正则表达式“匹配”与“捕获”

Question

我一直在查找正则表达式教程以尝试掌握它们，并且一直在享受此链接中的教程，直到出现问题：http://regexone.com/lesson/12

我似乎无法弄清楚“匹配”和“捕获”之间的区别是什么。我写的任何内容似乎都没有选择“捕获”部分下的文本（甚至没有.*）。

编辑：下面是一个让我感到困惑的教程示例：(.* (.*)) 被认为是正确的，(.* .*) 不是。这是教程的问题还是我不​​理解的问题？

Answer 1

匹配：

当引擎匹配字符串的一部分或全部但确实返回 nothing。

捕获：

当引擎匹配字符串的一部分或全部并返回 something。

-- 返回是什么意思？

当您需要在需要捕获组之前检查/存储/验证/工作/喜欢您的正则表达式匹配的字符串的一部分时(...)

在您的示例中，此正则表达式 .*?\d+ 仅匹配日期和年份 See here

这个正则表达式.*?(\d+) 匹配整个并捕获年份See here

而(.*?(\d+))会匹配整体，分别捕获整个和年份See here

*请注意标题为匹配组的右下角框

所以返回....

1：

preg_match("/.*?\d+/", "Jan 1987", $match);
print_r($match);

输出：

Array
(
    [0] => Jan 1987
)

2：

preg_match("/(.*?\d+)/", "Jan 1987", $match);
print_r($match);

输出：

Array
(
    [0] => Jan 1987
    [1] => Jan 1987
)

3：

preg_match("/(.*?(\d+))/", "Jan 1987", $match);
print_r($match);

输出：

Array
(
    [0] => Jan 1987
    [1] => Jan 1987
    [2] => 1987
)

正如您在最后一个示例中看到的那样，我们有 2 个捕获组，在数组中索引为 1 和 2，以及 0始终是匹配的字符串，但不会被捕获。

Answer 2

在正则表达式中捕获意味着表明您不仅对匹配感兴趣（即查找与您的正则表达式匹配的字符串），而且您还对稍后使用匹配字符串的特定部分感兴趣。

例如，您链接到的教程的答案是(\w{3}\s+(\d+))。

现在，为什么？

要简单地匹配日期字符串，写\w{3}\s+\d+（3 个单词字符，后跟一个或多个空格，后跟一个或多个数字）就足够了，但是在表达式中添加捕获组（捕获组是简单地括在括号()) 中的任何内容都将允许我稍后提取整个表达式（使用“$1”，因为最外面的一对括号是解析器遇到的第一个括号）或仅提取年份（使用“$2”，因为\d+ 周围的第二对括号是正则表达式解析器遇到的第二对括号）

当您不仅对匹配字符串与模式感兴趣，而且对从匹配的字符串中提取数据或以任何方式修改它们感兴趣时，捕获组会派上用场。例如，假设您想为教程中的每个日期添加 5 年 - 能够从匹配的字符串中仅提取年份部分（使用 $2）会派上用场

Answer 3

简而言之，“捕获”将收集到的值保存在一个特殊的位置，以便您以后可以访问它。

正如一些人所指出的，捕获的内容可以在“稍后”以相同的模式使用，因此

/(ab*c):\1/

将匹配 ac:ac、abc:abc 或 abbc:abbc 等。 (ab*c) 将匹配 a、任意数量的 b，然后是 a c。无论它匹配什么都是“捕获”的。在许多编程和脚本语言中，\1、\2 等语法具有特殊含义，指的是第一个、第二个等捕获。由于第一个可能是 abbc，那么 \1 位必须仅匹配 abbc，因此唯一可能的完全匹配将是 'abbc:abbc'

Perl（我认为）PHP 都允许 \1 \2 语法，但它们也使用被认为更现代的 $1 $2 等。许多语言都从 Perl 中汲取了强大的 RegEx 引擎，因此世界上越来越多地使用它。

由于您的示例问题似乎在 PHP 网站上，因此在 PHP 中 $1 的典型用法是：

/(ab*c)(de*f)/

稍后（例如下一行代码）

$x = $1 . $2;   # I hope that's PHP syntax for concatenation!

因此，在您下次使用正则表达式之前，捕获一直可用。根据所使用的编程语言，这些捕获的值可能会被下一次模式匹配破坏，或者它们可能通过特殊语法或语言的使用永久可用。

Answer 4

看看这两个正则表达式 - 从你的例子中

# first
/(... (\d\d\d\d))/
#second
/... \d\d\d\d/

它们都匹配“Jun 1965”和“May 2000”
（顺便还有很多其他的东西，比如“555 1234”）

第二个匹配它 - 是的

你可以这么说

if ($x=~/... \d\d\d\d/){do something}

第一个捕获所以

/(... (\d\d\d\d))/
print $1,";;;",$2

将打印“Jun 1967;;;1967”