Java正则表达式捕获组

170

我试图理解此代码块。在第一个中，我们在表达式中寻找什么？

我的理解是，它是任意字符（0或多次*），后跟0到9之间的任意数字（1或多次+），后跟任意字符（0或多次*）。

执行此操作时，结果为：

Found value: This order was placed for QT3000! OK?
Found value: This order was placed for QT300
Found value: 0

有人可以和我一起经历这个吗？

使用捕获组的优点是什么？

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTut3 {

    public static void main(String args[]) {
        String line = "This order was placed for QT3000! OK?"; 
        String pattern = "(.*)(\\d+)(.*)";

        // Create a Pattern object
        Pattern r = Pattern.compile(pattern);

        // Now create matcher object.
        Matcher m = r.matcher(line);

        if (m.find()) {
            System.out.println("Found value: " + m.group(0));
            System.out.println("Found value: " + m.group(1));
            System.out.println("Found value: " + m.group(2));
        } else {
            System.out.println("NO MATCH");
        }
    }

}

java regex

— 西维莱
source

1

要插入新行，请在行末放置2个空格。有关降价语法的更多信息：en.wikipedia.org/wiki/Markdown-另请参见：stackoverflow.com/editing-help

— assylias 2013年

248

您遇到的问题是量词的类型。您使用的是贪婪的量词在第一组（索引1 -指数0代表整Pattern），这意味着它会匹配尽可能多的，因为它可以（而且因为它是任何字符，它会匹配尽可能多的字符作为有为了满足下一组的条件）。

简而言之，您的第一个组将.*匹配任何内容，只要下一个组\\d+可以匹配某个内容（在本例中为最后一位）。

按照第三组，它将匹配最后一位数字之后的任何内容。

如果将其更改为第1组中的勉强量词，则会得到我期望的结果，即3000部分。

请注意第一组中的问号。

String line = "This order was placed for QT3000! OK?";
Pattern pattern = Pattern.compile("(.*?)(\\d+)(.*)");
Matcher matcher = pattern.matcher(line);
while (matcher.find()) {
    System.out.println("group 1: " + matcher.group(1));
    System.out.println("group 2: " + matcher.group(2));
    System.out.println("group 3: " + matcher.group(3));
}

输出：

group 1: This order was placed for QT
group 2: 3000
group 3: ! OK?

Java的更多信息Pattern 这里。

最后，捕获组由圆括号分隔，并提供了一种非常有用的方式来使用后向引用（以及其他方法），只要您Pattern将其与输入匹配即可。

在Java 6中，只能通过组的顺序来引用组（请注意嵌套组和排序的精巧性）。

在Java 7中，这很容易，因为您可以使用命名组。

— 美娜
source

谢谢！原因是第2组之所以存储0，是因为整个行都被贪婪的量词占用了，然后它回退直到与一个或多个数字接触为止。0满足此要求，因此表达式成功。我发现第三组令人困惑，贪婪的量词是否也占用了整行，但退缩直到找到一个或多个应该在其前面的数字（\\ d +）？

— Xivilai

@Xivilai让我在回答中微调我的解释，只需几秒钟。

— 2013年

那是一个很好的解释。因此，不情愿从左边开始，只取最小值，而对于贪婪，它会尽可能多地（从右边开始），仅在满足该条件的最后一位之前停止。第三组剩下的。

— Xivilai

@Xivilai或多或少。在这种情况下，它始终从左侧开始。这是有关量词的更多信息。

— 梅纳2013年

2

您可以在Java 5/6中使用命名捕获组named-regexp。

16

完全可以

第一组（m.group(0)）始终捕获正则表达式覆盖的整个区域。在这种情况下，它就是整个字符串。
正则表达式默认情况下是贪婪的，这意味着第一组会尽可能多地捕获而不会违反正则表达式。在(.*)(\\d+)（你的正则表达式的第一部分）覆盖...QT300INT第一组和0第二。
您可以通过将第一组(.*)设为非贪婪来快速解决此问题：将更改为(.*?)。

有关贪婪与懒惰的更多信息，请访问此站点。

— f1sh
source

4

从文档：

Capturing groups</a> are indexed from left
 * to right, starting at one.  Group zero denotes the entire pattern, so
 * the expression m.group(0) is equivalent to m.group().

因此捕获组0发送整行。

— 迈克尔·拉法格
source

3

您的理解是正确的。但是，如果我们通过以下步骤：

(.*) 会吞下整个弦；
它需要回馈字符以便(\\d+)被满足（这就是为什么0被捕获的原因，而不是3000）；
最后一个(.*)将捕获其余部分。

但是，我不确定作者的初衷是什么。

— ge
source