Java Matcher 组：了解“(?:X|Y)”和“(?:X)|(?:Y)”之间的区别答案

【问题标题】：Java Matcher groups: Understanding The difference between "(?:X|Y)" and "(?:X)|(?:Y)"Java Matcher 组：了解“(?:X|Y)”和“(?:X)|(?:Y)”之间的区别
【发布时间】：2011-02-27 23:08:22
【问题描述】：

谁能解释一下：

为什么下面使用的两种模式给出不同的结果？（在下面回答）
为什么第二个示例给出的组计数为 1，但表示开始第 1 组的结尾是 -1？

 public void testGroups() throws Exception
 {
  String TEST_STRING = "After Yes is group 1 End";
  {
   Pattern p;
   Matcher m;
   String pattern="(?:Yes|No)(.*)End";
   p=Pattern.compile(pattern);
   m=p.matcher(TEST_STRING);
   boolean f=m.find();
   int count=m.groupCount();
   int start=m.start(1);
   int end=m.end(1);

   System.out.println("Pattern=" + pattern + "\t Found=" + f + " Group count=" + count + 
     " Start of group 1=" + start + " End of group 1=" + end );
  }

  {
   Pattern p;
   Matcher m;

   String pattern="(?:Yes)|(?:No)(.*)End";
   p=Pattern.compile(pattern);
   m=p.matcher(TEST_STRING);
   boolean f=m.find();
   int count=m.groupCount();
   int start=m.start(1);
   int end=m.end(1);

   System.out.println("Pattern=" + pattern + "\t Found=" + f + " Group count=" + count + 
     " Start of group 1=" + start + " End of group 1=" + end );
  }

 }

它给出以下输出：

Pattern=(?:Yes|No)(.*)End  Found=true Group count=1 Start of group 1=9 End of group 1=21
Pattern=(?:Yes)|(?:No)(.*)End  Found=true Group count=1 Start of group 1=-1 End of group 1=-1

【问题讨论】：

标签： java regex regex-group

【解决方案1】：

不同之处在于，在第二个模式"(?:Yes)|(?:No)(.*)End" 中，连接（“XY”中的“X 后跟 Y”）比选择（“X|Y”中的“X 或 Y”）具有更高的precedence )，就像乘法的优先级高于加法一样，所以模式等价于
```
"(?:Yes)|(?:(?:No)(.*)End)"
```
你想要得到的是以下模式：
```
"(?:(?:Yes)|(?:No))(.*)End"
```
这会产生与您的第一个模式相同的输出。

在您的测试中，第二个模式的组 1 位于（空）范围 [-1, -1[，因为该组不匹配（包括开始 -1，不包括结束 -1，使 half-open interval 为空)。
捕获组是可能捕获输入的组。如果它捕捉到了，人们也会说它匹配输入的某个子字符串。如果正则表达式包含选项，则并非每个捕获组都可以实际捕获输入，因此即使正则表达式匹配，也可能存在不匹配的组。
Matcher.groupCount() 返回的组计数纯粹是通过计数捕获组的分组括号获得的，无论它们中的任何一个是否可以匹配任何给定的输入。您的模式只有一个捕获组：(.*)。这是第 1 组。documentation states：
```
(?:X)    X, as a non-capturing group
```
和explains:

以(? 开头的组要么是纯的、非捕获组，不捕获文本且不计入组总数，要么是命名捕获组。

任何特定组是否与给定输入匹配，与该定义无关。例如，在(Yes)|(No) 模式中，有两个组（(Yes) 是第 1 组，(No) 是第 2 组），但只有一个可以匹配任何给定的输入。
如果正则表达式在某个子字符串上匹配，则对 Matcher.find() 的调用返回 true。您可以通过查看它们的开始来确定哪些组匹配：如果是 -1，则该组不匹配。在这种情况下，结尾也是 -1。没有内置方法可以告诉您在调用find() 或match() 后实际匹配了多少捕获组。您必须通过查看每个组的起点来自己计算这些。
谈到反向引用时，还要注意the regex tutorial 所说的：

反向引用与一个不匹配的捕获组，一个一个完全没有参加比赛的捕获组。

【讨论】：

感谢您的回答。我仍然想了解为什么组数为 1。我理解（从文档和其他实验中）组数为 1 应该意味着已找到单个编号组，因此 start(1) 应该 > - 1.
组数纯粹是通过计算分组括号获得的，而您的模式正好有一个：(.*)。这是第 1 组。任何特定组是否与给定输入匹配，与该定义无关。例如，在模式"(Yes)|(No)" 中，有两个组（“(Yes)” 是第 1 组，“(No)” 是第 2 组），但对于任何给定的输入，只有其中一个可以匹配。
所以您说的是文档中所说的“返回此匹配器模式中捕获组的数量”。这意味着即使没有匹配项，表达式中的计数？在那种情况下，为什么调用 find() 会返回 true？或者换句话说，如何确定是否有任何组匹配，如果匹配，有多少？

【解决方案2】：

总结一下，

1) 由于运算符的优先规则，两种模式给出不同的结果。

(?:Yes|No)(.*)End 匹配（是或否) 后跟 .*End
(?:Yes)|(?:No)(.*)End 匹配（是）或（否，后跟 .*End）

2) 由于Matcher 方法调用返回的结果的含义（不一定直观），第二个模式给出的组计数为 1，但开始和结束为 -1。

Matcher.find() 如果找到匹配项，则返回 true。在您的情况下，匹配位于模式的 (?:Yes) 部分。
Matcher.groupCount() 返回模式中捕获组的数量无论捕获组是否实际参与了比赛。在您的情况下，只有模式的非捕获 (?:Yes) 部分参与了匹配，但捕获 (.*) 组仍然是模式的一部分，因此组数为 1。
Matcher.start(n) 和 Matcher.end(n) 返回第 n 个捕获组匹配的子序列的开始和结束索引。在您的情况下，虽然找到了整体匹配，但 (.*) 捕获组没有参与匹配，因此没有捕获子序列，因此结果为 -1。

3) （评论中提出的问题。）为了确定有多少捕获组实际捕获了一个子序列，将Matcher.start(n) 从 0 迭代到 Matcher.groupCount() 计算非 -1 结果的数量。（请注意，Matcher.start(0) 是代表整个模式的捕获组，您可能需要将其排除在外。）

【讨论】：

【解决方案3】：

由于“|”的优先级模式中的运算符，第二个模式等价于：

(?:Yes)|((?:No)(.*)End)

你想要的是

(?:(?:Yes)|(?:No))(.*)End

【讨论】：

您对 groupCount 的看法是错误的，正如 Javadoc 清楚地解释的那样：按照惯例，组零表示整个模式。它不包含在此计数中。不直观。

【解决方案4】：

当使用正则表达式时，重要的是要记住有一个隐含的AND 运算符在起作用。这可以从涵盖逻辑运算符的java.util.regex.Pattern 的JavaDoc 中看出：

逻辑运算符
XY X 后跟 Y
X|Y X 或 Y
(X) X，作为捕获组

这个AND 优先于第二个模式中的OR。第二个 Pattern 等价于
(?:Yes)|(?:(?:No)(.*)End).
为了使其与第一个 Pattern 等效，必须将其更改为
(?:(?:Yes)|(?:No))(.*)End

【讨论】：