正则表达式中的捕获组和模式拆分方法

Question

我如何理解以下代码的输出？ 代码的前四个打印语句是关于 Java 中正则表达式中的捕获组，其余代码是关于Pattern split方法。 我参考了一些文档来感知代码的输出（如图所示），但无法弄清楚它是如何工作并显示此输出的。

Java代码

    import java.util.*;
    import java.util.regex.*;
    import java.lang.*;
    import java.io.*;

    /* Name of the class has to be "Main" only if the class is public. */
    public class Codechef
    {
        public static void main(String[] args) {
            //Capturing Group in Regular Expression
            System.out.println(Pattern.matches("(\\w\\d)\\1", "a2a2")); //true
            System.out.println(Pattern.matches("(\\w\\d)\\1", "a2b2")); //false
            System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B2AB")); //true
            System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B3AB")); //false
            // using pattern split method
            Pattern pattern = Pattern.compile("\\W");
            String[] words = pattern.split("one@two#three:four$five");
            System.out.println(words);
            for (String s : words) {
                System.out.println("Split using Pattern.split(): " + s);
            }

        }
    }

结果

编辑-1

查询

• 如果我谈论捕获组，我无法弄清楚这里的 '\\1' 或 '\\2' 有什么用？ 这些如何评估为真或假。
• 如果我谈论模式拆分方法，我想知道字符串拆分是如何发生的。 这种拆分方法与普通字符串拆分方法的工作方式有何不同？

Answer 1

第一个控制台打印行...

System.out.println(Pattern.matches("(\\w\\d)\\1", "a2a2")); //true
System.out.println(Pattern.matches("(\\w\\d)\\1", "a2b2")); //false
System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B2AB")); //true
System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B3AB")); //false

利用matches()方法，它总是返回一个布尔值（真或假）。 此方法主要用于一种或另一种字符串验证。 以第一个和第二个正则表达式示例为例，它们都是： "(\\\\w\\\\d)\\\\1"然后通过matches()方法针对两个提供的字符串（ "a2a2"和"a2b2" ）处理该表达式正如他们所做的那样，您肯定会按顺序返回布尔值true和false 。

这里真正的关键是知道什么特定的正则表达式是假设进行验证。 上面的表达式仅适用于括号中表示的 1 个捕获组。 \\\\w用于匹配任何等于az或AZ或0-9和_ （下划线字符）的单个单词字符。 \\\\d用于匹配单个数字，等于0到9 之间的任何数字。

注意：实际上，表达式Meta 字符写为\\w和\\d，但由于 Java 字符串中的转义字符 ( \\ ) 需要转义，因此您必须添加额外的转义字符。

\\1用于查看是否存在与第一个捕获组最近匹配的相同文本的单个匹配项。 由于只指定了一个捕获组，因此此处只能使用值 1。 嗯，这并不完全正确，您可以在此处使用0值，但是您不会在任何捕获组中寻找匹配项，这消除了此处的目的。 任何其他大于1 的值都会创建表达式异常，因为您只有 1 个捕获组。

底线，表达式查看所提供字符串中的前两个字符：

• 所提供字符串中的第一个字符 ( \\\\w ) 是大写还是小写A 到 Z或_或0 到 9 之间的数字？ 如果不是，则没有匹配项，并且返回布尔值false ，但是，如果存在.....
• 提供的字符串中的第二个字符 ( \\\\d ) 是0 到 9 之间的数字吗？ 如果不是，则返回布尔假值，但是，如果有则......
• 其余 2 个字符是否完全相同（如果使用az或AZ，则包括字母大小写）。 如果剩余的 2 个字符不相同或剩余的字符多于两个，则返回布尔值false 。 但是，如果剩下的两个字符相同，则返回 boolean true 。

基本上，表达仅用于验证所提供的字符串内的最后两个字符匹配相同提供的字符串的前两个字符。 这就是第二个控制台打印的原因：

System.out.println(Pattern.matches("(\\w\\d)\\1", "a2b2")); //false

返回一个布尔值false， b2是不一样的a2 ，而在第一个控制台打印：

System.out.println(Pattern.matches("(\\w\\d)\\1", "a2a2")); //true

最后两个字符a2确实与前两个字符a2匹配，因此返回布尔值true 。

您现在会注意到在其他两个控制台打印中：

System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B2AB")); //true
System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B3AB")); //false

使用的正则表达式包含2 个捕获组（两组括号）。 相同类型的匹配在这里适用，但针对两个捕获组，而不是像前两个控制台打印那样的一个。

如果您想了解这些正则表达式如何发挥作用并获得有关表达式含义的解释，请使用regex101.com 上的正则表达式测试器。 这也是一个很好的正则表达式资源。

Pattern.split():

在这种情况下，在我看来，使用Pattern.split()方法有点矫枉过正，因为String.split()接受正则表达式，但在其他领域确实有它的用途。 无论如何，它是如何使用它的一个很好的例子。 .split()方法在此处用于根据提供给它的 String 以及通过 Pattern 被视为正则表达式的内容执行分组，在这种情况下为“\\\\W” （否则为： \\W ）。 \\W （大写W ）表示“匹配任何不等于az或AZ或0-9或_ 的非单词字符。 这个表达式基本上与“\\w”相反（带有小写的w ）。 提供的字符串中包含的字符@ 、 # 、 :和$ （是的...逗号、分号、感叹号等）：

"one@two#three:four$five"

被认为是非单词字符，因此对它们中的任何一个进行拆分，从而产生一个包含以下内容的字符串数组：

[one, two, three, four, five]

使用String.split()方法可以通过这种方式完成同样的事情，因为 tis 方法允许应用正则表达式：

String[] s = "one@two#three;four$five".split("\\W");

甚至：

String[] s = "one@two#three;four$five".split("[@#:$]");

甚至：

String[] s = "one@two#three;four$five".split("@|#|:|\\$");
// The $ character is a reserved RegEx symbol and therefore
// needs to be escaped.

或者………………

是的...... “\\\\W”更容易，因为它涵盖了所有非单词字符。 ;)

Answer 2

如果我谈论捕获组，我无法弄清楚这里 '\\1' 或 '\\2' 的用法是什么？ 这些如何评估为真或假。

回答：

• \\\\1重复第一个捕获的组（即a2捕获的(\\\\w\\\\d) ）
• \\\\2重复第二个捕获的组（即B2捕获的(B\\\\d) ）

这些组合的实际名称是反向引用：

与捕获组匹配的输入字符串部分保存在内存中，以便以后通过反向引用调用。 反向引用在正则表达式中指定为反斜杠 () 后跟一个数字，表示要调用的组的编号。

---

如果我谈论模式拆分方法，我想知道字符串拆分是如何发生的。 这种拆分方法与普通字符串拆分方法的工作方式有何不同？

回答：

Pattern 类中的 split() 方法可以将文本拆分为字符串数组，使用正则表达式（模式）作为分隔符

与使用修复字符串或字符显式拆分字符串不同，这里您提供了一个更强大和更有弹性的正则表达式。