regex - 正则表达式中的非捕获组是什么？

Question

非捕获组(即 (?:))如何在正则表达式中使用以及它们有什么用处？

Answer 1

让我尝试用一​​个例子来解释这一点。

考虑以下文本:

http://stackoverflow.com/
https://stackoverflow.com/questions/tagged/regex

现在，如果我应用下面的正则表达式......

(https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

...我会得到以下结果:

Match "http://stackoverflow.com/"
     Group 1: "http"
     Group 2: "stackoverflow.com"
     Group 3: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "https"
     Group 2: "stackoverflow.com"
     Group 3: "/questions/tagged/regex"

但我不关心协议(protocol)——我只想要 URL 的主机和路径。因此，我更改了正则表达式以包含非捕获组 (?:)。

(?:https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

现在，我的结果如下所示:

Match "http://stackoverflow.com/"
     Group 1: "stackoverflow.com"
     Group 2: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "stackoverflow.com"
     Group 2: "/questions/tagged/regex"

看到了吗？第一组尚未被捕获。解析器使用它来匹配文本，但稍后在最终结果中忽略它。

<小时/>

编辑:

根据要求，让我也尝试解释一下组。

嗯，团体有很多用途。它们可以帮助您从更大的匹配(也可以命名)中提取准确的信息，它们可以让您重新匹配以前的匹配组，并且可以用于替换。让我们尝试一些例子，好吗？

假设您有某种 XML 或 HTML(请注意 regex may not be the best tool for the job ，但作为示例很好)。你想解析标签，所以你可以这样做(我添加了空格以使其更容易理解):

   \<(?<TAG>.+?)\> [^<]*? \</\k<TAG>\>
or
   \<(.+?)\> [^<]*? \</\1\>

第一个正则表达式有一个命名组 (TAG)，而第二个正则表达式使用一个公共(public)组。两个正则表达式都执行相同的操作:它们使用第一组中的值(标记的名称)来匹配结束标记。区别在于第一个使用名称来匹配值，第二个使用组索引(从 1 开始)。

现在让我们尝试一些替换。考虑以下文本:

Lorem ipsum dolor sit amet consectetuer feugiat fames malesuada pretium egestas.

现在，让我们使用这个愚蠢的正则表达式来代替它:

\b(\S)(\S)(\S)(\S*)\b

此正则表达式匹配至少包含 3 个字符的单词，并使用组来分隔前三个字母。结果是这样的:

Match "Lorem"
     Group 1: "L"
     Group 2: "o"
     Group 3: "r"
     Group 4: "em"
Match "ipsum"
     Group 1: "i"
     Group 2: "p"
     Group 3: "s"
     Group 4: "um"
...

Match "consectetuer"
     Group 1: "c"
     Group 2: "o"
     Group 3: "n"
     Group 4: "sectetuer"
...

因此，如果我们应用替换字符串:

$1_$3$2_$4

...上面，我们尝试使用第一组，添加下划线，使用第三组，然后第二组，添加另一个下划线，然后第四组。生成的字符串如下所示。

L_ro_em i_sp_um d_lo_or s_ti_ a_em_t c_no_sectetuer f_ue_giat f_ma_es m_la_esuada p_er_tium e_eg_stas.

您也可以使用命名组进行替换，使用${name}。

要使用正则表达式，我建议 http://regex101.com/ ，其中提供了大量有关正则表达式如何工作的详细信息；它还提供了一些正则表达式引擎可供选择。