Doc Regexp

此外，在这种情况下，id号码周围的捕获组是不必要的。

- jacob.mccrumb

Answer 2

您拥有：

str = "id/number/2000GXZ2/ref=sr"

r = /
    (?:id\/number\/) # match string in a non-capture group
    ([a-zA-Z0-9]{8}) # match character in character class 8 times, in capture group 1
    /x               # extended/free-spacing regex definition mode

然后（使用 String#[]）：

str[r]
  #=> "id/number/2000GXZ2"

返回整个匹配，而不仅仅是第一个捕获组的内容。有几种方法可以解决这个问题。首先考虑不使用捕获组的方法。

@jacob.m 建议使用正向后顾（稍微修改了他的代码）来处理第一个部分：

r = /
    (?<=id\/number\/) # match string in positive lookbehind
    [[:alnum:]]{8}    # match >= 1 alphameric characters
    /x

str[r]
  #=> "2000GXZ2"

一种替代方案是：

r = /
    id\/number\/   # match string
    \K             # forget everything matched so far
    [[:alnum:]]{8} # match 8 alphanumeric characters
    /x

str[r]
  #=> "2000GXZ2"

\K在匹配长度可变的情况下特别有用，因为（在Ruby中）正向后瞻不适用于可变长度的匹配。

对于这两种方法，如果要匹配的部分仅包含数字和大写字母，则可以使用[A-Z0-9]+而非[[:alnum:]]（尽管后者包括Unicode字母，而不仅仅是英文字母）。实际上，如果所有条目都具有您的示例形式，则可能能够使用：

r = /
    \d          # match a digit
    [A-Z0-9]{7} # match >= 0 capital letters or digits
    /x

str[r]
  #=> "2000GXZ2"

另一种方法是保留你的捕获组。一种简单的方法是:

r = /
    id\/number\/     # match string
    ([[:alnum:]]{8}) # match >= 1 alphameric characters in capture group 1
    /x

str =~ r
str[r, 1] #=> "2000GXZ2"

另外，您可以使用String#sub方法将整个字符串替换为捕获组的内容：

r = /
    id\/number\/     # match string
    ([[:alnum:]]{8}) # match >= 1 alphameric characters in capture group 1
    .*               # match the remainder of the string
    /x

str.sub(r, '\1')  #=> "2000GXZ2"
str.sub(r, "\\1") #=> "2000GXZ2" 
str.sub(r) { $1 } #=> "2000GXZ2"

- Cary Swoveland

---

哇，谢谢你如此详尽的回答。非常感激！ - AKarpun

Answer 3

这是关于 Ruby Regexp 的匹配一致性问题。有些 Regexp 风格的方法会返回全局匹配，而其他方法则会返回指定的匹配。

在这种情况下，我们可以使用一个方法来获得您想要的行为，那就是 scan。

我认为没有人在这里实际上提到如何让您最初打算的 Regexp 正常工作，即获取仅捕获匹配项。要做到这一点，您可以使用以下方式使用原始模式的 scan 方法：

test_me.rb

test_string="id/number/2000GXZ2/ref=sr"
result = test_string.scan(/(?:id\/number\/)([a-zA-Z0-9]{8})/)
puts result

2000GXZ2

话虽如此，但是将非捕获组的 (?:) 替换为正向零宽断言的 (?<=)，无论是在使用 scan 还是其他使用 Regexp 的 Ruby 部分，都会对您有所裨益。

- kayleeFrye_onDeck