java - 关于正则表达式捕获组的说明

Question

直接来自这个 java API (ctrl + f) +“组名”：

与组关联的捕获输入始终是该组最近匹配的子序列。如果由于量化而对组进行第二次评估，则如果第二次评估失败，则将保留其先前捕获的值（如果有）。例如，将字符串“aba”与表达式 (a(b)?)+ 匹配，将第二组设置为“b”。所有捕获的输入在每次匹配开始时都会被丢弃。

我知道捕获组如何工作以及它们如何与反向引用一起工作。但是，我没有得到上面引用的 API 位的意义。换句话说，有人能把它放下吗？

提前致谢。

Answer 1

那句话说：

如果您+, *, ? or {m,n}在捕获组上使用了量词 - ，并且您的组多次匹配，则只有最后一个匹配项与捕获组相关联，并且所有先前的匹配项都将被覆盖。

例如：如果您匹配(a)+字符串 - "aaaaaa"，您的捕获组 1将引用最后一个a。

现在考虑这种情况，您有一个嵌套的捕获组，如引用中所示的示例：

`(a(b)?)+`

将此正则表达式与字符串 - 匹配"aba"，您将获得以下 2 个匹配项：

• "ab"- 捕获组 1 = "ab"（由于外括号），捕获组 2 = "b"（由于内括号）
• "a" - 捕获组 1 = "a"，捕获组 2 = 无。（这是因为第二个捕获组(b)?是可选的。因此，它成功匹配最后一个a.

因此，最后您的 Capture group 1 将包含"a", 覆盖之前捕获的 group "ab"， Capture group 2 将包含"b", 未覆盖。

Answer 2

在这种情况下，是否命名捕获无关紧要。

考虑这个输入文本：

foo-bar-baz

这个正则表达式：

[a-z]+(-[a-z]+)*

现在的问题是第 1 组捕获了什么？

随着正则表达式在文本中的进行，它首先匹配-bar的是第 1 组的内容；但随后它在文本中继续，并识别出现在-baz是第 1 组的新内容。

因此，-bar“丢失”：正则表达式引擎已将其丢弃，因为输入中的其他文本与捕获组匹配。这就是这个意思：

[t]他捕获的与组关联的输入始终是该组最近匹配的子序列[强调我的]