javaRegex 非擷取的群組詳解

這幾天看了下Regex，對非擷取的群組(non-capturing)進行下總結。
主要總結 1個 + 2組  一共5個。
(?:X) (?=X) (?<=X) (?!X) (?<!X)

一、先從(?:)非擷取的群組說起。
下面由一個例子引出非擷取的群組。

有兩個金額：8899￥ 和 6688$ 。顯然，前一個是8899元的人民幣，後一個是6688元的美元。我現在需要一個正則，要求提煉出它們的貨幣金額和貨幣種類。正則可以這寫：(\\d)+([￥$])$  (在java中測試，所以多了逸出字元'\')
測試程式如下：

    

[java] view
plaincopy

1. Pattern p = Pattern.compile("(\\d+)([￥$])$");  
2.      String str = "8899￥";  
3.      Matcher m = p.matcher(str);  
4.      if(m.matches()){  
5.       System.out.println("貨幣金額: " + m.group(1));  
6.       System.out.println("貨幣種類: " + m.group(2));  
7.      }  

輸出結果為：
貨幣金額: 8899
貨幣種類: ￥

OK,滿足了要求。這裡的正則分成了兩個組，一個是(\\d+)，一個是([￥$])，前一個組匹配貨幣金額，後一個組匹配貨幣種類。

現在，我需要這個正則可以匹配浮點數。如8899.56￥。我們都知道，現在少於一元錢基本上買不到東西了，所以我希望忽略小數部分，正則還是提煉出 8899 和 ￥。
那麼正則如下：
[code="java"](\\d+)(\\.?)(\\d+)([￥$])$[/code]
這裡用括弧分了四組，所以要輸出貨幣金額的整數部分和貨幣種類，要分別輸了group(1),group(4)了。如果輸出部分和正則是分開的，我希望只修改正則而不去修改輸出部分的代碼，也就是還是用group(1)，group(2)作為輸出。由此可以引出非擷取的群組(?:)。
把前面的正則修改為：
[code="java"](\\d+)(?:\\.?)(?:\\d+)([￥$])$[/code]
這樣，還是用group(1),group(2)做為輸出，同樣輸出了 8899 和 ￥
這個正則的中間兩個組用到的就是非擷取的群組（?:），它可以理解為只分組而不捕獲。

二、(?=)和(?<=)
有的資料把它們叫做肯定式向前尋找和肯定式向後尋找；
有的資料也叫做肯定順序環視和肯定逆序環視。

1、姑且不理它們的名稱，看下面的例子：

   

[java] view
plaincopy

1. Pattern p = Pattern.compile("[0-9a-z]{2}(?=aa)");  
2.    String str = "12332aa438aaf";  
3.    
4.    Matcher m = p.matcher(str);  
5.    while(m.find()){  
6.      System.out.println(m.group());  
7.    }  

這段程式輸出32 38
這個正則的意思是：匹配這麼一個字串，它要滿足：是兩位字元（數字，或字母），且[color=red]後面[/color]緊跟著兩個a。
分析一下：
32aa  這個子串 滿足這個條件，所以可以匹配到，又因為 (?=) 的部分是不捕獲的，所以輸出的只是 32，不包括aa。同理 38aa 也匹配這個正則，而輸出僅是 38。

再深入看一下:
當str第一次匹配成功輸出 32 後，程式要繼續向後尋找是否還有匹配的其它子串。那麼這時應該從 32aa 的後一位開始向後尋找，還是從 32 的後一位呢？也就是從索引 5 開始還是從 7 開始呢？有人可能想到是從 32aa 的下一位開始往後找，因為 32aa 匹配了正則，所以下一位當然是它的後面也就是從 4 開始。但實際上是從 32 的後一位也就是第一個 a 開始往後找。原因還是 (?=) 是非捕獲的。
查閱API文檔是這麼注釋的：

(?=X) X, via zero-width positive lookahead

可見zero-width（零寬度）說的就是這個意思。

現在，把字串寫的更有意思些：str = "aaaaaaaa";
看一下它的輸出： aa aa aa
分析一下：
這個字串一共有8個a。
第一次匹配比較容易找到，那就是前四個：aaaa ,當然第三和第四個 a 是不捕獲的，所以輸出是第一和第二個a；
接著繼續尋找，這時是從第三個a開始，三到六，這4個a區配到了，所以輸出第三和第四個a；
接著繼續尋找，這時是從第五個a開始，五到八，這4個a區配到了，所以輸出第五和第六個a；
接著往後尋找，這時是從第七個a開始，顯然，第七和第八個a,不滿足正則的匹配條件，尋找結束。
我們再延伸一下，剛說的情況的是(?=)放在捕獲的字串後面，它如果放在前面又是什麼結果呢？
例子換成：

   

[java] view
plaincopy

1. Pattern p = Pattern.compile("(?=hopeful)hope");  
2.     String str = "hopeful";  
3.     Matcher m = p.matcher(str);  
4.     while(m.find()){  
5.       System.out.println(m.group());  
6.     }  

它的輸出是hope。
正則的意思是：是否能匹配hopeful,如果能，則捕獲hopeful中的hope。當然繼續向後尋找匹配的子串，是從f開始。
比較一下可以看出，(?=hopeful)hope 和 hope(?=ful),兩個正則的效果其實是一樣的。

2、下面說一下 (?<=)
把正則改一下，
    Pattern p = Pattern.compile("(?<=aa)[0-9a-z]{2}");
字串還是str = "12332aa438aaf";
它的輸出：43。

這個正則的意思是：匹配這麼一個字串，它要滿足：是兩位字元（數字或字母），且[color=red]前面[/color]緊跟的是兩個字母 a 。

同樣，深入一下，把str換成str = "aaaaaaaa";看一下輸出是什麼，同樣也是：aa aa aa
分析一下：
第一次匹配不用說，是前四個a，輸出的是第三和第四個a;
繼續向後尋找，從第五個a開始，程式發現，第五個和第六個a滿足，因為是兩位字元，且滿足前面緊跟著兩個a(第三和第四個a)。所以匹配成功，輸出第五個和第六個a;
繼續向後尋找，從第七個a開始，程式發現，第七個和第八個a滿足，因為是兩位字元，且滿足前面緊跟著兩個a(第五和第六個a)。所以匹配成功，輸出第七和第八個a。尋找結束。

三、(?!)和(?<!)
從外觀上看，和前面一組很相似，區別就是把 ‘=’ 換成了 ‘!’
那麼意義剛好也是相反的。
[0-9a-z]{2}(?!aa)    意思是：匹配兩個字元，且後面緊跟著的不是aa
(?<=aa)[0-9a-z]{2}  意思是：匹配兩個字元，且前面緊跟著的不是aa
用法和前面講的差不多，這裡不再詳述。