正则表达式 捕获组,向前引用,零宽度断言,贪婪量词,惰性量词以及支配量词

原来写过一篇正则表达式的文章
http://hi.baidu.com/kabike/item/305cb3e591bbf4b52f140ba7
后来又读了一遍《精通正则表达式》,感觉有了新的认识.

捕获组
正则表达式中的括号相当于一个分组,比如下面这个正则表达式,就把字符串分成了"_"分割的三个分组,
然后可以利用$1引用第一个分组,$3引用第三个分组
Java代码
  1. Patternp=Pattern.compile("([^_]+)_(\\d+)_([^_]+)");
  2. Stringsrc1="孙燕姿_20091103_遇见.mp3";
  3. Matcherm=p.matcher(src1);
  4. System.out.println(m.replaceAll("$1_$3"));
  5. //output孙燕姿_遇见.mp3

向前引用
假设想匹配字符串中的"hello hello"这样的字串是很容易的,但是想匹配所有的这样的重复字符串呢(比如 "aaa aaa"和"www www")?
可以利用向前引用,即寻找已经匹配的捕获组.
比如下面这个正则表达式,寻找这样的匹配模式:多个字母(形成了捕获组1),一个空格,捕获组1
Patternp=Pattern.compile("(\\w+)\\s\\1");
  • Stringsrc="Ialwaysmakemakesomemistakeswhenwhenwritting.";
  • Matcherm=p.matcher(src);
  • while(m.find()){
  • System.out.println(m.group());
  • }
  • //outputmakemake
  • whenwhen

  • 零宽度断言
    假设想提取字符串中的括号中的数字(不包括括号),其实可以用这样的模式
    (\d+)
    但是这样会把括号也包括到匹配结果中,还要最后去掉括号.这时可以考虑零宽度断言,零宽度断言就像一种判断,匹配的模式为: 多个数字,并且这些数字之前是"(",并且这些数字之后是")"
    Patternp=Pattern.compile("(?<=\\()\\d+(?=\\))");
  • Stringsrc="someuselessword(497872028)someothercrap1321112232";
  • //output497872028

  • 这个可以有如下变体.提取括号以及@@之间的 数字(不包括括号和@@)
    Patternp=Pattern.compile("(?<=\\(|@@)\\d+(?=\\)|@@)");
  • Stringsrc="some@@497872027@@uselessword(497872028)someothercrap1321112232";
  • //output497872027
  • 贪婪量词和惰性量词
    考虑这个例子,提取##之间的部分(包括#),很容易想
    Patternp=Pattern.compile("#.+#");
  • Stringsrc="some#stupid#wordandsomecrap";
  • //#stupid#

  • 那么字符串改一下呢
    Stringsrc="some#stupid#wordandsome#crap#";
  • //#stupid#wordandsome#crap#

  • 因为默认情况下正则表达式的量词(即那个+)是贪婪的,它尝试尽可能多的匹配.
    这时可以试下惰性量词,在+后面加?,表示尽可能少的进行匹配.
    Patternp=Pattern.compile("#.+?#");
  • //#stupid#
  • //#crap#

  • 其实不用惰性量词,用 #[^#]+# 也可以
    支配量词
    支配量词比较复杂,我也不是完全清楚,这里谈一些个人见解,sans-serif; font-size:14px; line-height:25.2px">我感觉它工作起来像贪婪量词,但是它不回溯,因为支配量词丢弃原来的状态.
    比如贪婪量词模式 是\\w+:
    字符串是 hello,那么这个字符串是肯定不满足模式的,因为它末尾没有那个分号.
    不过贪婪量词先用 \\w+匹配 hello,发现不成功,进行回溯,就是用\\w+匹配hell,依然失败,接着匹配hel.
    直到完全失败为止.
    支配量词模式为\\w++:
    在\\w++匹配了hello之后,发现后面没有分号,匹配失败,要进行回溯.但是支配量词没有保留h he hel hell这几个中间状态,sans-serif; font-size:14px; line-height:25.2px">所以无法回溯,直接失败.
    因此支配量词在这种情况下理论上效率会高一些,因为它少了这些回溯中间状态的步骤.
    先看贪婪量词
    Patternp=Pattern.compile("\\w+:");
  • StringBuildersb=newStringBuilder();
  • for(inti=0;i<=40;i++){
  • sb.append("alonglongsentence");
  • Stringsrc=sb.toString();
  • longstart=System.currentTimeMillis();
  • 100;i++){
  • p.matcher(src).find();
  • System.out.println(System.currentTimeMillis()-start);
  • //1391

  • 下面用支配量词
    Patternp=Pattern.compile("\\w++:");
  • //875

  • 上面都是匹配失败的情况,下面试试成功的.因为成功不需要回溯,因此速度快了很多嘛.为了对比,我把字符串长度和匹配次数都变大了.
    400;i++){
  • sb.append(":");
  • 1000;i++){
  • //250
  • //235

  • 现在差别就不明显了.
    关于贪婪量词和支配量词
    我猜测字符串a12b 和模式a\d+c匹配过程如下
    那个逗号表示匹配的位置
    ,a12b,a\d+c
    a,12b a,\d+c
    a1,2b a,\d+c 记录回溯状态 a1,2b a\d+,c
    a12,b a,\d+c 记录回溯状态 a12,b a\d+,sans-serif; font-size:14px; line-height:25.2px">b匹配\d失败,回溯状态为a12,sans-serif; font-size:14px; line-height:25.2px">b匹配c失败,回溯状态为a1,sans-serif; font-size:14px; line-height:25.2px">2匹配c失败,没有状态可以回溯,匹配失败
    换成支配量词
    a12b a\d++c

    看出来支配量词回溯步骤变少了.a b之间的数字越多,它比贪婪量词要回溯的就越少


    原文地址:http://kabike.iteye.com/blog/1759373

    版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

    相关推荐


    jquery.validate使用攻略(表单校验) 目录 jquery.validate使用攻略1 第一章&#160;jquery.validate使用攻略1 第二章&#160;jQuery.validate.js API7 Custom selectors7 Utilities8 Validato
    /\s+/g和/\s/g的区别 正则表达式/\s+/g和/\s/g,目的均是找出目标字符串中的所有空白字符,但两者到底有什么区别呢? 我们先来看下面一个例子: let name = &#39;ye wen jun&#39;;let ans = name.replace(/\s/g, &#39;&#3
    自整理几个jquery.Validate验证正则: 1. 只能输入数字和字母 /^[0-9a-zA-Z]*$/g jQuery.validator.addMethod(&quot;letters&quot;, function (value, element) { return this.optio
    this.optional(element)的用法 this.optional(element)是jquery.validator.js表单验证框架中的一个函数,用于表单控件的值不为空时才触发验证。 简单来说,就是当表单控件值为空的时候不会进行表单校验,此函数会返回true,表示校验通过,当表单控件
    jQuery.validate 表单动态验证 实际上jQuery.validate提供了动态校验的方法。而动态拼JSON串的方式是不支持动态校验的。牺牲jQuery.validate的性能优化可以实现(jQuery.validate的性能优化见图1.2 jQuery.validate源码 )。 也可
    自定义验证之这能输入数字(包括小数 负数 ) &lt;script type=&quot;text/javascript&quot;&gt; function onlyNumber(obj){ //得到第一个字符是否为负号 var t = obj.value.charAt(0); //先把非数字的都
    // 引入了外部的验证规则 import { validateAccountNumber } from &quot;@/utils/validate&quot;; validator.js /*是否合法IP地址*/ export function validateIP(rule, value,cal
    VUE开发--表单验证(六十三) 一、常用验证方式 vue 中表单字段验证的写法和方式有多种,常用的验证方式有3种: data 中验证 表单内容: &lt;!-- 表单 --&gt; &lt;el-form ref=&quot;rulesForm&quot; :rules=&quot;formRul
    正则表达式 座机的: 例子: 座机有效写法: 0316-8418331 (010)-67433539 (010)67433539 010-67433539 (0316)-8418331 (0316)8418331 正则表达式写法 0\d{2,3}-\d{7,8}|\(?0\d{2,3}[)-]?\d
    var reg = /^0\.[1-9]{0,2}$/;var linka = 0.1;console.log (reg.test (linka)); 0到1两位小数正则 ^(0\.(0[1-9]|[1-9]{1,2}|[1-9]0)$)|^1$ 不含0、0.0、0.00 // 验证是否是[1-10
    input最大长度限制问题 &lt;input type=&quot;text&quot; maxlength=&quot;5&quot; /&gt; //可以 &lt;input type=&quot;number&quot; maxlength=&quot;5&quot; /&gt; //没有效
    js输入验证是否为空、是否为null、是否都是空格 目录 1.截头去尾 trim 2.截头去尾 会去掉开始和结束的空格,类似于trim 3.会去掉所有的空格,包括开始,结束,中间 1.截头去尾 trim str=str.trim(); // 强烈推荐 最常用、最实用 or $.trim(str);
    正则表达式语法大全 字符串.match(正则):返回符合的字符串,若不满足返回null 字符串.search(正则):返回搜索到的位置,若非一个字符,则返回第一个字母的下标,若不匹配则返回-1 字符串.replace(正则,新的字符串):找到符合正则的内容并替换 正则.test(字符串):在字符串中
    正整数正则表达式正数的正则表达式(包括0,小数保留两位): ^((0{1}.\d{1,2})|([1-9]\d.{1}\d{1,2})|([1-9]+\d)|0)$正数的正则表达式(不包括0,小数保留两位): ^((0{1}.\d{1,2})|([1-9]\d.{1}\d{1,2})|([1-9]+
    JS 正则验证 test() /*用途:检查输入手机号码是否正确输入:s:字符串返回:如果通过验证返回true,否则返回false /function checkMobile(s){var regu =/[1][3][0-9]{9}$/;var re = new RegExp(regu);if (r
    请输入保留两位小数的销售价的正则: /(^[1-9]([0-9]+)?(\.[0-9]{1,2})?$)|(^(0){1}$)|(^[0-9]\.[0-9]([0-9])?$)/ 1.只能输入英文 &lt;input type=&quot;text&quot; onkeyup=&quot;value
    判断价格的正则表达式 价格的正则表达式 /(^[1-9]\d*(\.\d{1,2})?$)|(^0(\.\d{1,2})?$)/; 1 解析:价格符合两种格式 ^ [1-9]\d*(.\d{1,2})?$ : 1-9 开头,后跟是 0-9,可以跟小数点,但小数点后要带上 1-2 位小数,类似 2,2
    文章浏览阅读106次。这篇文章主要介绍了最实用的正则表达式整理,比如校验邮箱的正则,号码相关,数字相关等等,本文给大家列举的比较多,需要的朋友可以参考下。_/^(?:[1-9]d*)$/ 手机号
    文章浏览阅读1.2k次。4、匹配中的==、an==、== an9、i9 == "9i"和99p==请注意下面这部分的作用,它在匹配中间内容的时候排除了说明:当html字符串如下时,可以匹配到两处,表示匹配的字符串不包含and且不包含空白字符。说明:在上面的正则表达式中,_gvim正则表达式匹配不包含某个字符串
    文章浏览阅读897次。【代码】正则表达式匹配a标签的href。_auto.js 正则匹配herf